🔢 mathematics

On the Optimal Control Problem of Stochastic Semilinear Partial Differential Equations with Non-Globally Lipschitz Coefficients

本文提出并证明了一种用于求解受非全局 Lipschitz 系数控制的随机半线性偏微分方程所控制的最优控制问题的近似方案的收敛性，解决了在有限和无限时间区间内均不存在最大值原理的问题。

原作者： Oleksiy Kapustyan, Olha Martynyuk, Oleksandr Misiats, Oleksandr Stanzhytskyi

发布于 2026-08-26

📖 1 分钟阅读🧠 深度阅读

原作者： Oleksiy Kapustyan, Olha Martynyuk, Oleksandr Misiats, Oleksandr Stanzhytskyi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，试图在一场风浪完全不遵循简单、可预测规则的风暴中驾驶一艘船。在数学和物理世界中，这就是控制随时间与空间随机变化的系统的挑战。这些系统通常由混合了平滑、稳定的力量与突然、混沌的冲击的方程来描述。当驱动系统的力量增长过快，或者其行为方式并非完全平滑时，用于寻找最佳操控方式的标准工具往往会失效。这是一个广泛存在的问题，涉及从气候建模到金融市场等诸多领域，在这些领域中，底层的规则可能非常复杂，且数据永远不会是完美的。科学家们长期以来一直寻求一种可靠的方法，即使在系统的行为违背常规数学极限的情况下，也能找到最优控制——即能够最小化成本或误差的最佳行动方案。

来自乌克兰和美国的科研团队开发了一种解决这一特定问题的新方法。他们专注于一类描述事物在空间和时间中如何变化，同时受到随机噪声干扰的方程，例如热量在材料中的移动或物质在流体中的扩散。他们所应对的困难在于，方程内部的力量增长如此之快，以至于超过了数学家通常依赖的标准“多项式”极限。简单来说，该系统可能会以爆炸性的速度做出反应，使得使用传统的极大值原理（一个通常用于指导寻找最佳控制的强大工具）变得不可能。研究人员还必须处理系数不具有有界导数的情况，这意味着管理系统的规则以一种并非平滑可预测的方式发生变化。

为了克服这些障碍，作者提出了一种巧妙的近似策略。他们并没有尝试直接求解那个困难且狂野的方程，而是创建了一系列更简单的、“被驯服的”问题版本。他们通过人为地限制爆炸性力量的增长，有效地将这些力量限制在一定水平，从而使方程变得易于处理。对于每一个这些被限制的版本，标准的数学工具都能完美运作，允许他们为那个特定的、简化的场景找到最佳控制。他们工作的核心在于证明：随着他们逐渐移除这些人工限制，并让简化后的问题回归到原始的、狂野的版本时，他们找到的解并不会陷入混乱。相反，这些解会收敛，或者说稳定下来，趋向于原始困难问题的真实最优解。

研究人员证明了这种方法在两种不同的情景下都是有效的：系统在固定的有限时间内运行，以及系统在无限的未来中持续运行。在有限情形下，他们证明了在简化问题中关联的最佳控制所产生的成本，会随着人工限制的移除而越来越接近真实的最小成本。此外，他们还证明了在这些简化步骤中找到的控制序列最终会导向一个单一且稳定的控制策略，而该策略对于原始系统而言是真正最优的。对于无限时间跨度（即系统永远运行）的情况，他们展示了通过在越来越长的有限区间内求解问题并扩展解，可以构建出一系列日益有效的控制序列，最终能像理论上的最佳控制一样，实现长期成本的最小化。

这项工作具有重要意义，因为它为解决那些此前因快速增长和缺乏平滑性而被认为无法触及的最优控制问题打开了大门。研究人员不仅提出了这可能奏效，还提供了严密的数学证明，证明其近似方案是有效的。他们确立了这些近似问题的解不仅仅是接近的猜测，而且在数学上保证会趋向于真实的最优解。通过证明控制序列的收敛性以及成本函数的表现符合预期，他们为处理具有非全局利普希茨（non-globally Lipschitz）系数的系统提供了一条可靠路径。这意味着，对于广泛的、其中力量增长速度可能超过标准模型的现实世界系统，现在已经有了一条经过验证的路径来寻找最佳控制方式，确保即使在面对极端的随机性和快速变化时，也能保持稳定与高效。

技术摘要：具有非全局 Lipschitz 系数的随机半线性 PDE 的最优控制

问题阐述
本文研究了形式如下的随机半线性偏微分方程（SPDE）的最优控制问题：
$dy = (Ay + f(y) + u(t))dt + \sigma(y)dW(t)$
该方程定义在有界区域 $D \subset \mathbb{R}^d$ 上，并满足 Dirichlet 边界条件。系统由无穷维 $Q$ -维纳过程 $W(t)$ 驱动。研究考虑了两种不同的时间范围：有限区间 $[0, T]$ 和无限区间 $[0, +\infty)$ 。

