针对具有盒形约束和L2范数控制约束的Boussinesq方程的最优控制问题,提出了高效的算法
《Computers & Mathematics with Applications》:Efficient algorithms for optimal control of Boussinesq equations with box and
L2-norm control constraints
【字体:
大
中
小
】
时间:2026年08月30日
来源:Computers & Mathematics with Applications 2.7
编辑推荐:
**摘要**
本文研究了受Boussinesq方程约束的最优控制问题,并提出了具有箱型和L2范数控制约束的解决方案。采用“离散化-优化”策略来处理这些问题。首先,我们推导了两种控制约束类型的一阶最优性条件。随后,我们利用L2投影技术、Marchuk-Yanenko方法和??1
**摘要**
本文研究了受Boussinesq方程约束的最优控制问题,并提出了具有箱型和L2范数控制约束的解决方案。采用“离散化-优化”策略来处理这些问题。首先,我们推导了两种控制约束类型的一阶最优性条件。随后,我们利用L2投影技术、Marchuk-Yanenko方法和??1???1 iso P2有限元方法对问题进行离散化。基于离散化优化问题的最优性条件,我们结合L-BFGS方法、活跃集策略、步长截断和投影技术,分别为箱型约束和L2范数约束情况开发了算法。所提出的算法在解决受Boussinesq方程约束的最优控制问题时具有高效性和鲁棒性。通过数值实验验证了这些算法的有效性。
**引言**
受偏微分方程(PDEs)控制的流体动力学中的最优控制问题(OCPs)是现代计算科学和工程的基础方面。其中,Boussinesq方程将热对流-扩散方程与Navier-Stokes方程耦合起来,是浮力驱动流动的核心模型。受Boussinesq方程约束的OCPs应用范围广泛,包括热管理[1]、建筑能源效率[2]和晶体制造[3]。Lee等人[4]研究了稳态自然对流流动的边界控制OCP,其中控制变量是施加在边界上的热通量,控制方程为静止Boussinesq系统。他们使用拉格朗日乘数方法推导出了最优性系统。关于受静止Boussinesq方程控制的OCPs的最优性条件也在其他文献中有所阐述[5],[7]。对于非稳态情况,Nguyen等人[8]研究了二维Boussinesq系统的点态OCP,证明了最优解的存在性并推导了相关的最优性条件,但他们没有提供具体的求解程序,如离散化方案或算法。B?rwolff[3]使用阻尼Picard迭代结合半隐式时间离散化方法解决了受Boussinesq方程约束的最优控制问题的一阶最优性系统。然而,阻尼Picard迭代本质上是一种梯度下降方法,收敛速度较慢,且时间离散化条件不稳定。Song等人[9]研究了在边界施加温度控制的热对流流动的OCP,并提出了一种高效的求解算法,但没有考虑控制约束的情况。关于受Boussinesq方程约束的OCPs的进一步研究可以在[10],[11]中找到。
**PDE约束控制问题的研究**
PDE约束控制问题的研究长期以来一直是许多学者的关注焦点,因为其在工业、医疗保健和经济等领域具有重大影响。在实际应用中,由于物理条件、安全要求或操作协议的限制,控制变量的范围或大小往往受到限制。因此,研究具有控制约束的OCPs具有重要意义。Zhao等人[12]研究了具有箱型控制约束的分布式控制问题,并引入了一种并行广义拉格朗日-牛顿求解器,其有效性和鲁棒性通过数值模拟得到验证。Casas等人[13]分析了由半线性抛物线方程控制的OCP,并在控制上施加了箱型约束,并提供了满足二阶条件的临界锥。关于箱型控制约束的进一步工作包括[14],[15],[16]。对于涉及L2范数的控制约束,Lin等人[17]研究了由椭圆PDEs控制的OCP,严格分析了最优控制问题的谱逼近的先验误差估计,并进一步建立了后验误差估计。Tao等人[18]研究了由具有L2范数控制约束的抛物线PDEs控制的OCP,并推导了先验和后验误差估计。
**优化算法的选择**
在解决大规模优化问题时,选择合适的优化算法至关重要。常用的优化方法包括梯度下降、牛顿法、拟牛顿法等。其中,拟牛顿法通过近似Hessian矩阵来平衡收敛速度和计算成本。L-BFGS方法[19],[20]利用有限的历史信息来近似Hessian矩阵,大大减少了内存和计算需求,特别适用于大规模问题。与传统BFGS方法和其他优化算法相比,L-BFGS既保持快速收敛,又具有更高的计算效率和更低的内存使用率,因此在实际工程和科学计算中得到了广泛应用。对于PDE约束的OCPs,可以通过伴随方程高效计算梯度,从而可以使用标准优化算法[21],[22],[23]来解决简化后的优化问题。拟牛顿方法,特别是BFGS和L-BFGS,已被广泛研究并成功应用于PDE约束优化。在鲁棒PDE约束参数优化中,Alla等人[24]使用SQP方案解决问题并通过BFGS更新计算Hessian近似。L-BFGS类型的方法也常作为PDE约束优化中的高效内层求解器[25],[26]。另外,增广拉格朗日方法可以将约束优化问题转化为一系列无约束子问题,然后使用无约束优化技术进行求解[27],[28]。
