×

值函数微积分及其应用。 (英语) Zbl 1437.90150号

Cheng,Jin(编辑)等,反问题和相关主题。基于逆问题国际会议的论文扩展版本,中国上海,2018年10月12-14日。在山本正弘60周年之际,向他致敬。新加坡:斯普林格。Springer程序。数学。《法律总汇》第310卷,第275-306页(2020年)。
小结:本文讨论了参数相关优化和约束优化的灵敏度分析。最优性值函数对参数变化的敏感性在反问题和优化理论中起着重要作用,包括经济学、金融学、哈密尔顿-雅可比理论、inf-sup对偶理论、拓扑设计和双层优化。我们发展了值函数的微积分,并介绍了它在变分微积分、双层优化、最优控制和优化设计、形状微积分和反问题中的应用。
关于整个系列,请参见[Zbl 1442.35004号].

MSC公司:

90立方厘米 灵敏度、稳定性、参数优化
2010年第49季度 优化最小曲面以外的形状
65J22型 抽象空间反问题的数值解法
65千5 数值数学规划方法
第49页第35页 极小极大问题解的存在性
49J40型 变分不等式
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] G.Allaire,F.Jouve,A.M.Toader,使用灵敏度分析和水平集方法进行结构优化。J.计算。物理学。194, 363-393 (2004) ·Zbl 1136.74368号 ·doi:10.1016/j.jcp.2003.09.032
[2] D.P.Bertsekas,非线性规划贝尔蒙特(Athena Scientific,贝尔蒙特,1999)·Zbl 1015.90077号
[3] J.F.Bonnans、J.C.Gilbert、C.Lemarechal、C.A.Sagastizabal,《数值优化——理论和实践方面》(Springer,柏林,2006)·Zbl 1108.65060号
[4] P.Bernhard,A.Rapaport,关于丹斯金的一个定理及其对冯·诺伊曼·西恩定理的应用。非线性分析:理论方法应用。241163-1181(1995年)·Zbl 0839.49006号 ·doi:10.1016/0362-546X(94)00186-L
[5] E.Castillo、A.Conejo、C.Castillo和R.Minguez、D.Ortigosa,《灵敏度的扰动方法》。J.优化。理论应用。128, 49-74 (2006) ·Zbl 1130.90045号
[6] M.C.Delfour,J.-P.Zolesio,《形状和几何:度量、分析、微分学和优化》,第2版。(SIAM,费城,2011年)·Zbl 1251.49001号
[7] A.V.Fiacco,《非线性规划中的敏感性和稳定性分析导论》(学术出版社,纽约,1983年)·Zbl 0543.90075号
[8] T.H.Lee,J.S.Arora,弹塑性结构设计灵敏度分析的计算方法。计算。方法应用。机械。工程122、27-50(1995)·Zbl 0853.73045号 ·doi:10.1016/0045-7825(94)00719-4
[9] K.Ito,B.Jin,《反问题:Tikhonov理论和算法》(世界科学出版社,新加坡,2014年)·Zbl 1306.65210号
[10] K.Ito,B.Jin,T.Takeuchi,非光滑Tikhonov正则化的正则化参数。SIAM J.科学。计算。33, 1415-1438 (2011) ·Zbl 1235.65054号 ·doi:10.1137/100790756
[11] K.Ito,K.Kunisch,《非线性反问题中正则化参数的选择》(与K.Kunicsh合著)。SIAM J.Optim公司。2, 376-404 (1992) ·Zbl 0766.65109号
[12] K.Ito,K.Kunisch,椭圆变分不等式的最优控制。申请。数学。最佳方案。41, 343-364 (2000) ·Zbl 0960.49003号
[13] K.Ito,K.Kunisch,变分问题的拉格朗日乘子方法及其应用。SIAM设计与控制进展(2008)·Zbl 1156.49002号
[14] K.Ito,K.Kunisch,G.Peich,形状导数的变分方法。ESAIM:控制优化。计算变量14,517-539(2008)·Zbl 1357.49148号
[15] M.Hintermuller,K.Kunisch,函数空间中一类约束极小化问题的路径允许方法,SIAM J.Optim。17, 159-187 (2006) ·Zbl 1137.49028号
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。