scipy - 区分 OpenMDAO SciPy SLSQP 中的迭代和函数评估

Question

我正在通过 OpenMDAO 使用 SLSQP 来解决优化问题。优化工作充分；最后的 SLSQP 输出如下:

Optimization terminated successfully.    (Exit mode 0)
            Current function value: [-0.07475851]
            Iterations: 44
            Function evaluations: 87
            Gradient evaluations: 44
Optimization Complete

我现在正尝试对结果进行后处理，并检查整个迭代过程中优化的收敛性。当我通过 sqlite 字典访问迭代时

db = sqlitedict.SqliteDict('opt_record.sqlite','iterations')
db.keys()

然后我看到 87 条记录。所以这里的“迭代”实际上是指函数评估。显然，这也可以给出收敛的想法，但是有没有办法真正访问迭代信息，要么通过某种输出机制，要么通过反向计算哪些函数评估指的是迭代结束？

Answer 1

在 SLSQP 中，您可以通过以下两种方式之一获取函数调用:

1. 迭代，或主要迭代
2. 线搜索

这两件事都被案例记录器记录下来，OpenMDAO 无法区分它们。不过，您可以将它们过滤掉，因为主要迭代总是会在导数计算之前出现。因此，没有任何导数的情况很可能来自线搜索。