Lagrange-Newton 方法如何求解流形上的最优控制问题？

线性空间的最优控制工具为何失效

在偏微分方程约束优化中，控制量被施加在偏微分方程内部，例如作为力场，以把方程的解驱动到期望构型。目标通常是在控制代价与被控状态偏离期望构型的程度之间取得最优平衡。论文把线性空间中这类问题的经典理论描述为已经成熟：最优控制的存在性、一阶 KKT 与二阶最优性条件，以及丰富的数值方法。

论文处理的是上述理论无法照搬的情形。这里的偏微分方程是几何变分方程，其解是映射到非线性流形，因此状态空间没有全局线性结构。作者指出，这类问题常见于连续介质力学、稳定作用量问题、弹性理论与几何处理、图像与形状分析、液晶建模以及微磁学。一个动机性例子是用外力场把弹性杆或壳驱动到目标形状。

论文也界定了自身与既有工作的关系。几何最优控制经典上处理由流形上常微分方程支配的有限维系统，通过 Lie 括号与 Hamilton 流内蕴地表述 Pontryagin 最大值原理，近来又把 Riemann 度量本身用作控制设计工具。在无穷维情形，Riemann 视角在形状优化中卓有成效，那里形状本身被视为流形上的一点，并据此发展了 Lagrange-Newton 方法。流形上的等式约束优化也被推广到 Hilbert 流形上的 SQP 型方法以及流形值约束。作者指出，把偏微分方程约束优化推广到几何情形并不简单，因为状态与伴随状态以微妙的方式耦合在一起。

三个耦合方程构成最优性系统

论文为几何最优控制问题构造了相应的 Lagrange 函数，并推导出由此得到的一阶最优性条件。这些条件包含三个方程：状态方程、伴随方程和驻定方程。数值方法要求解的对象是这个最优性系统，而不只是原来的极小化问题。

所有量都以弱形式推导，作者称这允许用流形值有限元来实现。状态与伴随状态以微妙的方式耦合，论文声明的目标是在状态空间缺乏全局线性结构的情况下，尽可能保留经典 Lagrange 方法的结构优雅性。

作者指出的主要困难是找到一套简洁可靠的演算来computing Newton 线性算子，包括与底层流形曲率相关的量。技术贡献集中在这套演算，而不只是最优性条件的推导。

局部拆分让 Newton 步可实际实现

在最优性系统的基础上，作者设计了求解它的 Lagrange-Newton 方法。可实现的算法采用局部拆分技术。在每次迭代中，方法通过把 Lagrange 函数与向量前向传输复合，构造局部拆分的 Lagrange 函数，然后求解关于状态、伴随和控制分量方向的线性方程。

更新规则不是简单相加。状态分量通过状态流形上的回缩更新，伴随分量先由在回缩后状态处取值的向量前向传输搬运，再加上伴随增量，控制分量则做加法更新。算法需要乘积空间中的初始猜测、伴随丛上的向量前向传输、状态流形切丛上的向量前向传输，以及状态流形上的回缩。

论文明确指出，这一构造并不显然就是 Newton 法。拆分后的 Lagrange 函数依赖当前迭代点，因此所求解的问题似乎每步都在变化，而用于更新的映射一般并不是回缩。作者因此着手证明，在适当选择联络与回缩时，该迭代仍等价于 Newton 更新。

拆分迭代其实是 Newton 法的变形

核心理论结果是一个等价性。作者在伴随丛与控制空间的乘积上引入一个向量前向传输，它由局部拆分传输和状态流形切丛上的向量前向传输构造而成。借助该传输，他们证明拆分后 Lagrange 函数的协变导数沿相应方向等于原 Lagrange 函数的协变导数。

随后他们证明某个映射定义了伴随丛上的回缩，它由状态流形上的回缩与向量前向传输构造。把这两个结果结合，得到主要定理：只要伴随丛上的联络由所构造的向量传输诱导、伴随丛上的回缩是论文定义的那个，拆分算法产生的迭代点就与对 Lagrange 导数施加 Newton 法产生的迭代点一致。

收敛性陈述由该等价性推出。在 Lagrange 导数在某个零点处 Newton 可微、且逆 Newton 算子的算子范数被某个有限常数一致有界的假设下，算法迭代点局部超线性收敛到该零点。论文还指出，Lagrange 函数的二阶导数是对称的，因为它是从流形到实数的二次连续可微函数，作者把这一结构性质描述为对构造数值算法有益。

该等价性的一个实际后果是，伴随丛上的联络与回缩都不需要在实现中显式计算。作者直接说明：这些量在算法中并不需要显式给出。

Newton 算子只需组装下三角部分

为实现该方法，需要当前迭代点处拆分 Lagrange 函数二阶协变导数的表示。论文推导了拆分 Lagrange 函数关于状态、伴随和控制变量的偏导数，并在当前迭代点处求值。

由于线性 Newton 算子是对称的，只需计算其下三角部分，其余元素可通过取伴随（离散化后取转置）得到。这是由上述对称性质带来的具体实现经济性，其重要性在于该算子涉及底层流形的曲率相关量。

