PDE约束优化控制问题
文章平均质量分 90
优化控制问题的深度学习求解算法,使用工具为pytorch和mpi4py,包含加速算法,如果不熟悉优化控制问题建议不要订阅,该专栏只能提供入门知识,如果希望获得优化控制问题的创新点或者深入求解,建议也不要订阅
优惠券已抵扣
余额抵扣
还需支付
¥259.90
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
Galerkin码农选手
这个作者很懒,什么都没留下…
展开
-
数学系硕士研究生的科研过程——PDE约束下含参优化控制问题的深度学习算法
笔者今天上午收到了之前北大课题组老板的通知,得知研究生期间和学长合作的论文终于被siam接收,终于为自己研究生涯画上了一个句号。这里打算分享一下个人的科研过程以及这篇论文的工作,即将读研或者打算读研的同学或许可以从中获得益处。论文今天被接收,距离见刊尚有一段时间,因此这里只能提供arxiv上的论文链接。原创 2023-08-28 18:01:13 · 556 阅读 · 6 评论 -
深度学习求解稀疏最优控制问题的并行化算法
稀疏最优控制问题问题改编自论文An FE-Inexact Heterogeneous ADMM for Elliptic Optimal Control Problems with L1-Control Cost{miny(μ),u(μ)J(y(μ),u(μ))=12∥y(μ)−yd(μ)∥L2(Ω)2+α2∥u(μ)∥L2(Ω)2+μ∥u(μ)∥L1, subject to {−Δy(μ)=u(μ)+f(μ), in Ω(μ),y(μ)=0,&nbs原创 2023-05-29 15:03:57 · 719 阅读 · 0 评论 -
mpi4py结合pytorch求解稀疏椭圆优化控制问题
稀疏椭圆优化控制问题{miny(μ),u(μ)J(y(μ),u(μ);μ):=12∥y(μ)−yd∥L2(Ω)2+α2∥u(μ)∥L2(Ω)2+μ∥u(μ)∥L1(Ω), subject to {−Δy(μ)+y(μ)3=u(μ) in Ω,y(μ)=0 on ∂Ω,andua≤u(μ)≤ub a.e. in Ω.\left\{\begin{aligned} &\min_{y(\bold原创 2023-05-29 15:03:29 · 1119 阅读 · 0 评论 -
pytorch实现导热率优化控制问题的并行算法
问题来源于论文Reduced Basis Methods—An Application to Variational Discretization of Parametrized Elliptic Optimal Control Problems问题描述{miny(μ),u(μ)J(y(μ),u(μ))=12∥y(μ)−yd∥L2(Ω)2+α2∥u(μ)∥L2(Ω)2, subject to {−∇⋅(a(μ)⋅∇y(μ))=u(μ), in Ω,y(原创 2023-05-29 15:01:42 · 754 阅读 · 0 评论 -
mpi4py结合pytorch求解多重参数最优控制问题
多重参数最优控制问题问题改编自论文Fast PDE-constrained optimization via self-supervised operator learningmin12∥y(μ)−yd(μ)∥L2(Ω)2+α(μ)2∥u(μ)∥L2(Ω)2+β(μ)∥u(μ)∥L1\min \frac{1}{2}\left\|y(\boldsymbol{\mu})- y_{d}(\boldsymbol{\mu})\right\|_{L_{2}\left(\Omega\right)}^{2}+\fra原创 2023-05-29 15:01:08 · 695 阅读 · 0 评论 -
mpi4py和pytorch求解含参优化控制问题-几何参数
含参优化控制问题数学模型下面三行代码分别表示:代码运行,–para 2表示选择第二种并行策略查看运行情况杀死命令nohup mpiexec -n 8 python hpann.py --para 2 >> hmpi.log 2>&1 &ps -ef | grep pythonps -ef | grep python | awk '{print $2}' | xargs -n 1 kill -9OCP(μ):{min(y(x,μ),u(x,μ))∈Y×UQ原创 2023-05-29 15:00:20 · 639 阅读 · 0 评论 -
direct-adjoint-looping结合五点差分法求解含参优化控制问题
