A numerical procedure and unified formulation for the adjoint approach in hyperbolic PDE-constrained optimal control problems
本文的目的是提供一种数值策略来处理伴随方法求解的偏微分方程约束最优化问题。通过给出约束偏微分方程和伴随模型的统一形式,完成了这一过程。该模型是一个非保守的双曲型方程组,因此提出了一个有限体积格式来求解,该格式将约束偏微分方程和伴随模型都放在一个框架中。前向和后向演化由单个参数$η$控制,并且在每次优化迭代中仅获得一次稳定的时间步长。该方法要求系统具有完整的特征结构和代价泛函的梯度。数值试验证明了本技术的适用性
2017-11-29 math.OC
Reproducing kernel Hilbert spaces and variable metric algorithms in PDE constrained shape optimisation
在本文中,我们研究和比较不同的梯度算法设计的域表达的形状导数。我们的主要重点是检查的有用性的核再生希尔伯特空间的PDE约束形状优化问题。我们表明,径向内核提供了方便的公式的形状梯度,可以有效地用于数值模拟。与径向核相关联的形状梯度取决于所谓的平滑参数,该平滑参数允许在优化过程期间对形状进行平滑调整。此外,该平滑参数可用于修改形状的移动。理论研究结果在一些数值实验中得到了验证。
2016-04-19 math.OC
Variational State-Dependent Inverse Problems in PDE-Constrained Optimization: A Survey of Contemporary Computational Methods and Applications
University of Colorado Boulder(科罗拉多大学博尔德分校)
本文综述了PDE约束优化中状态依赖反问题的数学理论、计算方法及应用,探讨了可识别性、不相容性等挑战及未来研究方向。
2026-01-16 math.OC
Sample Size Estimates for Risk-Neutral Semilinear PDE-Constrained Optimization
本文针对随机输入下半线性椭圆PDE约束的风险中性优化问题,利用覆盖数方法推导SAA临界点的非渐近样本量上界,并给出期望与指数尾部精度界及数值验证。
2023-09-05 math.OC
Performance Bounds for PDE-Constrained Optimization under Uncertainty
不确定条件下偏微分方程约束优化的计算方法可能涉及控制空间和状态空间的有限维近似、风险和可靠性度量的样本平均近似、非光滑函数的光滑近似、约束的惩罚近似以及许多其他类型的不准确性。在本文中,我们分析了控制的性能得到了一个近似为基础的算法,并在此过程中开发的一般最优化问题定义在度量空间的最优性差距的估计。在温和的假设下,我们建立了限制控制有任意小的最优性差距,在各种近似的不准确消失。我们进行了广泛的一类问题的分析与多个期望,风险和可靠性函数,涉及PDE解决方案,并出现在目标以及约束表达式。特别是,我们解决问题的缓冲失效概率约束近似通过增广拉格朗日。我们展示了一个椭圆型偏微分方程的框架与随机系数字段和分布控制功能。
2022-08-31 math.OC
Hyper-Differential Sensitivity Analysis of Uncertain Parameters in PDE-Constrained Optimization
工程和科学中的许多问题都需要求解偏微分方程约束的大规模优化问题。虽然偏微分方程约束优化本身是具有挑战性的,大多数应用程序提出了额外的复杂性,即不确定参数的偏微分方程。不确定性量化(UQ)是必要的,以表征,优先级,并研究这些不确定参数的影响。灵敏度分析是UQ中的一个经典工具,常用于研究模型对不确定参数的灵敏度。在这篇文章中,我们介绍了“超微分灵敏度分析“,它考虑了不确定参数的偏微分约束最优化问题的解决方案的灵敏度。我们的方法是一个面向目标的分析,可以被视为一种工具,以补充其他UQ方法在服务的决策和稳健的设计。我们正式定义超微分灵敏度指数,并突出他们的关系,现有的优化和灵敏度分析文献。假设在参数空间中存在低秩结构,计算效率是通过利用广义奇异值分解结合随机化求解器,将算法的计算瓶颈转换成一个并行循环。两个多物理场的例子,包括非线性稳态控制和瞬态线性反演,证明了有效的识别的不确定参数有最大的影响最优解。
2020-01-03 math.OC
Quadratically constrained quadratic programming for classification using particle swarms and applications
Indian Institute of Science(印度科学学院)
