Multigrid-based optimal shape and topology design in magnetostatics
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F07%3A00014981" target="_blank" >RIV/61989100:27240/07:00014981 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Multigrid-based optimal shape and topology design in magnetostatics
Popis výsledku v původním jazyce
The paper deals with an efficient solution technique to large-scale discretized shape and topology optimization problems. The efficiency relies on multigrid preconditioni ng. In case of shape optimization, we apply a geometric multigrid preconditioner toeliminate the underlying state equation while the outer optimization loop is the sequential quadratic programming, which is done in the multilevel fashion as well. In case of topology optimization, we can only use the steepest-descent optimization method, since the topology Hessian is dense and large-scale. We al so discuss a Newton-Lagrange technique, which leads to a sequential solution of large-scale, but sparse saddle-point systems, that are solved by an augmented Lagrangian method with a multigridpreconditioning. At the end, we present a sequential coupling of the topology and shape optimization. Numerical results are given for a geometry optimization in 2-dimensional nonlinear magnetostatics.
Název v anglickém jazyce
Multigrid-based optimal shape and topology design in magnetostatics
Popis výsledku anglicky
The paper deals with an efficient solution technique to large-scale discretized shape and topology optimization problems. The efficiency relies on multigrid preconditioni ng. In case of shape optimization, we apply a geometric multigrid preconditioner toeliminate the underlying state equation while the outer optimization loop is the sequential quadratic programming, which is done in the multilevel fashion as well. In case of topology optimization, we can only use the steepest-descent optimization method, since the topology Hessian is dense and large-scale. We al so discuss a Newton-Lagrange technique, which leads to a sequential solution of large-scale, but sparse saddle-point systems, that are solved by an augmented Lagrangian method with a multigridpreconditioning. At the end, we present a sequential coupling of the topology and shape optimization. Numerical results are given for a geometry optimization in 2-dimensional nonlinear magnetostatics.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BA - Obecná matematika
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2007
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Numerical Methods and Applications: 6th International Conference, NMA 2006
ISBN
3-540-70940-1
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
9
Strana od-do
—
Název nakladatele
Springer Netherlands
Místo vydání
Berlin, Heidelberg
Místo konání akce
Borovec, Bulharsko
Datum konání akce
20. 8. 2006
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000245775400009