[論文レビュー] Variational discretization and semi-smooth Newton methods; implementation, convergence and globalization in pde constrained optimization with control constraints

Michael Hinze, Morten Vierling|ArXiv.org|Dec 2, 2009

Advanced Optimization Algorithms Research参考文献 5被引用数 8

ひとこと要約

本稿では、制御制約付きPDE制御問題を解くために変分的離散化手法と半滑らかなニュートン法を組み合わせたアプローチを提示する。局所的超線形収束性を確立し、デュアル・ステップサイズ制御とマージン関数に基づく2つのグローバライゼーション戦略を提案。数値実験を通じて、メッシュサイズや正則化パラメータの変化に対してもロバストな性能を示す。

ABSTRACT

When combining the numerical concept of variational discretization and semi-smooth Newton methods for the numerical solution of pde constrained optimization with control constraints, special emphasis has to be taken on the implementation, convergence and globalization of the numerical algorithm. In the present work we address all these issues. In particular we prove fast local convergence of the algorithm and propose two different globalization strategies which are applicable in many practically relevant mathematical settings. We illustrate our analytical and algorithmical findings by numerical experiments.

研究の動機と目的

• 変分的離散化と半滑らかなニュートン法を用いた制御制約付きPDE制御問題の解法における実装、収束性、グローバライゼーションの課題を解決すること。
• 変分的離散化の文脈において、半滑らかなニュートン法の高速な局所的収束性（q-超線形）を証明すること。
• 広範な数学的設定に適用可能なロバストな2つのグローバライゼーション戦略を開発・検証すること。
• 楕円型制御問題に対する数値実験を通じて、提案手法の効率性とメッシュに依存しない収束性を示すこと。
• 正則化パラメータとメッシュの細分化の変化に伴う離散解の誤差推定と収束速度を提供すること。

提案手法

• 制御空間の完全な近似を回避することで計算コストを削減し、最適な収束率を維持するため、変分的離散化を用いる。
• 最適性系のプライマル・デュアル・アクティブセット定式化に半滑らかなニュートン法を適用し、非滑らか方程式 $ u = P_{U_{\text{ad}}}(u - \sigma \nabla \hat{J}(u)) $ を解く。
• グローバル収束を保証するために、アーミジョ型ラインサーチを用いたデュアル・ニュートン反復を採用する。
• ステップサイズを適応的に制御するため、$ MF(p) = \|p - S_h^* S_h P_{[a,b]}(-\frac{1}{\alpha}p) + S_h^* z\|^2_{L^2(\Omega)} $ を用いたマージン関数に基づくグローバライゼーション戦略を導入する。
• 状態変数および制御変数に連続的区分多項式基底関数を用いた有限要素法を実装する。
• 問題を制御空間のみに還元するための還元定式化 $ \min_{u \in U_{\text{ad}}} \hat{J}_h(u) $ を用いる。ここで $ \hat{J}_h(u) = J(S_h B u, u) $ である。

実験結果

リサーチクエスチョン

• RQ1 変分的離散化と半滑らかなニュートン法を効果的に組み合わせることで、制御制約付きPDE制御問題において高速な局所的収束性を達成できるか？
• RQ2 制御境界からの非滑らか性が生じる状況下でも、半滑らかなニュートン法の収束性を保証するためのグローバライゼーション戦略は何か？
• RQ3 正則化パラメータ $ \alpha $ が小さい場合を含め、メッシュサイズ $ h $ に依存しない収束率が維持されるか？
• RQ4 特にラヴレントイ正則化が存在する場合に、$ \alpha $ の減少に伴い誤差推定と収束性はどのように変化するか？
• RQ5 異なる離散化レベルやパrameter設定下で、反復回数と誤差低減の観点から、アルゴリズムの性能はいかがなものか？

主な発見

• 変分的離散化を用いた半滑らかなニュートン法は、$ L^2 $-ノルムにおいて観測された収束順序が2に近いことから、q-超線形の局所的収束性を示す。
• 正則化パラメータ $ \alpha = 10^{-7} $ の場合、メッシュの細分化にかかわらず反復回数はほぼ一定（17〜33回）であり、メッシュに依存しない収束性が確認された。
• $ L^2 $-誤差の実験的収束順序（EOC）は、$ \alpha \geq 10^{-4} $ の範囲で2.0に近い値を示し、$ \alpha $ が小さくなるとわずかに低下する傾向を示しており、劣化した超線形収束環境の兆候が観察された。
• マージン関数に基づくグローバライゼーション戦略は、修正なしの反復がグローバルに収束しない場合でも、デュアル・ニュートン法の安定性を成功裏に確保した。
• $ \alpha = 1 $ の場合、ノイマン制御の設定下でも、未修正のニュートン法は依然としてグローバルに収束した。これは、解作用素が $ L^2(\Omega) $ でノルム1を持つにもかかわらず、特定の条件下でロバストであることを示している。
• 本手法は放物型問題およびラヴレントイ正則化付き状態制約付き楕円型問題へも成功裏に拡張可能であり、広範な適用可能性を示した。