将粒子群算法应用于多个组合优化问题。在这项工作中,粒子群被用来解决二次约束的二次规划问题。粒子群方法是优化中内点方法作为迭代技术的一个例子。这种方法是新颖的,处理分类问题,而不使用传统的分类器。我们的方法确定最佳超平面或分类边界的数据集。在二进制分类问题中,我们将每个类约束为一个聚类,该聚类被椭球包围。两个簇之间的最优超平面的估计被提出作为一个二次约束的二次问题。采用改进的粒子群算法对优化问题进行分布式求解。我们的方法的优点是使用的方向朝着最优解,而不是搜索整个可行域。在Iris、Pima、Wine和Thyroid数据集上的实验结果表明,该方法优于神经网络,性能接近SVM。
2014-07-23 cs.AI cs.LG cs.NE
Computational comparison of surface metrics for PDE constrained shape optimization
我们比较表面度量的形状最优化问题的约束,主要由偏微分方程(PDE),从计算的角度来看。特别是,经典的Laplace-Beltrami型度量与Steklov-Poincaré型度量进行了比较。试验问题是在Stokes流中使物体的能量耗散最小化。因此,我们建立了一个拟牛顿法适当的形状流形与增广拉格朗日框架,以便能够直接集成的形状的几何约束。比较的重点是收敛行为以及形状优化过程中对网格质量的影响。
2016-07-28 math.OC
Consistency of Monte Carlo Estimators for Risk-Neutral PDE-Constrained Optimization
本文将样本平均近似方法应用于带随机输入的非线性 PDE 约束的风险中性优化问题,通过构造可行集的确定性紧子集并结合随机规划理论,分析了 SAA 最优值与解的一致性,且在三个非线性优化问题中验证了框架假设。
2022-11-16 math.OC
A hybrid level-based learning swarm algorithm with mutation operator for solving large-scale cardinality-constrained portfolio optimization problems
在这项工作中,我们提出了一个混合的变种的基于层次的学习群优化算法(LLSO)解决大规模的投资组合最优化问题。我们的目标是最大限度地提高夏普比的基数,框和预算限制的修改制定。该算法涉及一个投影算子来同时处理这三个约束,我们隐式地控制交易成本由于再平衡约束。我们还引入了一个合适的精确罚函数来管理营业额约束。此外,我们开发了一个特设的变异算子修改候选样本的最高级别的群体。使用三个大规模数据集的实验结果表明,包括这个过程提高了解决方案的准确性。然后,与其他变种的LLSO算法和两个国家的最先进的群优化算法的比较指出,所提出的求解器的探索能力和解决方案的质量方面的出色表现。最后,我们评估的盈利能力的投资组合配置策略,在过去五年中使用的1119个成分的MSCI世界指数的可投资池。
2022-06-29 cs.NE math.OC
A multi-level ADMM algorithm for elliptic PDE-constrained optimization problems
本文研究了控制上带盒约束的椭圆偏微分方程约束最优化问题。为了数值求解该问题,我们应用“优化-离散-优化”策略。首先在函数空间中采用乘子的交替方向法(ADMM)算法,然后在每次迭代中采用标准的分段线性有限元方法对子问题进行离散。最后,根据子问题的结构,采用有效的数值方法求解离散子问题。受多级策略思想的启发,我们提出了逐步细化网格的策略,而不是在计算过程之前固定网格步长。此外,在每次迭代的子问题求解不精确。基于上述策略,提出了一种高效的收敛多级ADMM(mADMM)算法。对求解偏微分方程约束最优化问题,给出了算法的收敛性分析和迭代复杂度结果o(1/k).数值结果表明了mADMM算法的高效性。
2019-08-13 math.OC
Efficient PDE constrained shape optimization based on Steklov-Poincaré type metrics
形状流形上的PDE约束优化的最新进展是基于形状导数的Hadamard形式,即,以在所研究的形状的边界处的积分的形式,以及基于内在形状度量。从数值的角度来看,域积分形式的形状衍生物似乎很有前途,而需要一个外部度量的形状边界周围的域。本文试图协调这两种观点,采用Steklov-Poincaré型内禀度量,这是来自外部度量。基于该度量,提出了有效的形状优化算法,这也减少了分析劳动,迄今为止,在形状导数的推导。
2016-08-08 math.OC
Mesh Independence of a Majorized ABCD Method for Sparse PDE-constrained Optimization Problems
分析了希尔伯特空间中优化加速块坐标下降(mABCD)方法,通过对偶求解稀疏偏微分方程(PDE)约束最优化问题.研究了有限元逼近方法。对于双目标函数值,{the mABCD}方法的$O(1/k^2)$迭代复杂度是有吸引力的.基于收敛性结果,我们证明了mABCD方法对网格步长$h$的鲁棒性,证明了无限维ABCD方法和有限维离散方法具有相同的收敛性,并且随着离散的细化,mABCD方法的迭代次数几乎保持不变.