含参优化控制问题描述{min(y(x,μ),u(x,μ))∈Y×UQ(y(x,μ),u(x,μ))+β(x,μ)j(u(x,μ)), s.t. u(x,μ)∈Uad(μ)={v:ua(μ)≤v≤ub(μ)}⊂U,\left\{\begin{aligned} &\min _{(y(\mathbf{x}, \boldsymbol{\mu}), u(\mathbf{x}, \boldsymbol{\mu})) \in Y \times U} Q(y(\mathbf{x},原创 2023-05-29 14:57:29 · 1027 阅读 · 0 评论 -
偏微分方程约束下的优化控制问题(PDE-constrained optimal control problems)
{min(y(x),u(x))∈Y×UJ(y(x),u(x)), s.t. F(y(x),u(x))=0 in Ω, and u(x)∈Uad,\left\{\begin{aligned} &\min _{(y(\mathbf{x}), u(\mathbf{x})) \in Y \times U} J(y(\mathbf{x}), u(\mathbf{x}) ),\\ &\text { s.t. } \ \mathbf{F}(y(\mathbf{x}),u(\mathbf{x原创 2023-02-08 18:41:17 · 1048 阅读 · 0 评论 -
传统数值方法求解PDE约束优化控制问题
ADMMimport matplotlib.pyplot as pltimport numpy as npimport timefrom matplotlib import cmdef Cholesky(matrix): w = matrix.shape[0] G = np.zeros((w,w))#实际上只用一半的空间就可以完成矩阵分解 for i in range(w): G[i,i] = (matrix[i,i] - np.dot(G[i,:i]...原创 2021-10-14 14:36:19 · 151 阅读 · 0 评论 -
PDE约束优化控制问题求解-间断问题
miny,uJ(y,u)=∫Ω(y−yΩ)2dxdy s.t. −Δy=u+eΩ,x∈Ω,y=0,x∈∂Ω.−1≤u≤1.\begin{array}{cl} \min _{y,u} & J(y,u) = \int_{\Omega} (y - y_{\Omega})^2 dx dy \\ \text { s.t. } & - \Delta y = u + e_{\Omega},\mathbf{x} \in \Omega, \\{ }&y = 0, \math原创 2023-02-07 11:23:50 · 522 阅读 · 0 评论 -
PDE约束优化控制问题求解-基础入门
问题引入给出两个优化问题:问题1miny,uJ(y,u)=12∫Ω(y−yΩ)2+u2dxdy+∫∂ΩeΓyds. s.t. −Δy+y=u+eΩ,x∈Ω,∂y∂n=0,x∈∂Ω.0≤u≤1.\begin{array}{cl} \min _{y,u} & J(y,u) = \frac{1}{2}\int_{\Omega} (y - y_{\Omega})^2 + u^2 dx dy + \int_{\partial \Omega} e_{\Gamma}y原创 2021-08-06 10:05:06 · 345 阅读 · 0 评论 -
含参优化控制问题的神经网络算法和并行优化
注意,下面代码的bfgs库是我们自己编写的优化库,可以注释掉,使用torch自带的LBFGS库代替优化器部分。OCP(μ):{min(y(x,μ),u(x,μ))∈Y×UJ(y(x,μ),u(x,μ);μ), s.t. F(y(x,μ),u(x,μ);μ)=0 in Ω(μ), and u(x,μ)∈Uad(μ),\mathrm{OCP}(\boldsymbol{\mu}):\\\quad \left\{\begin{aligned} &\min _{(y(\mathbf{x},原创 2023-01-04 16:44:00 · 61 阅读 · 0 评论 -
pytorch利用KKT求解抛物优化控制问题
{miny,uJ(y,u):=12∥y−yd∥L2(Ω×(0,T))2+α2∥u∥L2(Ω×(0,T))2, subject to {yt−∇(a∇⋅y)=f+u in Ω×(0,T)y=0 on ∂Ω×(0,T),y(⋅,0)=y0 on Ω,\left\{\begin{aligned} &\min_{y,u} J(y, u):=\frac{1}{2}\left\|y-y_{d}\right\|_{L^2(\Omega\times (0,T))}^{2}+\frac{\alpha}{2}\|原创 2022-09-15 10:40:33 · 96 阅读 · 0 评论 -
