[论文解读] A nonmonotone spectral projected gradient method for large-scale topology optimization problems

Ruhollah Tavakoli, Hongchao Zhang|arXiv (Cornell University)|Jun 3, 2010

Advanced Optimization Algorithms Research参考文献 17被引用 4

一句话总结

本文提出了一种用于大规模拓扑优化的非单调谱投影梯度法（PCBB），采用循环Barzilai-Borwein步长和自适应非单调线搜索，以确保全局收敛。该方法每轮迭代仅需一次目标函数和梯度计算，内存使用量极低（O(n)），并保持严格可行性，在高导电率比的柔顺度最小化问题中，其收敛速度和鲁棒性优于MMA。

ABSTRACT

An efficient gradient-based method to solve the volume constrained topology optimization problems is presented. Each iterate of this algorithm is obtained by the projection of a Barzilai-Borwein step onto the feasible set consisting of box and one linear constraints (volume constraint). To ensure the global convergence, an adaptive nonmonotone line search is performed along the direction that is given by the current and projection point. The adaptive cyclic reuse of the Barzilai-Borwein step is applied as the initial stepsize. The minimum memory requirement, the guaranteed convergence property, and almost only one function and gradient evaluations per iteration make this new method very attractive within common alternative methods to solve large-scale optimal design problems. Efficiency and feasibility of the presented method are supported by numerical experiments.

研究动机与目标

• 开发一种高效且全局收敛的优化方法，用于大规模体积约束拓扑优化问题。
• 解决在大规模设置下二阶方法（如SQP、内点法）因Hessian矩阵计算和稠密线性求解导致的计算低效问题。
• 克服一阶方法（如OC，缺乏全局收敛性）和MMA（步长保守）在大规模问题中的局限性。
• 利用可行集的特定结构（框式约束和线性体积约束）实现高效投影和步长复用。
• 设计一种方法，保持严格可行性，仅需梯度信息，且对数据噪声具有鲁棒性。

提出的方法

• 该方法使用循环Barzilai-Borwein（CBB）步长作为初始搜索方向，随后将其投影到由框式约束和体积约束定义的可行集上。
• 每个迭代点均通过沿当前点与其投影点之间线段的自适应非单调线搜索生成，确保全局收敛，且无需要求目标函数值单调下降。
• 由于约束结构简单（框式约束和一个线性等式），可行集的投影可高效地在O(n)时间内完成。
• 该方法采用自适应的循环步长复用策略，避免昂贵的Hessian近似，从而降低计算成本。
• 该算法在整个迭代过程中保持严格可行性，因为投影确保所有迭代点均满足边界和体积约束。
• 在实际应用中，该方法每轮迭代仅需一次目标函数和梯度评估，显著优于基于线搜索的其他方法。

实验结果

研究问题

• RQ1 能否设计一种非单调谱投影梯度法，以极低内存和函数评估次数高效求解大规模拓扑优化问题？
• RQ2 与单调或保守方法（如MMA）相比，循环Barzilai-Borwein步长和自适应非单调线搜索在收敛性和鲁棒性方面有何改进？
• RQ3 可行集的结构（框式约束和线性约束）在多大程度上可被利用，以实现O(n)复杂度的快速投影？
• RQ4 所提出的方法是否在保持严格可行性和全局收敛性的同时，优于MMA等成熟方法，在收敛速度和鲁棒性方面表现更优？
• RQ5 该方法能否有效处理高导电率比问题，其中负曲率方向可能加速收敛？

主要发现

• PCBB方法在2D和3D拓扑优化问题中均实现了比MMA更快的收敛速度，尤其在高导电率比（如100）时，可利用负曲率方向加速收敛。
• 在所有测试问题中，该方法每轮迭代仅使用一次目标函数和梯度评估，效率与MMA相当。
• 在导电率比为100时，PCBB方法在检测到负曲率后采用大步长（例如高达1093），显著加速了收敛，优于MMA。
• 投影步骤在所有迭代中均被积极使用，且在测试问题中未触发循环步长复用，表明该方法在实际应用中的鲁棒性。
• 该方法在所有迭代点均保持严格可行性，确保所有设计方案均物理可实现且无约束违反。
• 数值结果表明，PCBB是MMA的强有力竞争者，在收敛速度和鲁棒性方面表现更优，尤其在高对比度材料问题中。