2020-01-04 math.OC
Controlling swarms towards flocks and mills
研究了具有自推进和势能项的二阶群集系统的自组织与控制问题。它表明,通过约束控制的作用,是可能的,以控制任何初始配置的羊群或轧机。证明建立在几个参数的适当组合:拉萨尔不变原理和李雅普诺夫减少泛函,控制线性化技术,和准静态变形。二阶系统的稳定性分析指导反馈法的设计,以稳定的羊群和轧机,这也是计算评估。
2021-11-17 math.OC
Primal-dual extragradient methods for nonlinear nonsmooth PDE-constrained optimization
本文研究了Chambolle-Pock原始对偶法在求解函数空间间非线性算子的非光滑最优化问题中的推广。在包括相应原-对偶最优性条件的度量规律性在内的技术条件下,证明了局部收敛性。我们还表明收敛Nesterov型加速变量提供的功能的一部分是强凸的。我们证明了加速算法的适用性,$L^1$ -和$L^\infty$ -拟合项以及状态约束最优控制问题的反问题的例子,在引入(任意小,仍然不光滑)Moreau-Yosida正则化后,可以保证收敛。数值算例验证了这一点。
2017-03-15 math.OC
A stochastic gradient method for a class of nonlinear PDE-constrained optimal control problems under uncertainty
本文提出一种在Hilbert空间上求解非凸随机优化问题的随机梯度方法,证明了迭代序列的聚点几乎必然收敛于稳定点,并应用于不确定性下椭圆半线性PDE约束的最优控制问题。
2023-04-05 math.OC
Zoned HVAC Control via PDE-Constrained Optimization
高效、舒适和方便是住宅供暖、通风和空调(HVAC)机组控制系统设计的三个主要方面。在本文中,我们提出了一种基于优化的算法,HVAC控制,最大限度地减少能源消耗,同时保持所需的温度在一个房间。我们的算法使用计算机流体动力学模型,数学公式使用偏微分方程(PDE),来描述温度,压力和气流之间的相互作用。我们的模型使我们能够自然地制定问题,例如控制房间内感兴趣的小区域的温度,或者控制通风口处的气流速度,这些都很难使用有限维常偏微分(ODE)模型来描述。我们的研究结果表明,我们的算法产生了显着的节能,而不会降低舒适度。
2016-04-30 math.OC
Numerical Computation of the Gradient and the Action of the Hessian for Time-Dependent PDE-Constrained Optimization Problems
我们提出了一个系统的推导所需的算法计算梯度和行动的Hessian的任意失配函数的大尺度参数估计问题,涉及线性不定常偏微分方程与固定系数。这些算法是使用伴随方法的任意阶的时间步进计划,因此非常适合于分布式参数估计问题的前向解决方案需要解决的高精度。两个例子演示了如何准备特定的偏微分方程与这些算法一起使用。数值算例表明,高阶时步格式的精度顺序是由相应的伴随时步格式和失配梯度计算继承的。
2016-08-08 math.OC
PDE constrained shape optimisation with first-order and Newton-type methods in the $W^{1,\infty}$ topology
本文提出了基于 $W^{1,\infty}$ 拓扑映射方法的通用 PDE 约束形状优化框架,设计了最速下降和类牛顿最小化算法,并通过实例与经典 Hilbert 空间方法和 $p$-近似结果进行了比较。
2023-12-21 math.OC
Technical Note: PDE-constrained Optimization Formulation for Tumor Growth Model Calibration
我们讨论的解决方案算法,用于校准肿瘤生长模型的成像数据构成的确定性逆问题。正演模型由一个非线性、时变的反应扩散偏微分方程(PDE)组成,未知参数(扩散率和增殖率)为空间场。我们使用一个维度无关的全球化,不精确的牛顿共轭梯度算法来解决偏微分方程约束的优化。所需的梯度和海森行动也提出了使用伴随方法和拉格朗日形式主义。
2023-02-15 cs.CE math.OC
PDE-constrained optimal control problems with uncertain parameters using SAGA
