将Python与仿真耦合优化一个物理问题

Question

我试图通过将模拟软件耦合到Python来解决物理问题。基本上，我需要找到以下图片中每个管段的长度和直径的值(任意两个黑点之间的线段是一个管道段)，这样从0点开始的流体流动同时到达点1-5。给出了各个管段的长度和直径的起始值，并用仿真软件求解，以检验流体是否同时达到1~5点。如果没有，则需要改变管段的长度和直径以确保这一点。没有在同一时刻到达1-5点的流量被称为流量不平衡，理想情况下，我需要将这种不平衡降到零。

​

​

现在我的问题是-我能否将Python与模拟软件结合起来，以建议不同管道段的长度和直径的值，以确保流量同时到达点1-5？我已经知道如何通过python脚本运行仿真软件，以及如何从软件中提取流程不平衡的结果。我想知道的是，Python中是否存在一个库/函数，它可以迭代地表示管道段的长度和直径的值，这样在每次迭代之后流量不平衡就会减少吗？

请知道，不可能制定一个考虑管段长度和直径的目标函数，并设法将其最小化或最大化，以消除流量不平衡。运行软件模拟是真正检查这种流量不平衡的唯一方法。我知道像scipy.optimize这样的优化库是存在的，但是AFAIK它们工作在一个目标函数上。根据每次迭代后流量不平衡的大小，我找不到任何能给出管段长度和直径的值的东西。

Answer 1

所以你可以写一个函数

def imbalance(pipe_diameters):
  times = get_pipe_times(pipe_diameters)
  return times - np.mean(times)

然后你可以用

from scipy.optimize import leastsq
x0 = uniform_diameter_pipes()
diameters = leastsq(imbalance, x0)

如果参数的数量大于输出的数量，那么您可能不得不使用注释中提到的最小化。在这种情况下，不平衡必须返回一个标量。

def imbalance(pipe_diameters):
  times = get_pipe_times(pipe_diameters)
  return np.var(times) # calculate variance, could be other metric as well