Python openmdao:x27；rel'；为设计变量的矢量输入计算的步长？

我目前正在使用高保真流解算器（SU2）在OpenMDAO中测试基于梯度的优化，但我使用的形状参数化方法似乎对有限差分近似的步长高度敏感。这可能是因为目标函数对某些设计变量比其他变量更敏感，所以我一直使用相对步长而不是绝对步长。然而，我期望步长与向量中的每个设计变量相关，但对于应用于所有设计变量的恒定步长，情况似乎并非如此

例如，相对步长为

1e-5

时，实际步长为

4.2e-5

（常数），向量为28个大小不同的设计变量。 i、 e.

design_变量=[0，1e-2，1e-1…]

问题：如何计算大小不同且包含零的设计变量向量的相对步长

注：设计变量按比例（相等）缩放，并共享相同的（%）上限和下限。此外，这个数字似乎随下限和上限而变化

---

---

更新：查看

有限差分.py

脚本后，问题部分解决。取输入的范数并乘以步长。然而，代码表明（

step*=scale

）缩放值也是一个标量，因此在所有设计变量中都是常量，这是否正确？

是的，这就是向量步长的计算方法——对于相对有限差分步长，步长是按向量的范数缩放的。但是，您提出了一个很好的观点，即向量在其元素中可能具有非常不同的大小，因此我们可能需要添加对指定fd步长向量的支持。

谢谢，Kenneth。是的，步长向量对于手动调整行搜索是一个很好的补充。祝您今天过得愉快