考虑一类随机系数偏微分方程的最优控制问题。最优控制函数是一个确定性的,分布式的强迫项,最小化预期的二次正则化损失函数。对于这个偏微分方程约束的OCP的数值逼近,我们用合适的求积公式代替目标泛函中的期望,并最终用Galerkin方法离散偏微分方程。为了实际解决这样的近似OCP,我们提出了一个重要的采样版本的SAGA算法,一种类型的随机梯度算法与固定长度的记忆项,计算在每次迭代的梯度损失功能在只有一个正交点,随机选择从一个可能的非均匀分布。我们提供了一个完整的误差和复杂性分析所提出的数值方案。特别地,我们比较了采用重要抽样的广义SAGA算法的复杂性,以及随机梯度(SG)和共轭梯度(CG)算法的复杂性,并应用于相同的离散化OCP.我们表明,SAGA在迭代次数上与CG算法呈指数收敛,并且具有相似的渐近计算复杂性,在计算成本与准确性方面(如果不使用并行计算,则与所需的时间成比例)。此外,它具有良好的前渐近性质,如我们的数值实验所示,这使得它在有限的预算范围内的吸引力。
2020-07-06 math.OC
Robust preconditioners for PDE-constrained optimization with limited observations
正则化鲁棒预条件子已被成功地开发用于偏微分方程约束最优化问题。然而,这些方法通常假设观测数据在状态方程的整个域中是可用的。对于许多反问题,这是一个不切实际的假设。在本文中,我们提出并分析了预条件的PDE约束最优化问题有限的观察数据,例如,观察只可在边界上的解决方案域。我们的方法是强大的正则化参数和网格步长。也就是说,预条件最优性系统的条件数是一致有界的,与这两个参数的大小无关。我们首先考虑一个典型的椭圆控制问题,然后考虑更一般的偏微分方程约束最优化问题。我们的理论研究结果照亮了几个数值结果。
2015-06-22 math.AP math.OC
Multiobjective Optimization of Non-Smooth PDE-Constrained Problems
本文综述了非光滑PDE约束多目标优化领域的最新进展,重点报告了DFG优先计划1962项目2在处理开关、状态约束与模型降阶方面的研究成果。
2023-08-02 math.OC
Continuation method for PDE-constrained global optimization: Analysis and application to the shallow water equations
本文给出了一类离散非线性偏微分方程约束的非凸最优化问题如何用内点延拓法求全局最优解。求解过程依赖于一个嵌套的同伦。内部同伦通过将障碍参数驱动为零来解决障碍问题。外同伦变形的凸松弛原来的非凸问题的方式,保持清晰的分叉。全局最优性的一个要求是目标是凸的,并且搜索空间保持路径连通。作为一个案例研究,一类现实世界的最优化问题的浅水方程进行了分析。一个基准测试以及一个实际的实现表明,该方法是适合于大规模的信息物理系统的闭环非凸模型预测控制。
2020-03-12 math.OC
Fast active thermal cloaking through PDE-constrained optimization and reduced-order modeling
在本文中,我们将展示如何有效地实现热隐身从计算的角度来看,在几个虚拟的情况下,通过控制分布的主动热源。我们框架这个问题的设置偏微分方程约束的优化,其中的参考字段是时间依赖的热方程的解决方案,在没有对象的斗篷。然后,最优控制问题的目的在于激励时空控制场,使得障碍物外部的热场与参考场不可区分。特别是,我们考虑多种情况下,材料的热扩散率,源强度和障碍物的温度允许在用户定义的范围内变化。为了以快速可靠的方式解决热隐身问题,我们依赖于通过缩减基方法建立的参数化降阶模型,因此与利用有限元法的高保真全阶模型相比,在处理复杂的目标形状和断开的控制域时,需要巨大的计算加速。
2022-01-19 math.OC
AONN-2: An adjoint-oriented neural network method for PDE-constrained shape optimization
针对现有形状优化方法依赖网格且易受网格变形影响的问题,提出无网格的伴随导向神经网络方法AONN-2,利用形状导数优化离散边界点,实验验证其灵活、鲁棒且准确。
2023-09-15 math.OC
An online adaptive finite-element method for nonsmooth PDE-constrained optimization
George Mason University(乔治梅森大学);Sandia National Laboratories(桑迪亚国家实验室);South Asian University(南亚大学)
本文提出一种基于信任区域的自适应有限元算法,用于求解包含稀疏正则化和凸约束的非光滑偏微分方程约束优化问题,结合了非光滑问题的鲁棒性和自适应有限元的效率,通过自动细化离散化来平衡计算成本与解的精度。
2026-04-27 math.OC
A Multilevel Stochastic Gradient method for PDE-constrained Optimal Control Problems with uncertain parameters
