Localization for nonlocal gradient-based optimal control problems

Sintesi Tecnica: Localizzazione per Problemi di Controllo Ottimo Basati su Gradienti Non Locali

Enunciato del Problema
Questo articolo indaga problemi di controllo ottimo formulati all'interno di un quadro spaziale funzionale non locale caratterizzato da due parametri distinti: un parametro frazionario $s \in (0, 1)$ e un parametro di orizzonte $\delta > 0$. La variabile di controllo $g$ appartiene a un insieme ammissibile $Z_{ad}$, mentre la variabile di stato $u$ risiede in uno spazio di Sobolev non locale $H^{s,p,\delta}_0(\Omega-\delta; \mathbb{R}^n)$. Lo stato $u$ è vincolato a minimizzare una densità di energia non locale $W^{s,\delta}_g$, che dipende dal controllo $g$. L'obiettivo è minimizzare un funzionale di costo $F(u, g)$ soggetto a questi vincoli non locali.

Lo studio affronta due scenari principali riguardanti la densità di energia $W$:

1. Caso Convesso: L'energia è strettamente convessa, specificamente modellata da un $p$-Laplaciano non locale (o energia di Dirichlet $p$-ponderata).
2. Caso Non Convesso: L'energia è policonvessa o quasiconvessa, soddisfacendo i classici limiti di crescita $p$. In questo contesto, i minimizzanti esistono ma non sono necessariamente unici.

La sfida matematica centrale è analizzare la "localizzazione" di questi problemi, dimostrando come le soluzioni convergano verso problemi di controllo ottimo basati su equazioni differenziali alle derivate parziali (PDE) classiche al tendere della non località a zero. Ciò è ottenuto attraverso due distinti processi limite:

• Far tendere il parametro frazionario $s \to 1^-$ (con $\delta$ fissato).
• Far tendere il parametro di orizzonte $\delta \to 0^+$ (con $s$ fissato).

Metodologia e Quadro Teorico
Gli autori utilizzano un operatore gradiente non locale $D^s_\delta$, definito tramite un nucleo troncato $\rho^s_\delta$ che generalizza il gradiente frazionario di Riesz. Questo operatore agisce su funzioni definite su un dominio esteso $\Omega_\delta$ ma impone condizioni al contorno nulle sulle regioni "collare" $\Omega_\delta \setminus \Omega$ e $\Omega \setminus \Omega_{-\delta}$.

L'analisi si basa su diversi strumenti di analisi funzionale:

• Spazi di Sobolev Non Locali: Gli spazi $H^{s,p,\delta}$ sono definiti come la chiusura delle funzioni lisce rispetto a una norma che coinvolge il gradiente non locale.
• Compattezza e Immersioni: Gli autori impiegano disuguaglianze di Poincaré non locali (Proposizione 2.5) e risultati di immersione compatta (Proposizione 2.6) per stabilire la limitatezza degli stati ammissibili e l'esistenza di sottosuccessioni convergenti.
• $\Gamma$-Convergenza: Per gestire l'analisi asintotica, l'articolo utilizza la $\Gamma$-convergenza dei funzionali energetici. Ciò garantisce che il limite dei minimizzanti delle energie non locali corrisponda a un minimizzante dell'energia locale limite.
• Metodo Diretto del Calcolo delle Variazioni: Per il caso non convesso, l'esistenza è dimostrata mediante il metodo diretto, sfruttando la semicontinuità inferiore debole dei funzionali policonvessi e quasiconvessi.

Risultati Chiave

1. Ben-postezza nel Caso Convesso:
   Per l'energia del $p$-Laplaciano non locale, l'insieme delle coppie ammissibili $(u, g)$ è convesso. Gli autori dimostrano l'esistenza e l'unicità di un minimizzante per il problema di controllo ottimo (Teorema 3.7). Ciò si basa sulla compattezza dell'operatore soluzione che mappa il controllo $g$ nello stato $u$.

