[论文解读] Finite Element Error Estimates for Optimal Control Problems with Pointwise Tracking
本文针对带点跟踪项的线性-二次椭圆最优控制问题的有限元离散化，提出了改进的先验误差估计。该研究在三种控制离散化方法——变分法、单元常数法和后处理法中，实现了最优收敛率（含对数项），特别是在二维情形下，证明了 $\mathcal{O}(h^2|\ln h|^2)$ 的收敛速率，显著优于以往结果。
We consider a linear-quadratic elliptic optimal control problem with point evaluations of the state variable in the cost functional. The state variable is discretized by conforming linear finite elements. For control discretization, three different approaches are considered. The main goal of the paper is to significantly improve known a priori discretization error estimates for this problem. We prove optimal error estimates for cellwise constant control discretizations in two and three space dimensions. Further, in two space dimensions, optimal error estimates for variational discretization and for the post-processing approach are derived.
研究动机与目标
- 解决最优控制问题中成本泛函包含点跟踪项时，缺乏精确先验误差估计的问题。
- 改进现有误差估计，尤其在三维情形下，使其不再次优。
- 为三种控制离散化策略——变分法、单元常数法与后处理法——建立最优收敛速率。
- 分析在点跟踪约束下最优控制与伴随状态的正则性。
- 通过数值实验验证理论结果，确认二维情形下的收敛速率，并提示其在三维情形下的潜在推广性。
提出的方法
- 在拟均匀网格上，使用 conforming 线性有限元对状态方程进行离散化。
- 采用三种不同的控制离散化方法：变分法（隐式）、单元常数法（显式）以及通过投影离散伴随变量实现的后处理法。
- 使用针对成本泛函中点值评估量身定制的加权 $L^2$-范数估计与插值误差界。
- 采用后验误差估计技术与辅助方程，以控制变量误差进行有界估计。
- 利用投影算子 $P_{[a,b]}$ 的利普希茨连续性，将伴随状态误差与控制误差关联起来。
- 通过将区域划分为最优控制处于激活或非激活状态的区域，利用局部正则性，推导误差界。
实验结果
研究问题
- RQ1对于带点跟踪项的成本泛函的最优控制问题的有限元离散化，能否实现最优收敛速率？
- RQ2在三维情形下，单元常数控制离散化的最优收敛速率为何？是否可优于 $\mathcal{O}(h^{1/2}|\ln h|^2)$？
- RQ3后处理方法在二维情形下是否与变分离散化具有相同的收敛速率？
- RQ4理论收敛速率能否推广至具有一般拟均匀网格的三维问题？
- RQ5在三维情形下，使用 graded 网格是否可实现二阶收敛（含对数项）？
主要发现
- 在二维问题中，本文证明了变分离散化与单元常数控制后处理方法的误差估计均为最优阶 $\mathcal{O}(h^2|\ln h|^2)$。
- 在三维情形下，本文将单元常数控制离散化的已知误差估计从 $\mathcal{O}(h^{1/2}|\ln h|^2)$ 提升至 $\mathcal{O}(h|\ln h|)$，在当前假设下为最优。
- 在二维问题中，后处理方法实现了与变分离散化相同的收敛速率 $\mathcal{O}(h^2|\ln h|^2)$，证实了其最优性。
- 数值结果验证了二维情形下单元常数控制与后处理控制的理论收敛速率。
- 在三维情形下，尽管尚未给出 $\mathcal{O}(h^2|\ln h|^2)$ 的理论证明，但数值实验表明该速率可能成立，提示未来研究方向。
- 本文表明，由于存在框约束，最优控制保持利普希茨连续，尽管伴随状态仅具有有限的索伯列夫正则性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。