目标是最小化如下形式的代价泛函：
$J(u) = \mathbb{E}\int_0^T \int_D (y^2 + u^2) dx dt$
（针对有限时间）以及
$J(u) = \mathbb{E}\int_0^\infty \int_D (e^{-\gamma t}y^2 + u^2) dx dt$
（针对无限时间），其中 $y$ 为状态， $u$ 为控制变量。

主要的数学挑战在于非线性项 $f(y)$ 。不同于通常假设全局 Lipschitz 连续性或多项式增长的标准文献，本研究考虑的系数仅满足 $C^1$ 连续且具有单侧 Lipschitz 条件（ $f'(s) \le \lambda_f$ ），并且可能表现出比多项式增长更快的增长特性（例如 Frank–Kamenetskii 方程中的指数项）。扩散系数 $\sigma$ 被假定为全局 Lipschitz 连续。此外，为了管理反应项与噪声项之间的相互作用，研究施加了一个特定的耦合条件： $|f'(s)\sigma^2(s)| \le C(1+|s|^2)$ 。

方法论
作者提出了一种近似方案，以克服由于 $f$ 缺乏全局 Lipschitz 连续性而导致无法直接应用随机极大值原理（该工具要求导数有界）的问题。

截断近似（Cut-off Approximation）： 作者构建了一系列辅助问题，其中非线性项 $f$ 被替换为截断版本 $f_k(s) = f(\min(\max(-k, s), k))$ 。这些截断系数是全局 Lipschitz 连续的，并且具有有界的导数（经过适当的平滑处理），从而满足了随机极大值原理的正则性要求。
最优控制的存在性： 对于原始问题及一系列近似问题，研究确立了弱鞅解（状态与控制的最优对）的存在性。这依赖于代价泛函的下半连续性以及控制变量在 $L^2$ 空间中的弱紧性。
收敛性分析： 方法论的核心在于证明近似问题的解收敛于原始问题的解。这是通过以下方式实现的：
- 能量估计： 利用 Itô 公式和 Gronwall 不等式推导解的一致界限。
- 紧性论证： 利用 Jakubowski-Skorokhod 定理来处理概率测度的弱收敛，并建立解序列的紧性。
- 弱收敛： 证明近似控制与状态的弱极限满足原始 SPDE 并使原始代价泛函最小。

主要贡献与结果

非全局 Lipschitz 系数下的存在性： 本文确立了在 $f$ 不满足全局 Lipschitz 或标准多项式增长条件的 SPDE 下的最优控制存在性。这扩展了以往仅限于单调或多项式增长非线性的研究结果。
有限时间区间的近似方案：
- 作者证明，当截断参数 $k \to \infty$ 时，近似问题的最优代价值 ( $J_k^*$ ) 收敛于原始问题的最优代价 ( $J^*$ )。
- 他们证明了近似问题的最优控制序列在 $L^2(\Omega_T; H)$ 中是强紧的。这些控制序列的任何弱子序列都构成原始问题的最优控制。
- 相应的状态轨迹在 $L^2(\Omega_T; H)$ 中强收敛。
无限时间区间的近似方案：
- 对于无限时界问题，作者提出了两步近似法：首先是截断非线性（如有限情况所示），其次是将时间范围截断为 $[0, n]$ 。
- 他们证明了有限时界问题的最优代价在 $n \to \infty$ 时收敛于无限时界的最优代价。
- 在 $n$ 之后通过零进行延展的控制序列构成了无限时界问题的极小化序列。这些序列的弱极限给出了无限时界的最优控制。
弱鞅解： 结果是以弱鞅解的形式表述的，这承认了概率空间和维纳过程可能需要作为解的一部分进行构造（而非预先固定），这在具有非 Lipschitz 系数的 SPDE 中是标准做法。

意义与主张
本文声称填补了关于缺乏有界 Fréchet 导数系数的 SPDE 最优控制研究领域的空白。虽然随机极大值原理是构建反馈控制的强大工具，但其适用性受到导数有界性要求的严重限制。通过引入截断近似方案，作者提供了一种严谨的方法来：

在标准极大值原理技术失效的设定下，证明最优控制的存在性。
通过一个极大值原理可以应用的收敛正则化问题序列来构造这些控制。

作者指出，他们的条件涵盖了重要的物理模型，例如反应项呈指数增长的 Frank–Kamenetskii 方程，在这种情况下，标准的多项式增长假设被违反。这项工作为在不需要系数是全局 Lipschitz 连续的情况下解决此类控制问题提供了理论基础。

类似论文