Optimisation de formes
Beniamin Bogosel
CNRS, Centre de Math´ematiques Appliqu´ees
´Ecole Polytechnique
Introduction
l’Optimisation de formes concerne la minimisation d’une fonction objectif J(Ω) qui depend d’une forme Ω dans R
2ou R
3sous certaines contraintes ce type de probl` eme apparaˆıt souvent en sciences et en nature
aujourd’hui : domaine int´ eressant pour les ing´ enieurs
interface entre math´ ematiques, physiques, ing´ enierie m´ ecanique et calcul scientifique
en plein d´ eveloppement actuellement
Contenu du cours
Le cours est compos´ e de
6h de cours sur les principaux aspects th´ eoriques
des sessions pratiques concernant l’impl´ ementation des algorithmes basiques d’optimisation topologique en FreeFem++
Materiel pour le cours:
http://www.cmap.polytechnique.fr/~beniamin.bogosel/
enseignement.html#ENSTA
Contact, questions
beniamin.bogosel[at]cmap.polytechnique.fr
Contenu du 1er cours
1
Quelques exemples historiques
Probl` eme de Dido et in´ egalit´ e isop´ erim´ etrique Optimisation de forme en nature
Optimisation de formes en architecture Vers l’optimisation de forme moderne
2
Notions de base
C’est quoi un probl` eme d’optimisation de formes?
Exemples et mod` eles
Aper¸ cu rapide de la m´ ethode des ´ el´ ements finis
Quelques exemples historiques
Probl` eme de Dido et in´ egalit´ e isop´ erim´ etrique Optimisation de forme en nature
Optimisation de formes en architecture
Vers l’optimisation de forme moderne
Probl` eme de Dido
le mythe de la fondation de la ville de Carthage
la reine de Tyr arrive en Afrique pr` es de Tunis et demande asile apr` es l’assassinat de son mari
on ne lui conc` ede que ce que pourrait couvrir la peau d’un bœuf
elle utilise la peau de beauf pour obtenir une corde de quelques km
avec ce corde elle encercle un territoire pour fonder la ville de Carthage
Probl` eme de Dido (2)
On arrive donc au probl` eme suivant :
Comment utiliser la corde d’une longueur donn´ ee pour maximiser l’aire de la surface entour´ ee par la corde ?
(gauche) La solution si on peut aussi utiliser le bord de la mer
(droite) La solution en utilisant que la corde pour construire le bord
L’in´ egalit´ e isop´ erim´ etrique
Soit Ω ⊂ R
2un domaine avec une fronti` ere r´ eguli` ere ∂Ω. Soit A l’aire de Ω et ` la longueur de ∂Ω. Alors
4πA ≤ `
2,
et l’´ egalit´ e est atteinte si et seulement si Ω est un disque
De mani` ere ´ equivalente on peut dire :
Parmi tous les domaines Ω ⊂ R
2avec aire prescrite, le domaine avec le p´ erim` etre minimal est le disque
Autres variantes peuvent ˆ etres formul´ ees : si une partie du bord est fix´ ee
(comme le bord de la mer) alors la partie libre est une partie d’un cercle.
L’in´ egalit´ e isop´ erim´ etrique (2)
Une de premi` eres preuves a ´ et´ e donn´ ee en 1838 par Steiner, mais la preuve
´
etait incompl` ete : il a prouv´ e que la forme optimale est un disque en supposant qu’elle existe
Il existe une multitude de probl` emes d’optimisation de formes sans solution, pour des raisons math´ ematiques ou physiques
maximiser le p´ erim` etre ` a volume fixe
trouver la pi` ece avec une r´ esistance maximale sous certains chargements la premi` ere preuve compl` ete en dimension deux : K. Weierstrass 1860 dimension trois : H. Schwarz 1884
Parmi tous les domaines Ω ⊂ R
3avec
volume prescrit la boule minimise l’aire de
surface.
