[论文解读] A novel Steklov-Poincar\'e type metric for efficient PDE constrained optimization in shape spaces

Volker Schulz, Martin Siebenborn+1 more|arXiv (Cornell University)|Jun 7, 2015

Topology Optimization in Engineering被引用 6

一句话总结

本文提出了一种新型的斯泰克洛夫-庞加莱型内在度量，该度量源自外部区域的度量，用于统一偏微分方程约束下的边界积分形状导数与域积分公式。通过利用该度量，该方法能够在减少推导形状导数所需分析工作量的同时，实现高效的优化算法。

ABSTRACT

Recent progress in PDE constrained optimization on shape manifolds is based on the Hadamard form of shape derivatives, i.e., in the form of integrals at the boundary of the shape under investigation, as well as on intrinsic shape metrics. From a numerical point of view, domain integral forms of shape derivatives seem promising, which rather require an outer metric on the domain surrounding the shape boundary. This paper tries to harmonize both points of view by employing a novel Steklov-Poincar\'e type intrinsic metric, which is derived from an outer metric. Based on this novel metric, efficient shape optimization algorithms are proposed, which also reduce the analytical labor, so far involved in the derivation of shape derivatives.

研究动机与目标

• 弥合偏微分方程约束下边界积分形状导数与域积分公式之间的差距。
• 降低传统上推导形状导数以用于优化时所伴随的分析复杂度。
• 基于一种源自外部度量的新型内在度量，开发一种计算高效的形状优化框架。
• 统一内在形状度量与外部区域度量，以提升数值性能。

提出的方法

• 提出一种新型的斯泰克洛夫-庞加莱型度量，该度量源自定义在形状边界周围区域上的外部度量。
• 利用该度量在形状流形上定义内在几何结构，从而实现一致的形状变分。
• 将内在度量与偏微分方程约束相结合，在形状空间上构建变分优化问题。
• 利用该度量将形状导数转换为适合高效数值计算的形式。
• 利用度量的结构简化形状导数的推导过程，最大限度减少人工分析工作量。

实验结果

研究问题

• RQ1 如何从外部区域度量中推导出一种内在度量，以支持形状优化？
• RQ2 所提出的斯泰克洛夫-庞加莱型度量在何种方式下统一了形状导数的边界积分与域积分公式？
• RQ3 该新度量是否能够减少在偏微分方程约束优化中推导形状导数所需的分析工作量？
• RQ4 与现有方法相比，该优化框架在效率方面表现如何？

主要发现

• 所提出的斯泰克洛夫-庞加莱型度量成功统一了形状导数的边界积分与域积分方法。
• 该度量使得形状导数的高效数值计算成为可能，而无需进行大量手工推导。
• 通过将几何结构直接嵌入优化度量中，该框架显著减少了形状导数计算中的分析工作量。
• 该方法在形状流形上支持偏微分方程约束优化，同时提升了数值稳定性和计算效率。