Localization for nonlocal gradient-based optimal control problems

Technische Samenvatting: Lokalisatie voor niet-lokale optimalisatieproblemen op basis van gradiënten

Probleemstelling
Dit artikel onderzoekt optimalisatieproblemen die zijn geformuleerd binnen een niet-lokaal functieruimtekader, gekenmerkt door twee distincte parameters: een fractionele parameter $s \in (0, 1)$ en een horizonparameter $\delta > 0$. De besturingsvariabele $g$ behoort tot een toelaatbare verzameling $Z_{ad}$, terwijl de toestandsvariabele $u$ resideert in een niet-lokale Sobolev-ruimte $H^{s,p,\delta}_0(\Omega-\delta; \mathbb{R}^n)$. De toestand $u$ is beperkt tot het minimaliseren van een niet-lokale energiedichtheid $W^{s,\delta}_g$, die afhankelijk is van de besturing $g$. Het doel is het minimaliseren van een kostenfunctionaal $F(u, g)$ onderworpen aan deze niet-lokale beperkingen.

De studie behandelt twee primaire scenario's met betrekking tot de energiedichtheid $W$:

1. Convex geval: De energie is strikt convex, specifiek gemodelleerd door een niet-lokale $p$-Laplaciaan (of gewogen $p$-Dirichlet-energie).
2. Niet-convex geval: De energie is polyconvex of quasiconvex, en voldoet aan standaard $p$-groeigrenzen. In dit setting bestaan minimalizers, maar zijn ze niet noodzakelijk uniek.

De centrale wiskundige uitdaging is het analyseren van de "lokalisatie" van deze problemen, waarbij wordt aangetoond hoe oplossingen convergeren naar klassieke optimalisatieproblemen gebaseerd op partiële differentiaalvergelijkingen (PDE's) naarmate de niet-localiteit verdwijnt. Dit wordt bereikt door twee distincte limietprocessen:

• Het nemen van de fractionele parameter $s \to 1^-$ (met $\delta$ vast).
• Het nemen van de horizonparameter $\delta \to 0^+$ (met $s$ vast).

Methodologie en Kader
De auteurs maken gebruik van een niet-lokaal gradiëntoperator $D^s_\delta$, gedefinieerd via een afgeknotte kern $\rho^s_\delta$ die de Riesz-fractionele gradiënt generaliseert. Deze operator werkt op functies gedefinieerd over een uitgebreid domein $\Omega_\delta$, maar dwingt nul-randvoorwaarden af op de "kraag"-regio's $\Omega_\delta \setminus \Omega$ en $\Omega \setminus \Omega_{-\delta}$.

De analyse steunt op verschillende functionaal-analytische hulpmiddelen:

• Niet-lokale Sobolev-ruimten: De ruimten $H^{s,p,\delta}$ worden gedefinieerd als de sluiting van gladde functies onder een norm die de niet-lokale gradiënt omvat.
• Compactheid en inbeddingen: De auteurs maken gebruik van niet-lokale Poincaré-ongelijkheden (Propositie 2.5) en resultaten over compacte inbeddingen (Propositie 2.6) om de begrensdheid van toelaatbare toestanden en het bestaan van convergente deelrijen vast te stellen.
• $\Gamma$-convergentie: Om de asymptotische analyse te behandelen, maakt het artikel gebruik van $\Gamma$-convergentie van de energiefunctionalen. Dit zorgt ervoor dat de limiet van minimalizers van de niet-lokale energieën overeenkomt met een minimalizer van de limiterende lokale energie.
• Directe methode van de variatierekening: Voor het niet-convexe geval wordt bestaan bewezen met de directe methode, gebruikmakend van de zwakke onderhalve continuïteit van polyconvexe en quasiconvexe functionalen.

Belangrijkste Resultaten

1. Welgesteldheid in het Convexe Geval:
   Voor de niet-lokale $p$-Laplaciaan-energie is de verzameling van toelaatbare paren $(u, g)$ convex. De auteurs bewijzen het bestaan en de uniciteit van een minimalizer voor het optimalisatieprobleem (Stelling 3.7). Dit rust op de compactheid van de oplossingsoperator die de besturing $g$ afbeeldt op de toestand $u$.