Une autre application
Optimiser le coˆ ut des fortifications : Ancien Paris
Quelques exemples historiques
Probl` eme de Dido et in´ egalit´ e isop´ erim´ etrique Optimisation de forme en nature
Optimisation de formes en architecture
Vers l’optimisation de forme moderne
Le nid d’abeilles
probl` eme isop´ erim´ etrique pour une partition
la partition en hexagones r´ eguliers ` a la longueur minimale parmi les
partitions en cellules de mˆ eme aire
Le nid d’abeilles sph´ erique
Si on fixe les aires des patchs noirs et blancs, la structure classique d’un ballon de football minimise la longueur des r´ egions de couture
? pas de preuve math´ ematique : simulations num´ eriques
Les boules de savon
Les boules de savon essaient de prendre la forme qui minimise la surface totale
englobant toujours un volume fixe
Quelques exemples historiques
Probl` eme de Dido et in´ egalit´ e isop´ erim´ etrique Optimisation de forme en nature
Optimisation de formes en architecture
Vers l’optimisation de forme moderne
A la recherche des designs optimaux
? Th´ eor` eme de Hooke
”As hangs the flexible chain, so but inverted will stand the rigid arch.”
A la recherche des designs optimaux (2)
? A. Gaudi fait le plan de l’´ eglise de Colonia Guell ` a l’envers en suspendant des
poids sur des membranes.
A la recherche des designs optimaux (3)
? des techniques modernes d’optimisation de formes sont utilis´ ees pour concevoir des bˆ atiments
Quatar National Convention Center
A la recherche des designs optimaux (4)
? design des ponts optimaux
le pont de Bayonne
Quelques exemples historiques
Probl` eme de Dido et in´ egalit´ e isop´ erim´ etrique Optimisation de forme en nature
Optimisation de formes en architecture
Vers l’optimisation de forme moderne
Vers l’optimisation de forme moderne
? des m´ ethodes d’optimisation de formes plus avanc´ ees ont ´ emerg´ e apr` es 1960
Le d´ eveloppement des outils num´ eriques pour simuler des ph´ enom` enes complexes (la m´ ethode des ´ el´ ements finis)
L’apparition des ordinateurs plus puissants
? Un domaine important d’int´ erˆ et est
l’a´ eronautique, o‘u les ing´ enieurs veulent optimiser le profil des ailes pour
minimiser la traˆın´ ee
maximiser la portance
Vers l’optimisation de forme moderne (2)
? assistance ordinateur : applications ing´ enierie civile et m´ ecanique
Vers l’optimisation de forme moderne (3)
? L’optimisation de formes et topologique est utilis´ ee en industrie avec des applications tr` es vari´ ees
? Plusieurs logiciels industriels sont disponibles : OptiStruct, Ansys, Tosca...
? Des structures complexes ne pouvaient pas ˆ etres fabriqu´ ees dans le pass´ e
? ... aujourd’hui tout est possible (enfin, presque tout) en utilisant la fabrication
additive
Exemple industriels
? Airbus: optimiser la structure d’une aile : ´ economiser 1000kg par avion
? Renault: optimisation structure int´ erieure hayon, optimisation supports
moteur, etc.
Quelques m´ ethodes en optimisation topologique
”aller-retour” entre ing´ enieur et responsable simulation : processus tr` es lent optimisation g´ en´ etique : si peu de param` etres rentrent en jeu
optimisation avec algorithme de gradient : beaucoup plus efficace mais n´ ecessite quelques calculs th´ eoriques
−→ [G. Allaire, Conception optimale de structures]
optimisation avec diff´ erentiation automatique : il n’est pas n´ ecessaire de calculer le gradient ` a la main mais n´ ecessite des travaux pouss´ es en informatique
−→ [Mohammadi, Pironneau, Applied Shape Optimization for Fluids]
D´ eveloppements r´ ecents : optimisation topologique tr` es rapide sur les
GPU, encore des challenges de codage
Dans ce cours...
