问题描述
我正在做一个PDE约束的优化问题，我正在尝试优化控制变量C，以便PDE dy(t,x)/dt = f(y,t)中的因变量可以匹配目标配置文件{{1} }尽可能地接近。我有这样的东西：
y_opt以上代码可解决我的问题，并且可以通过在def PDE(t,C):
# codes for solving the decretized PDE using method of lines
return dy/dt
def objective(C,y_opt):
# objective function to be minimized
sol = scipy.integrate.solve_ivp(lambda t: PDE(t,C),(0,t_stop),y_initial,method='BDF')
y_end = sol.y[:,-1]
cost = np.sum((y_end-y_opt)**2)
return cost
res = scipy.optimize.minimize(lambda C: objective(C,y_opt),C_guess,method='CG',options={'return_all':True})
内设置C来看到return_all':True的当前最佳解决方案。但是，我也想在每次迭代时都知道变量scipy.optimize.minimize。目前，我必须在每次迭代时使用输出y_end来解决PDE，以获得相应的C，但是由于它已经在优化函数调用期间进行了计算，因此我想知道如何保存直接在每次迭代时计算得出的y_end。
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@）