问题描述
我有一个包含 11 个设计变量和 9 个约束的模型。我已经运行了 check_partials 并且我对解析导数是正确的感到满意。当我运行 check_totals（或运行 openmdao scaling 脚本）时，我看到 Jacobian 的某些行具有异常大的值（10^13 阶）并且不同意有限差分结果（它们是顺序 1).
我可以通过删除设计变量或添加新约束来“修复”这个问题，即使约束非常“松散”，以至于它永远无法接近边界。然后有限差分和解析导数一致（并且是 1 阶）。 我放弃哪个设计变量似乎并不重要；当我有 10 个设计变量和 9 个约束时，结果是一样的。 同样，我向哪个输出变量添加约束似乎并不重要；当我有 11 个设计变量和 10 个约束时，结果是一样的。
我不认为这是特定驱动程序的结果：我已经在 pyOptSparseDriver 和 IPOPT 以及 ScipyOptimizeDriver 和 SLSQP 中尝试了这一点，并且行为是一样的。
虽然目前我不确定这种行为对我来说是否是一个限制因素，但它确实看起来很奇怪并且可能有害。 这是否表明存在错误、可以通过正确设置修复的行为，或者线性代数的简单结果？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）