comprendre l’impact des questions d’existence des solutions sur l’approche num´ erique
voir comment calculer la d´ eriv´ ee de forme dans certains cas standard observer des impl´ ementations basiques en 2D en FreeFem++ : voir comment cr´ eer vos propres cas d’optimisation, observer l’impact des param` etres sur le design final
vers la fin, voir quels sont les difficult´ es en 3D sur des cas test standard Disclaimer
Ce cours se veut une introduction ` a l’Optimisation Topologique. L’objectif est de comprendre quelques exemples standard et de vous former une id´ ee de ce que les logiciels font quand ils optimisent des formes.
Pour aller plus loin consultez la liste de r´ ef´ erences fournie.
Notions de base
C’est quoi un probl` eme d’optimisation de formes?
Exemples et mod` eles
Aper¸ cu rapide de la m´ ethode des ´ el´ ements finis
Optimisation de formes
Formulation typique
Ω∈A
min F(Ω) t .q. C (Ω) ≤ 0
Ω ⊂ R
dest une forme ou une variable de design F est une fonction objectif, coˆ ut qui d´ epend d’Ω
Exemples : volume, p´ erim` etre (surface), compliance, etc.
C(Ω) est une fonction contrainte A est l’ensemble des formes admissibles
informations sur les ensembles Ω contient des ´ eventuelles contraintes
? En m´ ecanique et application physiques, J (Ω) et C(Ω) d´ ependent souvent d’Ω via une fonction d’´ etat u
Ω, solution d’une EDP sur Ω.
−→ ´ equation de la chaleur, ´ elasticit´ e lin´ earis´ ee, ´ equation de Stokes, etc
Description du processus d’optimisation
Plusieurs ingr´ edients :
un mod` ele physique, souvent sous la forme d’une EDP pour d´ ecrire le comportement des formes
une description math´ ematique des formes et leurs variations (un jeu de param` etres, fonction densit´ e, etc...)
une description num´ erique des formes (maillage, repr´ esentation splines, etc)
? ces choix sont inter-connect´ ees et sont guid´ ees par chaque application particuli` ere
? trois cat´ egories principales : optimisation param´ etrique, g´ eom´ etrique et topologique
? points de vue diff´ erents sur le probl` eme
? les approches math´ ematiques et num´ eriques ont des points en commun
Point de vue th´ eorique
Probl` eme
min
Ω∈A
F(Ω), C (Ω) ≤ 0 existence des solutions
conditions d’optimalit´ e, r´ egularit´ e des solutions trouver explicitement la solution (souvent impossible) propri´ et´ es qualitatives
approximation num´ erique
Quelques id´ ees concernant l’existence des solutions
Cas classique - f : K ⊂ R
d→ R min
x∈K
f (x) R´ esultat classique
Une fonction continue sur un compact atteint ses valeurs extr´ emales
Approche classique en optimisation
? continuit´ e + compacit´ e = ⇒ existence des solutions Questions d´ elicates en optimisation de formes
quelle topologie choisir sur l’ensemble de formes ? compacit´ e - peu d’ensembles ouverts
continuit´ e - beaucoup d’ensembles ouverts
Point de vue applicatif
Probl` eme
Ω∈A
min F(Ω),
peut-on diminuer F(Ω) tout en pr´ eservant les ´ eventuelles contraintes avoir des m´ ethodes num´ eriques et algorithmes efficaces pour automatiser la recherche des domaines meilleurs
l’existence et la r´ egularit´ e de la solution ne posent pas de probl` emes pour
les applications en pratique, mais peuvent expliquer un comportement
bizarre d’un algorithme num´ erique
Optimisation param´ etrique
Les formes sont d´ ecrites par un jeu de param` etres physiques : ´ epaisseur, points de contrˆ ole, etc
description d’une aile par des NURBS;
les param` etres p
isont les points de contrˆ ole
Description d’une plaque par son
´
epaisseur h : S → R
+Optimisation param´ etrique (2)
Les param` etres qui d´ ecrivent les formes sont les seules variables d’optimisation, et le probl` eme d’optimisation de formes devient
min
(pi)∈Pad
J(p
1, ..., p
N), o` u P
adest l’ensemble des param` etres admissibles
Dans l’optimisation param´ etrique il est facile de voir la variation de la forme par rapport ` a chaque param` etre p
i(p
i)
i=1,...,N→ (p
i+ δp
i)
i=1,...,N.