topy库的安装(拓扑优化软件)
topy的安装,拓扑优化库的安装原创 2022-07-04 19:07:34 · 1371 阅读 · 4 评论 -
fireshape求解NS方程约束问题
代码主要包括三个部分第一:定义PDE约束第二:定义目标函数第三:编写优化过程管道流问题初始形状参考链接的geo文件。参考链接添加链接描述不知道为什么原链接代码无法收敛,会报错,因此本人做了一些修改本人把u∇uu\nabla uu∇u去掉了import firedrake as fdimport fireshape as fsimport ROLimport fireshape.zoo as fszfrom fireshape import PdeConstraintfrom原创 2022-05-19 20:31:06 · 56 阅读 · 0 评论 -
fireshape的使用(基础篇)
fireshape的使用安装以及基本算例参考链接添加链接描述,这里本人将针对这个介绍做一些中文的翻译以及在代码上做一些修改和解释fireshape的安装参考前一篇博客添加链接描述特殊说明,后面可能会用到fireshape.zoo库,这个库使用简单的source firedrake/activate/bin 无法调用,原因未知,这里的处理方式是,写一个pre.sh文件,文件内容是source firedrake/bin/activatecd fireshape-mastersource activa原创 2022-05-17 22:59:00 · 268 阅读 · 0 评论 -
ALM结合神经网络求解PDE约束优化控制问题
算法介绍一般问题引入{min(y),u)∈Y×UJ(y,u), s.t. F(y,u)=0. and u∈Uad\left\{\begin{aligned} \min _{(y), u) \in Y \times U} J(y, u),\\ \text { s.t. }\mathbf{F}(y, u) = 0 .\\ \text{ and } u\in U_{ad} \end{aligned}\right.⎩⎪⎪⎨⎪⎪⎧(y),原创 2022-05-16 15:48:33 · 142 阅读 · 0 评论 -
firedrake的安装(docker环境)
注意以下安装过程都是默认在docker环境下的服务器进行的,用户需要被服务器管理员添加锦docker组1:百度搜索firedrake官网,进去,然后Ctrl + f,搜索docker,找到下面这个部分2:点击进入上面提到的docker image,复制右边的命令:docker pull firedrakeproject/firedrake,把这段命令复制到服务器终端,然后服务器会开始下载跟firedrake相关的库,大概有两三个G.3:下载完了以后,键入命令:docker run -it – p原创 2022-04-19 16:31:07 · 1415 阅读 · 0 评论 -
PDE约束优化控制问题-神经网络求解L1稀疏优化
(圆形区域L1优化)算例来源于下列文献:该论文给出了算例的参考结果下面我们将展示我们的算例结果:DAL+dolfin代码r""" Solves a optimal control problem constrained by the Poisson equation: min_(u, m) \int_\Omega 1/2 || u - d ||^2 + 1/2 || f ||^2 subject to grad \cdot \grad u = f in原创 2022-03-17 13:18:29 · 183 阅读 · 0 评论 -
PDE约束优化控制问题-神经网络求解几何参数泊松约束问题
算例1(gongwei)basicgeo.py结果整理代码算例2:box(μ1,μ2)(\mu_1,\mu_2)(μ1,μ2)minu∈Uad,yJ(y,u)=12∥y−yd∥L2(Ω)2+α2∥u∥L2(Ω)2,Ω=[0,2]×[0,1]−B(1.5,0.5,μ1). s.t. {−Δy=u,in Ω,y=1,on ∂Ω.B(1.5,0.5,μ1)=(x−1.5)2+(y−0.5)2≤μ12.yd={1,x<1μ2,else.u∈Uad={u:0≤u≤10原创 2022-03-11 11:24:06 · 157 阅读 · 0 评论 -
PDE约束优化控制问题-固定参数pinn,DAL对比
