×
迈克尔·乌尔布里奇（编辑）;范·布洛门·瓦德斯，巴特（编辑）

偏微分方程约束优化简介。 （英语） Zbl 1478.00035号

最佳方案。工程师。 19，第3期，515-520（2018）.
概要：偏微分方程（PDE）约束优化设计用于解决控制、设计和逆问题，并具有潜在的物理特性。该技术的一个显著挑战是结合离散化PDE的复杂性处理大量优化变量。在过去几十年中，算法、数值模拟、软件设计和计算机体系结构的进步使得PDE约束优化（PDECO）技术成熟，并为复杂控制、设计和逆问题提供了后续解决方案。这本题为“PDE-Constrained Optimization”的特别期刊有八篇论文，展示了一系列应用的新公式、解决策略和创新算法。特别是，这些贡献表明了对我们的工程和科学界的影响。本文简要介绍了PDECO的一些观点和背景，并对八篇论文进行了总结。

引用于1审查
引用于2文件

MSC公司：

00年1月15日 杂项特定利益物品的收集
49-06 与变分法和最优控制有关的会议记录、会议记录、收藏等
65-06 与数值分析有关的会议记录、会议、收藏等
PDF格式BibTeX公司 XML格式引用
\textit{M.Ulbrich}（编辑）和\textit{B.van Bloemen Waanders}（主编），Optim。工程19，编号3，515--520（2018；Zbl 1478.00035）
全文： 内政部 链接

参考文献：

[1] Adam L，Hintermüller M，Surowiec TM（2018）应变光子器件拓扑优化的PDE约束优化方法。Optim工程。https://doi.org/10.1007/s11081-018-9394-5 ·Zbl 1507.74285号 ·doi:10.1007/s11081-018-9394-5
[2] Antil H，Nochetto RH，Venegas P（2018）控制开尔文力：磁性药物靶向的基本策略和应用。Optim工程。https://doi.org/10.1007/s11081-018-9392-7 ·Zbl 1379.78021号 ·doi:10.1007/s11081-018-9392-7
[3] Herzog R，Riedel I，Uciñski D（2018）大型动力系统联合参数和状态估计问题的最佳传感器布置，以及热机械应用。Optim工程。https://doi.org/10.1007/s11081-018-9391-8 ·Zbl 1507.93226号 ·doi:10.1007/s11081-018-9391-8
[4] Hintermüller M，Hinze M，Kahle C，Keil T（2018）非光滑Cahn-Hilliard-Navier-Stokes系统最优控制的面向目标的双向自适应有限元方法。Optim工程师。https://doi.org/10.1007/s11081-018-9393-6 ·Zbl 1507.49027号 ·doi:10.1007/s11081-018-9393-6
[5] Kärcher M，Boyaval S，Grepl MA，Veroy K（2018）4D-Var数据同化的简化基近似和后验误差界。Optim工程。https://doi.org/10.1007/s11081-018-9389-2 ·Zbl 1507.49026号 ·doi:10.1007/s11081-018-9389-2
[6] Kolvenbach P、Lass O、Ulbrich S（2018）《稳健PDE约束优化方法》，应用于不确定性下的电机形状优化和动态弹性结构的形状优化。Optim工程。https://doi.org/10.1007/s11081-018-9388-3 ·Zbl 1507.49020号 ·doi:10.1007/s11081-018-9388-3
[7] Leithäuser C、Pinnau R、Feßler R（2018）通过定制形状优化技术设计聚合物自旋包。Optim工程师。https://doi.org/10.1007/s11081-018-9396-3 ·Zbl 1507.49037号 ·doi:10.1007/s11081-018-9396-3
[8] Mang A，Ghoma A，Davatzikos C，Biros G（2018）医学图像分析中的PDE约束优化。Optim工程。https://doi.org/10.1007/s11081-018-9390-9 ·Zbl 1507.49021号 ·doi:10.1007/s11081-018-9390-9
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。