**受Boussinesq方程约束的控制问题**
受Boussinesq方程约束的控制问题面临的主要挑战如下:首先,使用基于梯度的算法时需要频繁计算梯度,每次计算都需要求解状态方程和伴随方程,导致极高的计算成本;其次,约束方程中的非线性项使得优化问题变得非凸,难以获得全局最优解;第三,对控制的额外约束改变了最优性条件,使得为无约束优化设计的算法不适用。本文针对具有箱型和L2范数控制约束的Boussinesq方程约束的最优控制问题,提出了高效的解决方案算法。主要贡献包括:首先,我们采用L2投影技术和Marchuk-Yanenko方法进行时间离散化,这使得每个时间步只需要解两个线性对流-扩散方程和一个退化的Stokes方程,从而显著降低了计算成本;其次,使用L-BFGS方法解决离散化优化问题,该方法利用近似二阶信息帮助克服局部最小值和鞍点;为了进一步提高效率,我们引入了一种近似最优步长策略,避免了回溯线搜索的高计算成本和固定步长的收敛缓慢问题。近似最优步长可以通过求解单个线性系统获得。对于箱型和L2范数控制约束,我们明确推导出了最优性条件。通过结合活跃集方法、步长截断和投影技术,我们开发了两种高效算法,确保控制变量自动满足预设约束,且不会增加额外的计算成本。
**论文结构**
第2节提供初步介绍和问题描述。第3节推导具有箱型控制约束和L2范数控制约束的一阶最优性条件。第4节介绍离散化方法和最优性条件的离散形式。第5节设计求解算法。第6节展示数值实验。最后一节对本文进行总结。
**章节片段**
**初步介绍和问题表述**
本节首先概述了一些基本概念,然后描述了问题。
**一阶最优性条件**
在本节中,我们建立了问题(3)和(4)的一阶最优性条件,这些条件在定理1-2中给出。
**定理1**
设u∈Ubox是问题(3)的最优控制。那么存在伴随状态z∈[L2(DΩ)]2、ξ∈L2(DΩ)和ζ∈L2(DΩ),使得:
- ????????+(??·??)?????1??+????=??2??? 在??Ω内成立,
- ??·??=0 在??Ω内成立,
- ??=0 在??Γ上成立,
- ??(0)=???,
- ???????????2??+????=??2??? 在??Ω内成立,
- ??2??????→??=???????? 在??Γ上成立,
- ??(0)=???,
- ?????????1??+?????????=0 在??Ω内成立,
- ?????????2??+??·????=0 在??Ω内成立,
- ????????????1??+?????????+(????)?????(??·??)???????+??????=??????? 在??Ω内成立,
- ???·??=0 在??Ω内成立,
- ??=0 在??Γ上成立,
- ??(0)=0,
- ????????????2?????·????=??·??? 在??Ω内成立,
- ??2??????→??=0 在??Γ上成立,
- ??(0)=0,
- ??3??2(??)??+(?????)=∫∫????(????+??) 在??Ω内成立。
**离散化**
在本节中,我们使用Marchuk-Yanenko分裂[32]、L2投影[33]和??1???1 iso P2有限元[34]对问题进行离散化。然后我们给出了两种情况的离散化一阶最优性条件。
**算法设计**
通过利用Hessian矩阵,牛顿法可以高效捕捉目标函数的曲率,从而找到更准确的搜索方向,并可能减少达到最优解所需的迭代次数。然而,对于大规模问题,计算和存储Hessian矩阵的成本会变得非常高,使得牛顿法不实用。为了解决这些限制,人们采用了拟牛顿方法,如BFGS算法和L-BFGS算法。
**数值实验**
在本节中,我们通过一些数值例子展示了所提算法在解决具有箱型和L2范数控制约束的Boussinesq方程控制问题的有效性。我们不仅测试了速度跟踪类型的问题,还测试了涡度减少问题。
**示例1**
我们考虑了一个具有箱型约束(3)和L2范数约束(4)的速度跟踪类型问题。问题的参数如下[9]:??=5×10^-5,??1=1/...
**结论**
在本文中,我们提出了两种高效的算法,用于解决受Boussinesq方程约束的最优控制问题,其中控制变量受到箱型约束或L2范数约束。我们首先为这两种问题推导了一阶最优性条件。为了分离非线性项和不可压缩性条件,我们使用了L2投影技术、Marchuk-Yanenko方法和??1???1 iso P2有限元,这些方法显著降低了计算成本。
**作者信息**
Yingjie Zhou | Gonglin Yuan
广西大学数学系与应用数学中心
广西壮族自治区南宁市,530004,中国
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号