[논문 리뷰] Non-commutative Discretize-then-Optimize Algorithms for Elliptic PDE-Constrained Optimal Control Problems

Jun Liu, Zhu Wang|arXiv (Cornell University)|2017. 06. 23.

Advanced Numerical Methods in Computational Mathematics참고 문헌 29인용 수 4

한 줄 요약

이 논문은 타원형 PDE-제약 최적화 문제에 대한 비가환성 이산화-최적화(Do) 방법에서 수렴성을 복원하기 위한 정규화 기법을 제안한다. $H^1$ 준노름 페널티 항을 도입함으로써, 이산화와 최적화가 가환하지 않을 경우에도 최적 수렴성을 보장하며, 2차 및 4차 유한차분 스킴을 활용한 수치 실험을 통해 정확성과 안정성이 검증된다.

ABSTRACT

In this paper, we analyze the convergence of several discretize-then-optimize algorithms, based on either a second-order or a fourth-order finite difference discretization, for solving elliptic PDE-constrained optimization or optimal control problems. To ensure the convergence of a discretize-then-optimize algorithm, one well-accepted criterion is to choose or redesign the discretization scheme such that the resultant discretize-then-optimize algorithm commutes with the corresponding optimize-then-discretize algorithm. In other words, both types of algorithms would give rise to exactly the same discrete optimality system. However, such an approach is not trivial. In this work, by investigating a simple distributed elliptic optimal control problem, we first show that enforcing such a stringent condition of commutative property is only sufficient but not necessary for achieving the desired convergence. We then propose to add some suitable $H_1$ semi-norm penalty/regularization terms to recover the lost convergence due to the inconsistency caused by the loss of commutativity. Numerical experiments are carried out to verify our theoretical analysis and also validate the effectiveness of our proposed regularization techniques.

연구 동기 및 목표

• 이산화와 최적화가 가환하지 않을 경우 발생하는 DO 방법의 수렴성 부족 문제를 해결하기 위해.
• 이산화와 최적화 간의 стрict한 가환성을 요구하지 않고도 수렴성을 복원하는 정규화 기법을 개발하기 위해.
• $H^1$ 준노름 정규화가 고차 유한차분 스킴에서 최적 수렴 속도를 유지하는 데 효과적인지 검증하기 위해.
• 비가환성 조건 하에서도 상태 및 제어 근사에서 2차 및 4차 정확도를 유지할 수 있는지 보여주기 위해.
• 연속 최적성 조건을 유도하기가 분석적으로 어려운 경우, 최적화-이전-이산화(OD) 방법에 대한 강력한 대안을 제공하기 위해.

제안 방법

• 이산화와 최적화가 가환하지 않을 경우를 고려해 수렴성을 복원하기 위해 $H^1$ 준노름 정규화 항을 도입하여 비가환성 DO 스킴을 안정화시키는 방법을 제시한다.
• 상태 및 제어 변수에 대해 2차 및 4차 유한차분 이산화를 적용하고, 양변의 인접 변수에 대해 일관된 처리를 수행한다.
• 이산 최적화 형식에서 수치적 적분을 위해 Trapezoidal 법칙과 Simpson의 법칙을 사용한다.
• 제어 및 상태 방정식에 안정화 파rameter $\gamma$를 도입하여 정규화된 이산 최적성 시스템을 유도한다.
• 행렬 가환성(예: $F_h R_h = R_h F_h$)을 활용하여 특정 조건 하에서 정규화된 DO와 OD 스킴 간의 등가성을 증명한다.
• 이론적 오차 분석과 정확한 해가 알려진 모델 문제에 대한 수치 실험을 통해 수렴성을 검증한다.

실험 결과

연구 질문

• RQ1 최적화-이전-이산화 방법과의 엄격한 가환성을 요구하지 않고도 비가환성 이산화-최적화 스킴에서 수렴성을 복원할 수 있는가?
• RQ2 이산화와 최적화가 가환하지 않을 경우, DO 스킴에서 2차 및 4차 정확도를 보장하는 정규화 전략은 무엇인가?
• RQ3 $H^1$ 준노름 페널티 항은 고차 유한차분 스킴에서 상태, 제어, 인접 변수의 수렴성에 어떤 영향을 미치는가?
• RQ4 이산 인접 상태 $p_h$가 정확한 인접 상태 $p = \alpha u$로 수렴하지 않더라도, 제안된 방법이 여전히 최적 수렴 속도를 유지하는가?
• RQ5 이 정규화 기법은 복잡한 제약 조건이나 고차 이산화를 포함하는 일반적인 PDE-제약 최적화 문제에 적용 가능한가?

주요 결과

• 제안된 $H^1$ 정규화 기법은 이산화와 최적화가 가환하지 않을 경우에도 DO 스킴 (23)에서 2차 수렴성을 복원한다.
• 4차 DO 스킴 (24)는 이론적 분석과 수치 결과를 통해 상태 및 제어 근사에서 4차 정확도를 달성한다.
• 정규화에도 불구하고 이산 인접 상태 $p_h$는 정확한 인접 상태 $p = \alpha u$로 수렴하지 않지만, 이는 상태 및 제어 변수의 수렴성에 영향을 주지 않는다.
• 특정 조건에서 $F_h$와 $R_h$가 가환할 경우, 정규화된 DO 스킴은 동일한 이산 최적성 시스템을 생성하며, 이는 일관성을 보장한다.
• 수치 실험을 통해 이론적 수렴 속도가 확인되었고, 제어 근사에서의 비정상 진동 현상이 억제됨을 입증하였다.
• 이 방법은 연속 KKT 시스템을 분석적으로 유도하기 어려운 문제에서 OD 접근법에 대한 실용적인 대안을 제공한다.