2. Esistenza nel Caso Non Convesso:
   Quando l'energia è policonvessa o quasiconvessa, l'insieme ammissibile è generalmente non convesso e l'unicità dello stato $u$ per un $g$ fissato non può essere garantita. Tuttavia, gli autori stabiliscono l'esistenza di almeno una coppia ottima $(u, g)$ (Teorema 3.12) dimostrando la limitatezza dell'insieme degli stati ammissibili e la chiusura debole dell'insieme dei vincoli.

3. Localizzazione al tendere di $s \to 1^-$:
   Con $\delta$ fissato, l'articolo dimostra che al tendere di $s \to 1^-$, i gradienti non locali convergono fortemente al gradiente classico.

   • Caso Convesso: I minimizzanti dei problemi di controllo non locali convergono fortemente (per stati e gradienti) e debolmente (per i controlli) all'unico minimizzante del corrispondente problema di controllo locale del $p$-Laplaciano (Teorema 4.10). Inoltre, i valori del funzionale di costo convergono.
   • Caso Non Convesso: A causa della mancanza di unicità nell'equazione di stato, non può essere garantita una piena convergenza dei minimizzanti. Invece, gli autori dimostrano un risultato di "minimizzazione relativa" (Corollario 4.11), mostrando che qualsiasi limite di una successione di minimizzanti non locali è un minimizzante relativo all'insieme delle coppie localmente ammissibili che possono essere approssimate da soluzioni non locali.
   • Convergenza Forte dei Controlli: Un risultato significativo è che le variabili di controllo $g_s$ convergono fortemente in $L^r$ per ogni $r \in [1, \infty)$, non solo debolmente (Teorema 4.12). Ciò è derivato dalla struttura specifica del funzionale di costo e del termine di regolarizzazione.

4. Localizzazione al tendere di $\delta \to 0^+$:
   Con $s$ fissato, l'articolo analizza il limite al tendere dell'orizzonte $\delta \to 0^+$. I risultati rispecchiano quelli per $s \to 1^-$. I gradienti non locali convergono al gradiente classico e i problemi di controllo ottimo non locali convergono ai loro corrispettivi locali (Teorema 4.19). Analogamente al caso $s \to 1$, viene stabilita la convergenza forte dei controlli (Teorema 4.21).

Significato e Affermazioni
L'articolo afferma di essere il primo lavoro a considerare problemi di controllo ottimo in cui i vincoli di stato coinvolgono la minimizzazione di energie policonvesse o quasiconvesse, anche all'interno del contesto locale. Estendendo questi risultati al quadro non locale, gli autori colmano il divario tra la modellazione non locale moderna (come la peridinamica e il calcolo frazionario) e la teoria classica del controllo ottimo.

Il significato del lavoro risiede in:

• Generalizzazione: Andare oltre le energie strettamente convesse per includere materiali e modelli descritti da energie quasiconvesse o policonvesse, essenziali per l'elasticità non lineare.
• Localizzazione Duale: Fornire un'analisi rigorosa della convergenza attraverso due parametri distinti ($s$ e $\delta$), offrendo flessibilità nel modo in cui i modelli non locali sono approssimati da PDE locali.
• Convergenza Forte dei Controlli: Stabilire la convergenza forte per le variabili di controllo, che è un risultato più forte della tipica convergenza debole riscontrata in molte applicazioni di $\Gamma$-convergenza.

Gli autori notano con modestia che, sebbene la $\Gamma$-convergenza garantisca la convergenza dei minimizzanti, non fornisce tassi di convergenza. Suggeriscono che lavori futuri potrebbero utilizzare la teoria della regolarità per recuperare i tassi di convergenza. Inoltre, identificano lo studio di problemi di controllo con funzionali di costo non convessi (richiedenti condizioni di ottimalità del secondo ordine) e limiti simultanei ($s \to 1$ e $\delta \to 0$) come potenziali direzioni per ricerche future.