在本文中,我们提出了一个多级Monte Carlo(MLMC)版本的随机梯度(SG)方法的不确定性下的优化,以解决最优控制问题(OCP)的约束条件的形式描述的随机参数的偏微分方程。确定性控制作为随机偏微分方程中的分布强迫项,目标函数是期望二次损失。我们使用随机梯度方法来计算最优控制,其中预期损失的最速下降方向,在每次迭代中,被替换为独立的MLMC估计,具有增加的精度和计算成本。先验地选择细化策略,使得MLMC估计器的偏差和可能的方差作为迭代计数器的函数衰减。详细的收敛性和复杂性分析所提出的战略和渐近最优的衰减率确定,使总的计算工作量最小化。我们还提出并分析了一个替代版本的多层次SG算法,使用随机MLMC估计在每次迭代。我们的方法是通过一个数值例子验证。
2019-12-26 math.OC
A sparse control approach to optimal sensor placement in PDE-constrained parameter estimation problems
我们提出了一个系统的方法来最佳放置的多个传感器,以推断一个有限维参数从点评估的相关参数依赖椭圆PDE的解决方案。相应的最小二乘估计的质量量化的渐近协方差阵的属性取决于测量传感器的分布。我们制定了一个设计问题,我们最小化泛函的大小,相应的置信区域的位置和数量的逐点测量。测量设置是由一个积极的Borel措施的空间实验域上的凸优化问题。对于算法的解决方案,一类加速条件梯度法在测度空间,它利用设计问题的结构特性,以确保收敛到稀疏的解决方案。收敛性和数值实验表明,所提出的结果。
2019-05-05 math.OC
Observability as a constraint qualification for a nonsmooth bilevel PDE-constrained problem
University of Graz(格拉茨大学)
受图像重建参数识别实验设计启发,该研究针对下层含稀疏反演的双层PDE约束问题,以可观测性或接触集Lebesgue零性为约束规格推导最优性条件,构造简化梯度法并通过数值实验验证。
2026-10-16 math.OC
McCormick relaxations for PDE-constrained optimization on multi-dimensional domains
TU Dortmund University(多特蒙德工业大学)
本文提出用McCormick松弛计算非凸PDE约束最优控制问题的近似对偶界,通过局部平均双线性项、推广理论至多维椭圆PDE、证明状态变量有效界并热启动OBBT的LP序列,实现更细离散化的高效数值求解。
2026-09-09 math.OC
Rockafellian Relaxation for PDE-Constrained Optimization with Distributional Uncertainty
George Mason University(乔治梅森大学);Union College(联合学院);North Carolina State University(北卡罗来纳州立大学);University of Southern California(南加州大学)
本文提出了一种基于Rockafellian松弛的框架,用于处理偏微分方程约束优化中的分布不确定性问题,通过引入扰动变量实现鲁棒优化并减少方差。
2025-12-09 math.OC
A PDE-constrained Optimization Approach to Optimal Trajectory Planning under Uncertainty via Reflected Schrödinger Bridges
Imperial College London(帝国理工学院)
本文提出了一种基于反射薛定谔桥问题的PDE约束优化方法,用于在不确定性下进行最优轨迹规划。该方法通过将问题转化为均场极限,结合非线性Fokker-Planck方程和Hamilton-Jacobi-Bellman方程,利用Hopf-Cole变换将非线性系统转换为可高效求解的正向-反向对流扩散方程,验证了在复杂几何中计算最优控制的有效性。
2026-05-18 math.OC
Density Stabilization Strategies for Nonholonomic Agents on Compact Manifolds
本文针对紧流形上非完整智能体集群,提出基于状态反馈和平均场切换扩散半线性偏微分方程模型的密度镇定策略,实现集群对正则或不连通支撑目标概率密度的指数/渐近镇定,并通过Brockett积分器、SO(3)和S^2上的数值实验验证。
2024-05-07 cs.SY eess.SY math.OC
State constrained convex Nash equilibrium problems coupled with linear hyperbolic PDEs
Weierstraß Institute for Applied Analysis and Stochastics(魏尔斯特拉斯应用分析与随机研究所);Humboldt-Universität zu Berlin(柏林洪堡大学)
研究与线性双曲型PDE耦合的状态约束凸GNEP的均衡存在性,克服集值约束映射正则性问题,给出一阶最优性条件,展示其在波动方程等应用中的相关性。