算例引入{ minimize J(y,u):=12∥y−yd∥L22+α2∥u∥L22 subject to {−Δy=u in Ωy=0 on ∂Ωandyd={1,0≤x0≤1,μ2else.\left\{\begin{aligned} \text { minimize } &J(y, u):=\frac{1}{2}\left\|y-y_{d}\right\|_{L^{2}}^{2}+\fra原创 2022-02-18 16:08:26 · 284 阅读 · 0 评论 -
PDE约束优化控制问题-NN求解含参问题
算例1(gongwei修改ub含参问题)把ub当成第三个维度传入NN,相应修改yd,f,uaccy_d,f,u_{acc}yd,f,uacc的定义,就可以直接求解一系列问题了。import torchimport timeimport numpy as npimport matplotlib.pyplot as pltfrom matplotlib import cmimport torch.nn as nnimport torch.nn.functional as Fimport原创 2022-02-16 19:46:20 · 75 阅读 · 0 评论 -
PDE约束优化控制问题-NN结合DAL
引入算例基本形式minu∈Uad,yJ(y,u)=12∥y−yd∥L2(Ω)2+α2∥u∥L2(Ω)2,Ω=[0,1]d. s.t. {−Δy=u,in Ω,y=y0,on ∂Ω.\begin{aligned} &\min_{u \in U_{ad},y} J(y,u) = \frac{1}{2}\|y - y_d\|^{2}_{L^{2}(\Omega)} + \frac{\alpha}{2}\|u\|^2_{L^{2}(\Omega)} ,\quad \Ome原创 2022-02-16 19:44:23 · 176 阅读 · 0 评论 -
PDE约束优化控制问题-dolfin软件求解
dolfin安装dolfin是我们发现的一个专门求解PDE约束优化问题的软件,或者说是一个python的库,参考网页添加链接描述,这个软件暂时缺乏用户手册,不过网页上有不少demo,本人就是根据网页上的demo来学习使用dolfin的,具体的原理也请参考网页,本人不做过多解释。这个软件的使用需要结合fenics库,参考fenics官网添加链接描述,fenics有用户手册,自己可以到官网下载。下面重点讲解dolfin以及相关的库的安装方法,本人都是在linux服务器安装的首先还是先建一个虚拟环境,本人建原创 2022-01-28 13:43:53 · 581 阅读 · 0 评论 -
PDE约束优化控制问题-五点差分法结合adjoint
伴随方法介绍引入算例基本形式minu∈Uad,yJ(y,u)=12∥y−yd∥L2(Ω)2+α2∥u∥L2(Ω)2,Ω=[0,1]d. s.t. {−Δy=u,in Ω,y=y0,on ∂Ω.\begin{aligned} &\min_{u \in U_{ad},y} J(y,u) = \frac{1}{2}\|y - y_d\|^{2}_{L^{2}(\Omega)} + \frac{\alpha}{2}\|u\|^2_{L^{2}(\Omega)} ,\qu原创 2022-01-27 21:46:42 · 231 阅读 · 0 评论 -
PDE约束优化控制问题-神经网络结合惩罚函数求解
算例引入这里我们以下面这个算例为根本,相继介绍神经网络+penalty以及神经网络+ALM如何求解约束优化问题。miny,uJ(y,u)=12∫Ω(y−yΩ)2+u2dxdy+∫∂ΩeΓyds. s.t. −Δy+y=u+eΩ,x∈Ω,∂y∂n=0,x∈∂Ω.0≤u≤1.\begin{array}{cl} \min _{y,u} & J(y,u) = \frac{1}{2}\int_{\Omega} (y - y_{\Omega})^2 + u^2 dx d原创 2022-01-27 08:21:39 · 231 阅读 · 0 评论 -
PDE约束优化控制问题-ADMM求解经典算例
基本形式{miny,uJ(y,u), s.t. F(y,u)=0,u∈Uad={ua≤u≤ub}.\left\{\begin{array}{l} \min_{y,u} J(y,u),\\ \text { s.t. }\mathbf{F}(y,u) = 0 ,\\ u \in U_{ad} = \{ u_a\leq u \leq u_b\}. \end{array}\right.⎩⎨⎧miny,uJ(y,u), s.t. F(y,原创 2022-01-26 22:31:48 · 218 阅读 · 0 评论