2. Bestaan in het Niet-Convexe Geval:
   Wanneer de energie polyconvex of quasiconvex is, is de toelaatbare verzameling over het algemeen niet-convex, en kan uniciteit van de toestand $u$ voor een vaste $g$ niet worden gegarandeerd. Desondanks stellen de auteurs het bestaan van ten minste één optimaal paar $(u, g)$ vast (Stelling 3.12) door de begrensdheid van de verzameling toelaatbare toestanden en de zwakke geslotenheid van de beperkingsverzameling te bewijzen.

3. Lokalisatie als $s \to 1^-$:
   Met $\delta$ vast, demonstreert het artikel dat naarmate $s \to 1^-$, de niet-lokale gradiënten sterk convergeren naar de klassieke gradiënt.

   • Convex geval: De minimalizers van de niet-lokale optimalisatieproblemen convergeren sterk (voor toestanden en gradiënten) en zwak (voor besturingen) naar de unieke minimalizer van het overeenkomstige lokale optimalisatieprobleem voor de $p$-Laplaciaan (Stelling 4.10). Bovendien convergeren de waarden van de kostenfunctionaal.
   • Niet-convex geval: Vanwege het gebrek aan uniciteit in de toestandsvergelijking kan volledige convergentie van minimalizers niet worden gegarandeerd. In plaats daarvan bewijzen de auteurs een resultaat van "relatieve minimalisatie" (Corollarium 4.11), waaruit blijkt dat elke limiet van een rij van niet-lokale minimalizers een minimalizer is ten opzichte van de verzameling lokaal toelaatbare paren die kunnen worden benaderd door niet-lokale oplossingen.
   • Sterke convergentie van besturingen: Een significant resultaat is dat de besturingsvariabelen $g_s$ sterk convergeren in $L^r$ voor elke $r \in [1, \infty)$, niet alleen zwak (Stelling 4.12). Dit wordt afgeleid uit de specifieke structuur van de kostenfunctionaal en de regularisatieterm.

4. Lokalisatie als $\delta \to 0^+$:
   Met $s$ vast, analyseert het artikel de limiet wanneer de horizon $\delta \to 0^+$. De resultaten spiegelen die voor $s \to 1^-$. De niet-lokale gradiënten convergeren naar de klassieke gradiënt, en de niet-lokale optimalisatieproblemen convergeren naar hun lokale tegenhangers (Stelling 4.19). Net als in het geval $s \to 1$ wordt sterke convergentie van besturingen vastgesteld (Stelling 4.21).

Betekenis en Claims
Het artikel claimt het eerste werk te zijn dat optimalisatieproblemen behandelt waarbij de toestandsbeperkingen het minimaliseren van polyconvexe of quasiconvexe energieën omvatten, zelfs binnen het lokale kader. Door deze resultaten uit te breiden naar het niet-lokale kader, overbruggen de auteurs de kloof tussen moderne niet-lokale modellering (zoals peridynamica en fractionele calculus) en klassieke optimalisatietheorie.

De betekenis van het werk ligt in:

• Generalisatie: Voorbij gaan van strikt convexe energieën om materialen en modellen te omvatten die worden beschreven door quasiconvexe of polyconvexe energieën, die essentieel zijn voor niet-lineaire elasticiteit.
• Dubbele lokalisatie: Het bieden van een rigoureuze analyse van convergentie via twee distincte parameters ($s$ en $\delta$), wat flexibiliteit biedt in hoe niet-lokale modellen worden benaderd door lokale PDE's.
• Sterke convergentie van besturingen: Het vaststellen van sterke convergentie voor besturingsvariabelen, wat een sterker resultaat is dan de typische zwakke convergentie die in veel $\Gamma$-convergentietoepassingen wordt aangetroffen.

De auteurs merken met bescheidenheid op dat hoewel $\Gamma$-convergentie de convergentie van minimalizers garandeert, het geen convergentiesnelheden biedt. Zij suggereren dat toekomstig werk regulariteitstheorie zou kunnen gebruiken om convergentiesnelheden te herstellen. Bovendien identificeren zij het bestuderen van optimalisatieproblemen met niet-convexe kostenfunctionalen (waarvoor tweede-orde optimaliteitsvoorwaarden nodig zijn) en gelijktijdige limieten ($s \to 1$ en $\delta \to 0$) als potentiële richtingen voor toekomstig onderzoek.