2026-07-16 math.AP math.OC
A Gauss-Newton Method with No Additional PDE Solves Beyond Gradient Evaluation for Large-Scale PDE-Constrained Inverse Problems
Colorado School of Mines(科罗拉多矿业学院);University of California Santa Barbara(加州大学圣塔芭芭拉分校)
本文提出了一种无需额外PDE求解的Gauss-Newton方法,用于解决大规模PDE约束反问题,提升了FWI的计算效率与收敛速度。
2026-03-06 cs.NA math.NA math.OC
Nonlinear Conjugate Gradient Methods for PDE Constrained Shape Optimization Based on Steklov-Poincaré-Type Metrics
Fraunhofer ITWM(弗劳恩霍夫工业数学研究所);TU Kaiserslautern(凯泽斯劳滕工业大学)
本文提出基于 Steklov-Poincaré 型度量的非线性共轭梯度法,用于求解偏微分方程约束的形状优化问题,数值实验表明该方法是对现有梯度优化算法的有效补充。
2021-07-07 math.OC
Efficient Gauss-Newton-Krylov momentum conservation constrained PDE-LDDMM using the band-limited vector field parameterization
Aragon Institute on Engineering Research(阿拉贡工程研究所);University of Zaragoza(萨拉戈萨大学)
在偏微分方程约束的大变形非纯度量映射框架下提出的一类非刚性配准方法是一类特别有趣的物理意义非纯配准方法。PDE约束LDDMM方法被配制成约束变分问题,其中不同的物理模型施加使用相关的偏微分方程作为硬约束。非精确Newton-Krylov优化在此框架下表现出优异的数值精度和极快的收敛速度。然而,非定常速度场的Galerkin表示不能提供适当的测地线路径。在以前的工作中,我们提出了一种方法的PDE约束LDDMM参数化的初始速度场的空间下的EPDiff方程。该方法在PDE约束的LDDMM框架下提供了测地线,并表现出与基准PDE约束的LDDMM和EPDiff-LDDMM方法相竞争的性能。然而,这种方法的主要缺点是偏微分方程约束LDDMM方法固有的大内存负载和相对于基准方法的计算时间增加。在这项工作中,我们优化的计算复杂性的方法使用带限向量场参数化关闭循环与我们以前的作品。
2018-07-27 cs.LG math.OC stat.ML
PDE-constrained optimal control of a leader-follower opinion formation model
本研究针对领导者-追随者意见形成模型,提出PDE约束最优控制方法,推导一阶最优性条件并用梯度扫描算法数值求解,通过有限元模拟验证不同交互和代价函数下的效果。
2025-08-29 math.OC physics.soc-ph
Asymptotic Properties of Monte Carlo Methods in Elliptic PDE-Constrained Optimization under Uncertainty
研究了随机线性椭圆型偏微分方程约束最优化问题的Monte Carlo近似。我们使用经验过程理论获得最佳值和解决方案的最佳可能的平均收敛速度$O(n^{-\frac{1}{2}})$,和最优值的中心极限定理。后者允许通过使用恢复技术来确定渐近一致的置信区间。
2021-06-11 cs.NA math.NA math.OC
Global convergence of $W^{1,\infty}$-steepest descent for PDE constrained shape optimisation with semilinear elliptic equations in function space
Otto-von-Guericke-University Magdeburg(奥托·冯·古里克马格德堡大学);University of Sussex(萨塞克斯大学);University of Koblenz(科布伦茨大学)
本文研究了PDE约束形状优化中半线性椭圆方程的$W^{1,\infty}$-最陡下降法的全局收敛性,证明了在函数空间中的收敛性及二维空间中的条件收敛结果。
2026-03-03 math.AP math.OC
Fast PDE-constrained optimization via self-supervised operator learning
University of Pennsylvania(宾夕法尼亚大学)
