[论文解读] Global convergence of $W^{1,\infty}$-steepest descent for PDE constrained shape optimisation with semilinear elliptic equations in function space

Klaus Deckelnick, Philip J. Herbert+1 more|arXiv (Cornell University)|Mar 3, 2026

Topology Optimization in Engineering被引用 0

一句话总结

论文证明了在具有半线性椭圆状态方程的 PDE 约束形状优化中，W^{1,∞}-梯度下降法的全局收敛性，并在附加紧凑性假设下显示二维收敛到停 stationary 形状的条件性收敛。

ABSTRACT

We prove global convergence in function space for the steepest descent method in shape optimisation with semilinear elliptic partial differential equations. Steepest descent is realized in the Lipschitz topology. In addition, we prove a conditional convergence result for the resulting shapes in two space dimensions.

研究动机与目标

• 在函数空间中研究半线性椭圆偏微分方程的形状优化方法的全局收敛性。
• 建立 W^{1,∞} 梯度下降方向的 Armijo 步长存在性。
• 在额外紧凑性假设下，显示向停 stationary 形状的二维收敛。
• 将基于线性泊松的先前结果推广到半线性状态方程。

提出的方法

• 通过 Ω 在包含域 D 的 hold-all 域内对形状优化进行形式化，目标函数 J(Ω)=∫Ω j(x,u,∇u) dx。
• 使用变换法生成 Ω^k=Φ^k(hatΩ)，其中 Φ^k 为双-李iticz 映射。
• 将下降方向 V^k 定义为使 J′(Ω^k)[V] 在 |DV|≤1 几乎处在 D 内的 V 下的最小化。
• 应用 Armijo 线搜索选择变形 Φ^{k+1}=(id+t_k V^k)∘Φ^k 的步长 t_k。
• 证明与离散化无关的 Armijo 步长存在性。
• 证明全局收敛：‖J′(Ω^k)‖→0 当 k→∞，在二维情况下，在 W^{1,∞} 的有界性下，子列收敛到一个停 stationary 形状。

Figure 1: Selected iterates of Algorithm 2.1 when starting with $\Omega^{0}=(-0.75,0.75)^{2}$ (top row), and with $\Omega^{0}=(-1,1)^{2}$ (bottom row). Black areas indicate $\Omega$ . In the top row the domain together with the grid on refinement level 1 is shown. In the bottom row we display the do

实验结果

研究问题

• RQ1 W^{1,∞}-梯度下降算法在具有半线性椭圆方程的 PDE 约束形状优化的函数空间中是否具有全局收敛性？
• RQ2 在这个无限维 setting 中是否可以保证 Armijo 步长？
• RQ3 在二维情形下，在适当有界性假设下，域的序列是否在 Hausdorff 补集意义下收敛到一个停 stationary 形状？

主要发现

• Armijo 步长存在于形状泛函的 W^{1,∞}-梯度下降方向。
• 下降算法在全局意义上收敛，即 ‖J′(Ω^k)‖→0 当 k→∞。
• 在二维情形下，若变换序列 (Φ^k) 在 W^{1,∞}(D;R^2) 上有界，则 Ω^k 的一个子列在 Hausdorff 补充度量意义下收敛到 J 的一个停 stationary 点。
• 分析依赖于 Šverák 与 Chambolle & Doveri 在 2D 的 Dirichlet 与 Neumann 问题的 γ-收敛结果，使状态、伴随和导数表达式的极限通过成为可能。
• 在给定的目标密度 j 的生长条件以及半线性状态方程下，状态 u 与伴随量 p 保持统一有界，促进收敛分析。