Utiliser une telle m´ ethode impose une restriction importante sur les designs
possibles et n´ ecessite une connaissance a priori du design optimal souhait´ e
Optimisation g´ eom´ etrique
La topologie de la forme est fix´ ee (le num´ ero de trous en 2d)
La variable d’optimisation est toute la fronti` ere ∂Ω de la forme Ω
L’optimisation g´ eom´ etrique donne plus de
libert´ e que l’optimisation param´ etrique
Optimisation topologique
Dans beaucoup d’applications la topologie des formes n’est pas connue, et est sujet d’optimisation
Dans ce cadre on prefere souvent de ne pas decrire les frontieres des formes et d’utiliser des representations qui permet
naturellement des changements de topologie
une possibilit´ e est de d´ ecrire Ω par des
fonctions densit´ e h : D → [0, 1].
Notions de base
C’est quoi un probl` eme d’optimisation de formes?
Exemples et mod` eles
Aper¸ cu rapide de la m´ ethode des ´ el´ ements finis
Exemple acad´ emique
Une cavit´ e D ⊂ R
dest remplie par un mat´ eriel ayant conductivit´ e thermique h : D → R
+.
Une r´ egion Γ
D⊂ ∂D est tenue ` a temp´ erature 0 Un flux de chaleur g est appliqu´ e sur
Γ
N= ∂D \ Γ
DUne source de chaleur ou puits f : D → R actionne ` a l’int´ erieur de D
La temp´ erature u
h: D → R dans la cavit´ e est la solution de l’´ equation de la chaleur :
− div(h∇u
h) = f dans D
u
h= 0 sur Γ
Dh
∂u∂nh= g sur Γ
NProbl` eme d’optimisation param´ etrique : la variable de design est la conductivit´ e h ∈ U
ad, o` u
U = {h ∈ L
∞(D), α ≤ h(x ) ≤ β, x ∈ D}
Exemple acad´ emique : fonctions objectif
La compliance C (h) de la cavit´ e D : C (h) =
Z
D
h|∇u
h|
2dx = Z
ΓN
gu
hds ,
comme une mesure du travail du flux de chaleur sur D
Une erreur type moindres-carr´ es entre u
het la temp´ erature cible u
0: D(h) =
Z
D
k(x)|u
h− u
0|
αdx
1/α, o` u α est un param` etre fixe et k (x ) une fonction poids l’oppos´ ee de la premi` ere valeur propre de la cavit´ e :
−λ
1(h), avec λ
1(h) = min
u∈H1(D),u=0 sur ΓD
R
D
h|∇u|
2dx R
D
u
2dx ,
qui caract´ erise le taux instantan´ e de la d´ ecroissance de la chaleur dans D
Exemple acad´ emique : une autre variante
Ce probl` eme admet une variante du type optimisation g´ eom´ etrique : supposons que la conductivit´ e dans D est ´ egale ` a
Une valeur ´ elev´ ee β dans une r´ egion Ω ⊂ D Une valuer faible α dans D \ Ω
Finalement h
Ω= α + χ
Ω(β − α) o` u χ
Ωest la fonction caract´ eristique de Ω.