设计和最优控制问题是我们在科学和工程中面临的基本的、普遍的任务之一。在这两种情况下,我们的目标是表示和优化一个未知的(黑盒)功能,通过实验将性能/结果与一组可控变量相关联。在实验动力学可以通过偏微分方程(PDE)描述的情况下,这样的问题可以在数学上转化为PDE约束的优化任务,随着控制变量的数量和实验成本的增加,这些任务很快变得难以处理。在这项工作中,我们利用物理信息深度算子网络(DeepONets)-一种用于学习参数PDE的求解算子的自监督框架-来构建快速和可微的代理,以快速解决PDE约束优化问题,即使在没有任何成对的输入输出训练数据的情况下。所提出的框架的有效性将被证明在不同的应用程序,涉及连续函数作为控制或设计变量,包括时间相关的最优控制的传热,和阻力最小化的障碍物在斯托克斯流。在所有情况下,我们观察到DeepONets可以在几秒钟内最小化高维成本泛函,与传统的伴随PDE求解器相比,速度显著提高,传统的伴随PDE求解器通常成本高昂,并且仅限于相对低维的控制/设计参数化。
2021-10-25 cs.LG math.OC
A Riemannian approach for PDE-constrained shape optimization over the diffeomorphism group using outer metrics
University of Strathclyde(思克莱德大学);MODEMAT Research Center in Mathematical Modeling and Optimization(数学建模与优化研究中心);Helmut-Schmidt-University / University of the Federal Armed Forces Hamburg(赫尔穆特·施密特大学/联邦国防军汉堡大学)
本文提出了一种基于外度量的黎曼方法,用于解决受偏微分方程约束的形状优化问题,通过分析微分同胚群的结构,结合欧拉半导数与经典形状导数的关系,优化电阻抗断层成像和二维桥梁设计。
2026-11-02 math.DG math.OC
Space Mapping for PDE Constrained Shape Optimization
Fraunhofer ITWM(弗劳恩霍夫工业数学研究所)
本文提出了一种基于Steklov-Poincaré型度量的黎曼框架下的新颖空间映射方法,用于求解受偏微分方程约束的形状优化问题,数值实验验证了该方法的高效性。
2023-08-02 math.DG math.OC
The ADMM-PINNs Algorithmic Framework for Nonsmooth PDE-Constrained Optimization: A Deep Learning Approach
Friedrich-Alexander-Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡弗里德里希-亚历山大大学);The University of Hong Kong(香港大学);Nankai University(南开大学)
本文提出结合 ADMM 与 PINNs 的算法框架,通过解耦 PDE 约束与非光滑正则化项,将 PINNs 扩展至非光滑 PDE 约束优化问题,实现无网格高效求解。
2024-07-28 cs.LG math.OC
An Analysis of Constraint-Relaxation in PDE-Based Inverse Problems
针对PDE约束优化逆问题的非线性挑战,本文提出其松弛表述的通用分析与离散化框架,证明松弛表述可简化为加权非线性最小二乘问题,权重矩阵为PDE解的Gram矩阵且部分可从测量估计,为统一数据驱动降阶模型提供途径。
2024-11-29 math.AP math.OC
PDE-constrained optimization in medical image analysis
University of Houston(休斯顿大学);University of California, Berkeley(加州大学伯克利分校);University of Pennsylvania(宾夕法尼亚大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
偏微分方程约束的最优化问题在医学图像分析中有着广泛的应用,例如神经成像、心血管成像和肿瘤成像。我们回顾了相关文献,并给出了例子的制定,离散化和数值解的偏微分方程约束最优化问题的医学成像。我们讨论三个例子。第一个是图像配准。第二个是脑肿瘤患者的数据同化,第三个是心血管成像的数据同化。图像配准问题是医学图像分析中的一个经典任务,旨在找到两个或多个图像之间的逐点对应关系。数据同化问题使用偏微分方程约束的制定,以连接生物物理模型,从医学图像中获得的患者特定的数据。相关联的最优性系统原来是一组非线性,多组分偏微分方程,是具有挑战性的解决一个有效的方式。我们工作的最终目标是设计反演方法,整合互补数据,严格遵循数学和物理原理,试图支持临床决策。这就需要可靠的、高保真的算法,并且需要很短的求解时间。这个任务是复杂的模型和数据的不确定性,并由PDE约束的最优化问题是病态的性质,并在一般产量高维,严重病态的离散化后的系统。这些特性使得正则化、有效的预处理器和迭代求解器成为先决条件,在许多情况下,这些都必须在分布式内存架构上实现。我们展示了科学计算中最先进的技术来应对这些挑战。