论文指出，尽管问题高度复杂，所有量都可以由相对简单的算法要素导出，这些要素对大多数标准流形都可用，并且能够高效实现。作者还说明，他们集中详细描述整体框架与 Newton 法的推导，而有限元离散化方面（包括必要构造的细节）计划在姊妹论文中讨论。

数值算例覆盖测地线、曲面、杆与壳

理论框架通过数值算例加以说明，包括用外力场对弹性测地线和最小能量曲面做最优控制，以及对不可伸长杆和壳的控制。这些算例是框架的演示，而不是与替代求解器的基准比较。

在不可伸长杆算例中，状态是乘积流形上的三元组，组合了一个向量场、一个取值于 Stiefel 流形的场和一个 Lagrange 乘子场，而控制就是所施加的力场。目标是最小化杆上各点到固定期望状态的平方距离积分，并与控制代价相平衡。论文报告说，当控制代价较小时杆会缠绕在期望状态周围，并给出三个正则化参数 10^-5、10^-7 和 10^-9 下的解，采用单侧 Dirichlet 边界条件。

对杆的情形，作者对状态、Stiefel 值场、控制及其伴随对应量使用线性 Lagrange 元，对乘子及其伴随量在单位区间的一致剖分上使用分片常数元。由于问题高度非线性，尤其在小正则化参数下，他们使用简单的同伦方法，每次迭代降低正则化参数，从 0.1 开始，每个同伦步依次乘以因子 (0.1)^(1/3)。

对壳的情形，被控对象是长 5、宽 1 的条带，在一条短边处水平夹紧，目标是向上弯曲条带，使其到高度 0.4 的水平面的平方距离积分最小，并与控制代价相平衡。论文给出正则化参数为 10^-3 时的计算结果，包括弯曲力。离散化对状态及其伴随量使用 Crouzeix-Raviart 有限元，对 Stiefel 值场及其伴随量使用加气泡函数的线性有限元，对乘子及其伴随量使用分片常数元。该问题用阻尼 Newton 法求解，并采用仿射协变阻尼策略做全局化。

观测到的收敛先经历全局化阶段

对壳算例，论文报告了算法的收敛历史与计算出的阻尼因子。观测到的模式是先有一个全局化起作用的初始阶段，随后是局部超线性收敛。收敛图显示状态、伴随和控制合并增量在迭代中的范数，阻尼因子报告为 0 到 1 区间内的取值。

这一观测行为与理论结果一致，后者是局部超线性收敛的陈述。理论并不声称全局收敛，数值证据表明在进入局部阶段之前需要全局化策略。因此，把该方法与其他方法比较的读者应把超线性速率视为局部性质，它以 Newton 可微与一致有界假设为条件，并且在这些算例中只在阻尼不再起作用之后才被观测到。

论文没有报告迭代次数、计时，也没有与替代离散化或求解器做精度比较，因此数值部分应被读作框架的示例，而不是计算优越性的证据。

更广泛使用前仍有未决问题

作者把这项工作描述为几何偏微分方程约束优化算法处理的第一步。他们指出，若干重要的理论与算法问题仍然开放，有待未来研究。首先，需要对具体问题类做泛函分析处理，特别是抽象假设（例如可微性假设）需要针对适当的问题类加以验证。

一个相关的开放问题是如何把不等式约束纳入框架。作者还指出，需要发展更专门针对流形上约束优化的算法，例如改进已有的 SQP 型思路。有限元离散化细节则留待姊妹论文。

这些是读者判断是否基于该方法继续构建时真正重要的边界。等价性定理与局部超线性收敛结果是在抽象框架层面建立的，数值算例在弹性测地线、最小能量曲面、不可伸长杆和壳上演示了该框架。把方法应用到新问题类，需要为该类验证可微性与有界性假设，而带不等式约束的问题不在当前范围内。

方法的价值在于流形上可计算的 Newton 步

这篇论文最具决策相关性的贡献不是一类新的最优控制问题，而是一种只用大多数标准流形都具备的要素，就能为几何最优控制问题的最优性系统计算 Newton 步的方法。局部拆分与移动测试函数技术把二阶协变导数归约为拆分 Lagrange 函数的偏导数，而对称性意味着只需组装下三角部分。

等价性定理使这一归约值得信赖：拆分迭代不只是受 Newton 法启发，而是在指定联络与回缩下与对 Lagrange 导数施加的 Newton 法一致。实际收益是伴随丛上的联络与回缩永远不必显式构造。

对考虑是否采用该方法的读者，相关的分界在于问题是否符合框架假设。如果状态是映射到非线性流形、约束是几何变分方程、Lagrange 导数在解处 Newton 可微、且逆 Newton 算子一致有界，论文既提供最优性系统，也提供可实现且局部超线性收敛的求解器。如果问题需要不等式约束，或者该问题类的可微性与有界性假设尚未验证，论文自身的讨论把它归入未来工作，而不是已演示的范围。

本文引用的文献