Javascript must be enabled to continue!
Quantitative a posteriori error estimators in Finite Element-based shape optimization
View through CrossRef
Estimations d'erreur a posteriori quantitatives pour l'approximation des problèmes d'optimisation de forme par la méthode des éléments finis
Les méthodes d’optimisation de forme basées sur le gradient reposent sur le calcul de la dérivée de forme. Dans beaucoup d’applications, la fonctionnelle coût dépend de la solution d’une EDP. Il s’en suit qu’elle ne peut être résolue exactement et que seule une approximation de celle-ci peut être calculée, par exemple par la méthode des éléments finis. Il en est de même pour la dérivée de forme. Ainsi, les méthodes de gradient en optimisation de forme - basées sur des approximations du gradient - ne garantissent pas a priori que la direction calculée à chaque itération soit effectivement une direction de descente pour la fonctionnelle coût. Cette thèse est consacrée à la construction d’une procédure de certification de la direction de descente dans des algorithmes de gradient en optimisation de forme grâce à des estimations a posteriori de l’erreur introduite par l’approximation de la dérivée de forme par la méthode des éléments finis. On présente une procédure pour estimer l’erreur dans une Quantité d’Intérêt et on obtient une borne supérieure certifiée et explicitement calculable. L’Algorithme de Descente Certifiée (CDA) pour l’optimisation de forme identifie une véritable direction de descente à chaque itération et permet d’établir un critère d’arrêt fiable basé sur la norme de la dérivée de forme. Deux applications principales sont abordées dans la thèse. Premièrement, on considère le problème scalaire d’identification de forme en tomographie d’impédance électrique et on étudie différentes estimations d’erreur. Une première approche est basée sur le principe de l’énergie complémentaire et nécessite la résolution de problèmes globaux additionnels. Afin de réduire le coût de calcul de la procédure de certification, une estimation qui dépend seulement de quantités locales est dérivée par la reconstruction des flux équilibrés. Après avoir validé les estimations de l’erreur pour un cas bidimensionnel, des résultats numériques sont présentés pour tester les méthodes discutées. Une deuxième application est centrée sur le problème vectoriel de la conception optimale des structures élastiques. Dans ce cadre figure, on calcule l’expression volumique de la dérivée de forme de la compliance à partir de la formulation primale en déplacements et de la formulation duale mixte pour l’équation de l’élasticité linéaire. Quelques résultats numériques préliminaires pour la minimisation de la compliance sous une contrainte de volume en 2D sont obtenus à l’aide de l’Algorithme de Variation de Frontière et une estimation a posteriori de l’erreur de la dérivée de forme basée sur le principe de l’énergie complémentaire est calculée.
Title: Quantitative a posteriori error estimators in Finite Element-based shape optimization
Description:
Estimations d'erreur a posteriori quantitatives pour l'approximation des problèmes d'optimisation de forme par la méthode des éléments finis
Les méthodes d’optimisation de forme basées sur le gradient reposent sur le calcul de la dérivée de forme.
Dans beaucoup d’applications, la fonctionnelle coût dépend de la solution d’une EDP.
Il s’en suit qu’elle ne peut être résolue exactement et que seule une approximation de celle-ci peut être calculée, par exemple par la méthode des éléments finis.
Il en est de même pour la dérivée de forme.
Ainsi, les méthodes de gradient en optimisation de forme - basées sur des approximations du gradient - ne garantissent pas a priori que la direction calculée à chaque itération soit effectivement une direction de descente pour la fonctionnelle coût.
Cette thèse est consacrée à la construction d’une procédure de certification de la direction de descente dans des algorithmes de gradient en optimisation de forme grâce à des estimations a posteriori de l’erreur introduite par l’approximation de la dérivée de forme par la méthode des éléments finis.
On présente une procédure pour estimer l’erreur dans une Quantité d’Intérêt et on obtient une borne supérieure certifiée et explicitement calculable.
L’Algorithme de Descente Certifiée (CDA) pour l’optimisation de forme identifie une véritable direction de descente à chaque itération et permet d’établir un critère d’arrêt fiable basé sur la norme de la dérivée de forme.
Deux applications principales sont abordées dans la thèse.
Premièrement, on considère le problème scalaire d’identification de forme en tomographie d’impédance électrique et on étudie différentes estimations d’erreur.
Une première approche est basée sur le principe de l’énergie complémentaire et nécessite la résolution de problèmes globaux additionnels.
Afin de réduire le coût de calcul de la procédure de certification, une estimation qui dépend seulement de quantités locales est dérivée par la reconstruction des flux équilibrés.
Après avoir validé les estimations de l’erreur pour un cas bidimensionnel, des résultats numériques sont présentés pour tester les méthodes discutées.
Une deuxième application est centrée sur le problème vectoriel de la conception optimale des structures élastiques.
Dans ce cadre figure, on calcule l’expression volumique de la dérivée de forme de la compliance à partir de la formulation primale en déplacements et de la formulation duale mixte pour l’équation de l’élasticité linéaire.
Quelques résultats numériques préliminaires pour la minimisation de la compliance sous une contrainte de volume en 2D sont obtenus à l’aide de l’Algorithme de Variation de Frontière et une estimation a posteriori de l’erreur de la dérivée de forme basée sur le principe de l’énergie complémentaire est calculée.
Related Results
Shape optimization for beam structural design
Shape optimization for beam structural design
"Optimization is concerned with achieving the best outcome of a given objective while satisfying certain restrictions. The central purpose of structural analysis is to predict the ...
Generalized Estimator of Population Variance utilizing Auxiliary Information in Simple Random Sampling Scheme
Generalized Estimator of Population Variance utilizing Auxiliary Information in Simple Random Sampling Scheme
In this study, using the Simple Random Sampling without Replacement (SRSWOR) method, we propose a generalized estimator of population variance of the primary variable. Up to the fi...
Efficient Class of Variance Estimators for Population using Supplementary Information in Stratified Random Sampling
Efficient Class of Variance Estimators for Population using Supplementary Information in Stratified Random Sampling
This paper addresses an efficient class of variance estimators for population using stratified random sampling. The suggested class of estimators using supplementary information ha...
Improved Mean Estimators for Population utilizing Dual Supplementary Characteristics under Simple Random Sampling
Improved Mean Estimators for Population utilizing Dual Supplementary Characteristics under Simple Random Sampling
This paper makes another addition to the existing literature of population mean estimation. An improved family of mean estimators for the population is suggested using simple rando...
Machine Learning for Causal Inference: On the Use of Cross-fit Estimators
Machine Learning for Causal Inference: On the Use of Cross-fit Estimators
Background:
Modern causal inference methods allow machine learning to be used to weaken parametric modeling assumptions. However, the use of machine learning may result...
An efficient application of scrambled response approach to estimate the population mean of the sensitive variables
An efficient application of scrambled response approach to estimate the population mean of the sensitive variables
In the presence of one auxiliary variable and two auxiliary variables, we analyze various exponential estimators. The ranks of the auxiliary variables are also connected with the s...
Enhanced Estimation Methods Using Auxiliary Information for Rare and Clustered Populations
Enhanced Estimation Methods Using Auxiliary Information for Rare and Clustered Populations
This research proposes two new estimators which use auxiliary information to derive estimates of population means in cases where populations are considered rare and clustered in li...
Primal-dual gap estimators for a posteriori error analysis of nonsmooth minimization problems
Primal-dual gap estimators for a posteriori error analysis of nonsmooth minimization problems
The primal-dual gap is a natural upper bound for the energy error and, for uniformly convex minimization problems, also for the error in the energy norm. This feature can be used t...

