[论文解读] Asymptotic behavior of gradient-like dynamical systems involving inertia and multiscale aspects

Hédy Attouch, Marc-Olivier Czarnecki|arXiv (Cornell University)|Jan 31, 2016

Advanced Mathematical Modeling in Engineering参考文献 19被引用 19

一句话总结

本文研究一个具有时变阻尼和多尺度耦合的二阶惯性动力系统，证明轨迹在希尔伯特空间中弱收敛至在Φ的极小化集上使辅助目标函数Ψ最小化的解。关键结果通过控制参数ε(t)的缓慢、可积衰减，实现了层级选择，确保收敛至Φ极小化集中的最优平衡点。

ABSTRACT

In a Hilbert space $\\mathcal H$, we study the asymptotic behaviour, as time variable $t$ goes to $+\\infty$, of nonautonomous gradient-like dynamical systems involving inertia and multiscale features. Given $\\mathcal H$ a general Hilbert space, $\\Phi: \\mathcal H \ ightarrow \\mathbb R$ and $\\Psi: \\mathcal H \ ightarrow \\mathbb R$ two convex differentiable functions, $\\gamma$ a positive damping parameter, and $\\epsilon (t)$ a function of $t$ which tends to zero as $t$ goes to $+\\infty$, we consider the second-order differential equation $$\\ddot{x}(t) + \\gamma \\dot{x}(t) + \ abla \\Phi (x(t)) + \\epsilon (t) \ abla \\Psi (x(t)) = 0. $$ This system models the emergence of various collective behaviors in game theory, as well as the asymptotic control of coupled nonlinear oscillators. Assuming that $\\epsilon(t)$ tends to zero moderately slowly as $t$ goes to infinity, we show that the trajectories converge weakly in $\\mathcal H$. The limiting equilibria are solutions of the hierarchical minimization problem which consists in minimizing $\\Psi$ over the set $C$ of minimizers of $\\Phi$. As key assumptions, we suppose that $ \\int_{0}^{+\\infty}\\epsilon (t) dt = + \\infty $ and that, for every $p$ belonging to a convex cone $\\mathcal C$ depending on the data $\\Phi$ and $\\Psi$ $$ \\int_{0}^{+\\infty} \\left[\\Phi^* \\left(\\epsilon (t)p\ ight) -\\sigma_C \\left(\\epsilon (t)p\ ight)\ ight]dt < + \\infty $$ where $\\Phi^*$ is the Fenchel conjugate of $\\Phi$, and $\\sigma_C $ is the support function of $C$. An application is given to coupled oscillators.

研究动机与目标

• 理解希尔伯特空间中具有惯性和多尺度特征的非自治梯度型系统的渐近行为。
• 解决从凸函数Φ的无穷多极小化点中选择特定平衡点的挑战。
• 设计时变控制机制ε(t)∇Ψ(x(t))，引导轨迹趋向于在Φ极小化集上使Ψ最小化的解。
• 建立ε(t)的条件，确保弱收敛至层级解，且无需快速衰减或对Φ和Ψ施加强假设。

提出的方法

• 建立二阶微分方程：在希尔伯特空间H中，ÿ(t) + γẏ(t) + ∇Φ(x(t)) + ε(t)∇Ψ(x(t)) = 0。
• 对ε(t)施加条件：非增、C¹类，满足当t → ∞时ε(t) → 0，且∫₀^∞ ε(t)dt = ∞。
• 引入一个涉及Fenchel共轭Φ*和集合C = argmin Φ的支撑函数σ_C的锥条件：对所有属于某凸锥的p，有∫₀^∞ [Φ*(ε(t)p) - σ_C(ε(t)p)]dt < ∞。
• 应用李雅普诺夫分析与能量方法，证明轨迹的收敛性。
• 将分析方法拓展至PDE系统，如具有Neumann边界条件的耦合波动方程。
• 利用下确界紧致性与Rellich-Kondrakov嵌入，将结果推广至下确界连续Φ的无限维情形。

实验结果

研究问题

• RQ1 在何种时变参数ε(t)条件下，惯性系统ÿ + γẏ + ∇Φ(x) + ε(t)∇Ψ(x) = 0在t → ∞时弱收敛？
• RQ2 如何控制动力系统，从Φ的无穷多极小化点中选择特定平衡点，特别是使Ψ最小化的那个？
• RQ3 ε(t)的缓慢衰减在实现层级极小化中的作用是什么？其与更快或更慢衰减率相比有何差异？
• RQ4 该理论框架能否推广至具有非光滑或下确界连续势能的系统，如PDE模型？
• RQ5 具有时变耦合项的耦合波动系统的渐近行为如何？其与在约束集上最小化势能的关系是什么？

主要发现

• 多尺度惯性梯度系统的轨迹在希尔伯特空间H中弱收敛至极限x∞ ∈ argmin_C Ψ，即在Φ极小化集上使Ψ最小化的解。
• 在∫₀^∞ ε(t)dt = ∞及涉及Φ*和σ_C的锥条件成立时，收敛性得以保证，该条件确保了控制项的充分激励。
• 当Ψ(x) = ||x||²时，结果对应Tikhonov正则化，选择Φ极小化集中范数最小的解。
• 在耦合波动方程的应用中，系统在L²(Ω)×L²(Ω)中强收敛至极限，使得两列波的平均值相等，即∫Ω u₁,∞dx = ∫Ω u₂,∞dx。
• 能量收敛性意味着波动系统在H¹(Ω)中具有更强的收敛性，表明该选择机制具有鲁棒性。
• 该框架可适用于无限维情形（如PDE），即使Φ仅是下确界连续的，通过下确界紧致性与Sobolev嵌入可实现结果推广。