[论文解读] Control-constrained parabolic optimal control problems on evolving surfaces - theory and variational discretization

Morten Vierling|arXiv (Cornell University)|Jun 3, 2011

Advanced Numerical Methods in Computational Mathematics参考文献 33被引用 3

一句话总结

本文通过向量值分布和变分半离散化方法，建立了在 R^{n+1} 中演化超曲面上控制约束的线性二次最优控制问题的弱解的存在性与唯一性。在最小正则性假设下，证明了全离散逼近的最优收敛速率，并通过数值实验验证，L² 误差的实验收敛阶接近 2，L∞ 误差的实验收敛阶为 2.0。

ABSTRACT

We consider control-constrained linear-quadratic optimal control problems on evolving surfaces. In order to formulate well-posed problems, we prove existence and uniqueness of weak solutions for the state equation, in the sense of vector-valued distributions. We then carry out and prove convergence of the variational discretization of a distributed optimal control problem. In the process, we investigate the convergence of a fully discrete approximation of the state equation, and obtain optimal orders of convergence under weak regularity assumptions. We conclude with a numerical example.

研究动机与目标

• 建立控制约束抛物型最优控制问题在演化超曲面上的严格函数分析框架。
• 利用向量值分布和 W(0,T)-型解空间，证明状态方程弱解的存在性与唯一性。
• 在弱正则性假设下，开发并分析状态方程的全离散变分半离散格式，实现最优收敛速率。
• 将理论扩展至控制约束最优控制问题，通过变分半离散化推导可实施的数值算法。
• 通过数值实验验证理论结果，展示最优收敛阶。

提出的方法

• 在演化 $ C^2 $-光滑超曲面 $ \Gamma(t) \subset \mathbb{R}^{n+1} $ 上，利用物质导数和曲面梯度，以弱形式表述状态方程。
• 通过拉回至固定区域，基于 [LM68] 意义下的向量值分布定义弱解，确保在弱正则性条件下存在唯一解。
• 对控制约束最优控制问题应用 [Hin05] 意义下的变分半离散化，实现全离散且可实施的优化格式。
• 在弱正则性下，推导状态方程在 $ L^2(0,T;L^2(\Gamma(t))) $-类范数下的误差估计，实现最优收敛速率。
• 采用间断伽辽金时间离散化与有限元空间逼近，通过能量技巧与插值估计推导误差界。
• 对离散最优控制问题实施半光滑牛顿法，以处理控制上的盒约束。

实验结果

研究问题

• RQ1 在控制约束下，演化曲面上抛物型状态方程的弱解在何种条件下存在？
• RQ2 在最小正则性假设下，全离散逼近的状态方程是否可实现最优收敛速率？
• RQ3 变分半离散化如何实现控制约束最优控制问题在演化曲面上可实施算法的构建？
• RQ4 在高正则性与低正则性数据下，离散最优控制问题的实验收敛阶（EOC）如何？
• RQ5 在离散设置下，$ L^2 $ 与 $ L^\infty $ 范数下的误差估计与收敛行为有何差异？

主要发现

• 本文通过分布框架证明了在演化曲面上抛物型状态方程弱解的存在性与唯一性，扩展了 [DE07] 的先前结果。
• 在弱正则性假设下，状态逼近在 $ L^2(0,T;L^2(\Gamma(t))) $-范数下的误差实现了 $ \mathcal{O}(h^2) $ 阶的最优收敛速率。
• 数值实验确认了 $ L^2 $-误差的实验收敛阶（EOC）约为 2.0，$ L^\infty $-误差的 EOC 为 2.01–2.03，表明具有最优收敛行为。
• 对于低正则性数据（如 $ y_T = 1/(x+y)^{0.45} $），$ L^2 $-误差的 EOC 降至约 1.0，与最小可积性下预期的 $ \mathcal{O}(h) $ 收敛一致。
• 变分半离散化方法生成了全可实施的优化算法，半光滑牛顿法成功求解了离散控制问题。
• 误差分析考虑了曲面的完整时空演化，通过在三角化曲面上的提升与投影技术，推导出一致的误差界。