La temp´ erature u
h: D → R est la solution de l’´ equation de la chaleur :
− div(h∇u
h) = f dans D
u
h= 0 sur Γ
Dh
∂u∂nh= g sur Γ
NProbl` eme d’optimisation g´ eom´ etrique : la variable
de design est la forme g´ eom´ etrique Ω ayant la
conductivit´ e plus ´ elev´ ee
Optimisation de formes en m´ ecanique structurelle
On considere une structure Ω ⊂ R
d, definie par un domaine born´ e qui est
fix´ e sur une partie Γ
D⊂ ∂Ω de sa fronti` ere soumis ` a des chargements surfaciques g appliquees sur Γ
N⊂ ∂Ω, Γ
D∩ Γ
N= ∅
Le champs de d´ eplacement u
Ω: Ω → R
dest calcul´ e en r´ esolvant le syst` eme d’´ elasticit´ e lin´ earis´ ee
− div(Ae(u)) = 0 dans D
u = 0 sur Γ
DAe(u)n = g sur Γ
NAe(u)n = 0 sur Γ = ∂Ω \ (Γ
D∪ Γ
N) o` u e(u) =
12(∇u
T+ ∇u) est le tenseur de
d´ eformations et A est la loi de Hooke du mat´ eriel
Exemples de fonctions objectif
Le travail des forces exterieures g ou la compliance C(Ω) du domaine Ω : C(Ω) =
Z
Ω
Ae(u
Ω) : e(u
Ω)dx = Z
ΓN
g .u
Ωds ,
Une erreur type moindres-carr´ es entre u
Ωet un d´ eplacement cible u
0(utile pour le design de micro-m´ ecanismes) :
D(Ω) = Z
Ω
k (x )|u
h− u
0|
αdx
1/alpha,
o` u α est un param` etre fixe et k (x ) une fonction poids
Exemples de contraintes
Contrainte sur le volume Vol(Ω) ou sur le p´ erim` etre Per(Ω) des formes Vol(Ω) =
Z
Ω
dx, Per(Ω) = Z
∂Ω
ds .
Contrainte sur le tenseur de contraintes : S (Ω) =
Z
Ω
kσ(u
Ω)k
2dx, o` u σ(u) = Ae(u) est le tenseur des contraintes Contraintes g´ eom´ etriques :
´
epaisseur minimale et maximale des formes contraintes sur les rayons de courbure contraintes type moulage
telles contraintes sont souvent impos´ ees par les processus de fabrication
Optimisation de formes en m´ ecanique de fluides
Un fluide incompressible avec viscosit´ e cin´ ematique ν occupe un domaine Ω ⊂ R
d.
Le flux u
in` a travers l’input Γ
inest connu
Un profil de pression p
outest impos´ e sur la sortie Γ
out. Des condition ”no-slip” sont impos´ ees sur la fronti` ere libre Γ = ∂Ω \ (Γ
in∪ Γ
out)
Si le nombre de Reynolds Re = VL/ν est petit alors la vitesse u
Ω: Ω → R
det la pression p
Ω: Ω → R v´ erifient les ´ equations de Stokes
−2ν div(σ(u, p)) = f dans Ω
div(u) = 0 dans Ω
u = u
insur Γ
inu = 0 sur Γ
σ(u, p)n = −p
outsur Γ
outExemple de probl` eme mod` ele 1
Optimiser la forme d’un tuyau
La forme ` a optimiser est un tuyau qui relie la partie input Γ
inau bord Γ
outUne fonction objectif possible est le travail total des forces visqueuses dans la forme
J(Ω) = 2ν Z
Ω
D(u
Ω) : D(Ω).
Une contrainte sur le volume Vol(Ω) est
impos´ ee
Exemple de probl` eme mod` ele 2
Reconstruction de la forme d’un obstacle
Un obstacle avec une forme inconnue ω est immerg´ e dans un domaine fixe D rempli avec un fluide
On dispose de la mesure u
measde la vitesse u
Ωdans une petite r´ egion d’observation O et on voudrait reconstruire la forme ω
Le domaine optimis´ e est Ω = D \ ω et seulement la partie ∂ω de ∂Ω est optimis´ ee. La fonction objectif ` a minimiser est le crit` ere moindres carr´ es
J(Ω) = Z
O
|u
Ω− u
meas|
2dx.
