Stackelberg-Nash controllability for a multi-objective Stefan problem

A continuación se presenta un resumen técnico detallado del artículo "Controlabilidad de Stackelberg-Nash para un problema de Stefan multiobjetivo" de Thiago C. A. de Carvalho et al.

1. Planteamiento del Problema

El artículo investiga un problema de control jerárquico multiobjetivo para un sistema de Stefan unidimensional, que modela transiciones de fase (fusión/solidificación) con una frontera móvil.

• El Sistema: El estado se describe mediante la temperatura $y(x,t)$ en un dominio dependiente del tiempo $Q_\ell = \{(x,t) : 0 < x < \ell(t), 0 < t < T\}$. La evolución está gobernada por una ecuación parabólica con una frontera móvil $\ell(t)$ determinada por la condición de Stefan:
  $$\ell'(t) = -\frac{1}{\beta} y_x(\ell(t), t)$$
  donde $\beta$ es el coeficiente de calor latente.
• Los Controles: El sistema involucra tres funciones de control:
  1. Líder ($f$): Actúa sobre un subdominio $\mathcal{O}$. Su objetivo es la controlabilidad nula (conducir la temperatura $y$ a cero en el tiempo $T$).
  2. Seguidores ($v_1, v_2$): Actúan sobre subdominios $\mathcal{O}_1$ y $\mathcal{O}_2$. Sus objetivos son de seguimiento: minimizar la desviación de $y$ respecto a perfiles objetivo deseados $y_{i,d}$ en subregiones $\mathcal{O}_{i,d}$, penalizando simultáneamente el esfuerzo de control.
• La Estructura del Juego: El problema adopta un marco Stackelberg-Nash:
  • Stackelberg: $f$ es el "líder" que elige un control primero, anticipando la reacción de los seguidores.
  • Nash: Los seguidores $v_1$ y $v_2$ reaccionan de forma no cooperativa. Dado $f$, buscan un equilibrio de Nash donde ninguno puede mejorar su funcional de costo cambiando unilateralmente su control.
• El Objetivo: Probar la existencia de un control líder $f$ tal que el sistema logre controlabilidad nula en el tiempo $T$, sujeto a la restricción de que $(v_1, v_2)$ formen un equilibrio de Nash.

2. Metodología

Los autores emplean un enfoque analítico riguroso que combina la teoría de control óptimo, la teoría de juegos y las ecuaciones en derivadas parciales (EDP) en dominios no cilíndricos. La estrategia de demostración se divide en tres pasos principales:

Paso 1: Reducción a un Sistema de Optimalidad

Los autores caracterizan primero el equilibrio de Nash para los seguidores. Mediante el análisis de las derivadas de Gâteaux de los funcionales de costo convexos $J_1$ y $J_2$, demuestran que un equilibrio de Nash $(v_1, v_2)$ existe y es único para parámetros de penalización $\mu_i$ suficientemente grandes.
Crucialmente, los controles de equilibrio se expresan explícitamente en términos de los estados adjuntos $\phi_1, \phi_2$:
$$v_i = -\frac{1}{\mu_i} \phi_i \mathbb{1}_{\mathcal{O}_i}$$
Sustituyendo estos en la ecuación de estado, el problema multiobjetivo original se transforma en un sistema de optimalidad no lineal (un sistema acoplado de ecuaciones parabólicas hacia adelante y hacia atrás) donde el control del líder $f$ debe conducir el estado $y$ a cero.

Paso 2: Linealización y Controlabilidad Aproximada

Para manejar la no linealidad y la frontera móvil, los autores linealizan el sistema de optimalidad. Establecen la controlabilidad aproximada para este sistema linealizado utilizando un argumento de dualidad.

• Sistema Adjunto: Derivan el sistema adjunto asociado al sistema de optimalidad linealizado.
• Desigualdad de Observabilidad: El núcleo de la demostración depende de establecer una desigualdad de observabilidad global para el sistema adjunto. Esta desigualdad acota la energía inicial del estado adjunto mediante la observación del estado en la región de control $\mathcal{O}$.
• Estimaciones de Carleman: Para probar la desigualdad de observabilidad, los autores derivan estimaciones de Carleman adaptadas a la frontera móvil.
  • Construyen funciones de peso de tipo Fursikov específicas que se adaptan a la frontera móvil $\ell(t)$.
  • Abordan dos configuraciones geométricas para los dominios de control y observación:
    1. Caso (G1): Los dominios de observación de los seguidores coinciden ($\mathcal{O}_{1,d} = \mathcal{O}_{2,d}$).
    2. Caso (G2): Los dominios de observación difieren ($\mathcal{O}_{1,d} \neq \mathcal{O}_{2,d}$).
  • La construcción implica igualar dos funciones de peso diferentes para manejar el acoplamiento en el sistema adjunto, un desafío técnico significativo cuando el dominio es no cilíndrico.