2018-02-28 cs.CV math.OC
A Double-Layer Jacobi Method for PDE-Constrained Nonlinear Model Predictive Control
针对由偏微分方程(PDE)控制的系统,提出了一种非线性模型预测控制(NMPC)的实时最优化方法。通过使用有限差分法在空间和时间上离散PDE系统来制定待解决的NMPC问题。该方法被称为双层雅可比方法,它利用了空间和时间稀疏的偏微分方程约束的NMPC问题。在上层,NMPC问题通过忽略状态或协态(对应于状态方程的拉格朗日乘子)方程的时间耦合来解决,从而保持空间稀疏性。下层Jacobi方法是一种线性求解器,通过利用空间稀疏性来专用于PDE约束的NMPC问题。收敛性分析表明,该方法的收敛性与预测时域和正则化有关。对传热过程控制的数值实验结果表明,该方法比传统的结构开发牛顿法快两个数量级。
2020-04-06 cs.SY eess.SY math.OC
From PDEs constrained optimization to controllability problems via time domain decomposition
Université de Pau et des Pays de l’Adour(波尔多大学);Lund University(隆德大学)
本文通过时域分解方法解决偏微分方程约束优化和可控性问题,证明两者在应用时域分解后具有相同的收敛行为,并通过数值实验验证了理论结果。
2026-05-21 cs.NA math.NA math.OC
Optimal Stopping of BSDEs with Constrained Jumps and Related Double Obstacle PDEs
本文研究带约束跳的BSDE最优停止问题与双障碍PDE的关系,通过Feynman-Kac表示和压缩论证证明非局部情形下粘性解的存在唯一性,并建立新型非线性Snell包络。
2024-09-03 math.OC math.PR
Multilevel Stochastic Gradient Descent for Risk-Averse PDE-Constrained Optimization
Heidelberg University(海德堡大学);Johann Radon Institute for Computational and Applied Mathematics(约翰·拉多纳计算与应用数学研究所);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Politecnico di Torino(都灵理工大学)
提出多级随机梯度下降算法求解风险规避三维PDE约束优化问题,利用自适应多级蒙特卡洛梯度估计,相比标准批处理方法具有更优收敛速度和计算复杂度。
2026-06-23 cs.NA math.NA math.OC
A Stochastic Gradient Method with Mesh Refinement for PDE Constrained Optimization under Uncertainty
包含不确定输入(如随机力或材料参数)的模型在偏微分方程约束优化中受到越来越多的关注。本文研究了一类带随机系数和盒约束的线性偏微分方程的凸光滑跟踪型泛函的有效数值极小化问题。我们采取的方法是基于随机逼近,而不是一个真正的梯度,随机梯度是使用一个样本从一个已知的概率分布。通过在每次迭代中执行投影来维护可行性。在应用这种方法的不确定性下的偏微分方程约束优化,新的挑战出现。我们观察到的离散化误差近似的随机梯度使用有限元。分析PDE离散和随机误差之间的相互作用,我们开发了一个网格细化策略加上减少步长。此外,我们开发了一个网格细化策略的修改后的算法,使用平均值和更大的步长。该方法的有效性证明了不同的随机场的选择数值。
2020-06-25 cs.NA math.NA math.OC
Incremental data compression for PDE-constrained optimization with a data assimilation application
本文提出基于增量本征正交分解(iPOD)的不精确梯度方法,用于解决时间依赖PDE约束优化中的数据存储难题,并通过数据同化问题验证其理论收敛性与实际效果。
2024-08-01 math.AP math.OC
Deep Uzawa for PDE constrained optimisation
本文提出深度 Uzawa 算法,将 Uzawa 算法扩展至线性和半线性二阶椭圆型 PDE 约束的最优控制问题,证明了迭代格式的强收敛性,并通过数值实验验证其优于现有深度神经网络方法。
2024-10-22 cs.NA math.NA math.OC