Autres exemples
Optimiser la section d’une aile pour diminuer la traˆın´ ee est un challenge dans l’industrie de l’a´ eronautique depuis longtemps
Optimiser la microstructure des mat´ eriaux composites
etc ...
Difficult´ es dans l’optimisation de formes
Mod´ elisation : d´ ecrire le probl` eme physique par un mod` ele relevant mais accessible du point de vue analytique et num´ erique
Aspect th´ eorique : pour certains mod` eles les formes optimales n’existent pas, on s’attend ` a obtenir au plus des minima locaux
Aspect th´ eorique et num´ erique : la variable d’optimisation est un domaine.
Il faut d´ evelopper des outils pour d´ eriver des fonctionnelles qui d´ ependent des domaines et bien param´ etrer les formes et leurs variations
Aspect num´ erique : comment repr´ esenter les formes et leurs ´ evolutions ?
Aspect num´ erique : certains probl` emes d’optimisation peuvent ˆ etre sensitifs
par rapport aux erreurs de discr´ etisation
Notions de base
C’est quoi un probl` eme d’optimisation de formes?
Exemples et mod` eles
Aper¸ cu rapide de la m´ ethode des ´ el´ ements finis
Formulation variationnelle
Comme probl` eme mod` ele consid´ erons l’´ equation de Laplace Trouver u ∈ H
01(D) tel que
−∆u = f dans D u = 0 sur ∂D o` u f ∈ L
2(D) est une source donn´ ee.
Il est possible d’associer une formulation variationnelle : Trouver u ∈ V tel que ∀v ∈ V on a a(u, v) = `(v) o` u
L’espace Hilbert V est l’espace Sobolev H
01(D)
a(·, ·) est une forme bilin´ eaire sur V donn´ ee par a(u, v ) = R
D
∇u · ∇vdx
`(·) est une forme lin´ eaire sur V donn´ ee par `(v ) = R
D
fvdx
Le th´ eor` eme de Lax-Milgram montre que la formulation variationnelle
admet une unique solution dans V .
M´ ethode des ´ el´ ements finis
La m´ ethode des ´ el´ ements finis propose de chercher une approximation u
hdans un sous-espace de dimension finie V
h⊂ V . la formulation variationnelle exacte est remplac´ ee par :
Trouver u
h∈ V
htel que ∀v
h∈ V
hon a a(u
h, v
h) = `(v
h) qui est ` a nouveau bien pos´ ee comme cons´ equence de Lax-Milgram Avantage : V
h´ etant de dimension finie, il suffit de choisir une base B = {ϕ
i}
Ni=1et la formulation variationnelle devient un syst` eme lin´ eaire A¯ u = b avec
A = (a(ϕ
i, ϕ
j)), b = (`(ϕ
i)) o` u ¯ u sont les coefficients de u
hdans la base B.
Le choix de la base est important : un des objectifs est d’avoir un syst` eme
avec une matrice creuse
Construction de l’espace d’´ el´ ements finis
Le domaine D est discr´ etis´ e en utilisant un maillage T
hqui consiste d’une partitions en triangles en 2D et t´ etra` edres en 3D.
Le param` etre h qui indique la convergence de la m´ ethode est typiquement
la taille maximale d’un ´ el´ ement de maillage.
Construction de l’espace d’´ el´ ements finis (2)
Une base {ϕ
1, ..., ϕ
Nh} des fonctions ´ el´ ements finis est introduite sur le maillage T
hExemple
N
hest le numero de sommets a
1, ..., a
Nhdu maillage
Pour chaque i = 1, ..., N
h, ϕ
iest affine sur chaque maille T ∈ T
het
ϕ
i(a
j) = 1 et ϕ
i(a
j) = 0 pour i 6= j
Formulation du syst` eme matriciel
On d´ ecompose la solution u
hdans la base d’´ el´ ements finis u
h=
Nh
X
i=1