Paso 3: Argumento de Punto Fijo para el Sistema No Lineal

Una vez establecida la controlabilidad aproximada para el sistema linealizado, los autores utilizan un teorema de punto fijo de Schauder para probar la controlabilidad del problema de Stefan no lineal original.

• Definen un operador $\Lambda_\epsilon$ que mapea una frontera móvil candidata $\ell$ a una nueva frontera generada por la solución del sistema linealizado con un control aproximado.
• Compacidad: Un obstáculo técnico mayor es probar la compacidad de este operador. Los autores utilizan estimaciones de regularidad de Hölder parabólica para la derivada normal $y_x$ en la frontera móvil. Demuestran que, para datos iniciales y objetivos pequeños, el operador mapea un conjunto acotado, cerrado y convexo en sí mismo y es continuo.
• Proceso Límite: Tomando el límite cuando el parámetro de aproximación $\epsilon \to 0$, obtienen una solución que satisface la condición exacta de controlabilidad nula $y(\cdot, T) = 0$.

3. Contribuciones Clave

1. Primera Aplicación de Stackelberg-Nash a Problemas de Stefan: Este es el primer trabajo que aplica estrategias jerárquicas Stackelberg-Nash a un problema de Stefan con frontera libre, extendiendo resultados previos sobre ecuaciones parabólicas en dominios fijos.
2. Nuevas Funciones de Peso para Fronteras Móviles: Los autores construyen nuevas funciones de peso de tipo Fursikov compatibles con la condición de frontera móvil. Esto permite la derivación de estimaciones de Carleman en dominios no cilíndricos, superando las limitaciones de las pesas existentes diseñadas para dominios fijos.
3. Manejo de Conflictos Multiobjetivo: El artículo resuelve con éxito el conflicto entre el objetivo del líder (controlabilidad nula) y los objetivos de los seguidores (seguimiento) reduciendo el problema a la controlabilidad nula de un sistema de optimalidad acoplado.
4. Flexibilidad Geométrica: Los resultados se mantienen bajo dos configuraciones geométricas distintas respecto a la superposición de las regiones de control y observación, proporcionando robustez a la configuración del dominio.

4. Resultados Principales

• Teorema 1.1 (Resultado Principal): Bajo condiciones geométricas adecuadas en las regiones de control y asumiendo datos iniciales y funciones objetivo pequeñas, existe un control líder $f$ y un equilibrio de Nash único $(v_1, v_2)$ tal que la temperatura $y$ alcanza cero en el tiempo $T$.
• Teorema 1.2: Establece la controlabilidad nula del sistema de optimalidad no lineal (el motor matemático central del problema).
• Teoremas 1.3 y 1.4: Proporcionan la controlabilidad aproximada del sistema linealizado y la crucial desigualdad de observabilidad derivada mediante estimaciones de Carleman.

5. Significado y Direcciones Futuras

• Avance Teórico: El trabajo cierra la brecha entre las estrategias de control basadas en teoría de juegos (Stackelberg-Nash) y los problemas de frontera libre, una clase de problemas conocida por su complejidad matemática debido a la interfaz móvil.
• Aplicaciones: El marco es aplicable a diversos procesos físicos y biológicos que involucran cambios de fase, como la fundición de metales, el derretimiento de hielo y la modelización del crecimiento tumoral, donde múltiples partes interesadas (por ejemplo, diferentes zonas de calentamiento) tienen objetivos competitivos.
• Preguntas Abiertas: Los autores destacan varios problemas abiertos, incluyendo:
  • Extender los resultados a ecuaciones parabólicas cuasilineales y degeneradas.
  • Investigar el caso donde los roles de líder y seguidor se invierten.
  • Abordar el control del problema de Stefan en dominios estrella o en dimensiones superiores.

En resumen, este artículo proporciona una base matemática rigurosa para el control de sistemas complejos multiagente gobernados por EDP con fronteras móviles, utilizando técnicas avanzadas en estimaciones de Carleman y teoría de punto fijo.