VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM
HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ
NGUYỄN THỊ THUÝ HOA
HIỆU CHỈNH BÀI TOÁN BÙ TỔNG QUÁT
Chuyên ngành: Toán ứng dụng
Mã số: 62 46 01 12
TÓM TẮT LUẬN ÁN TIẾN SĨ TOÁN HỌC
Hà Nội - 2016
Công trình được hoàn thành tại: Học viện Khoa học và
Công nghệ - Viện Hàn lâm Khoa học và Công nghệ Việt
Nam
Người hướng dẫn khoa học 1: GS.TS. Nguyễn Bường
Người hướng dẫn khoa học 2: TS. Nguyễn Công Điều
Phản biện 1: PGS. TS. Cung Thế Anh
Phản biện 2: PGS. TS. Tạ Duy Phượng
Phản biện 3: TS. Nguyễn Minh Tuấn
Luận án sẽ được bảo vệ trước Hội đồng chấm luận án tiến sĩ, họp tại
Học viện Khoa học và Công nghệ - Viện Hàn lâm Khoa học và Công
nghệ Việt Nam vào hồi .... giờ, ngày .... tháng .... năm 2016.
Có thể tìm hiểu về luận án tại:
- Thư viện Quốc gia
- Thư viện Học viện Khoa học và Công nghệ
- Trung tâm Thư viện, Trường Đại học Nội vụ Hà Nội
Mở đầu
Trong các ấn phẩm về toán, có thể tìm thấy các trường hợp riêng
của bài toán bù rất sớm vào những năm 1940, tuy nhiên bài toán bù
chỉ thực sự thu hút các nhà toán học từ đầu năm 1960, khi bài toán
trở thành một chủ đề nghiên cứu riêng.
Bài toán bù có nguồn gốc từ bài toán bất đẳng thức biến phân,
bài toán quy hoạch toàn phương, bài toán cân bằng thị trường, bài
toán điểm dừng tối ưu, trò chơi song ma trận,... và nó có nhiều ứng
dụng trong các lĩnh vực như: kinh tế, tài chính, kỹ thuật, vật lý, sinh
thái và điều khiển tối ưu,... Chính vì vậy, việc nghiên cứu bài toán
bù hiện nay vẫn đang là vấn đề thời sự, đặc biệt là việc nghiên cứu
tìm ra phương pháp giải bài toán bù sao cho hiệu quả.
Trong bối cảnh đó, luận án này đề cập tới phương pháp hiệu chỉnh
Tikhonov cho bài toán bù tổng quát, đó là bài toán: tìm x̃ ∈ Rn sao
cho
g(x̃) ≤ 0, h(x̃) ≤ 0, hg(x̃), h(x̃)iRm = 0,
(0.1)
ở đây g(x), h(x) là hai hàm liên tục từ không gian Rn tới không
gian Rm, h., .i, k.kRn lần lượt là tích vô hướng và chuẩn trong Rn; và
phương pháp hiệu chỉnh bài toán cực trị với ràng buộc là bài toán
bù tổng quát, được phát biểu như sau: tìm một phần tử x̃ ∈ C ∩ S̃,
thỏa mãn điều kiện
ϕ(x̃) = min ϕ(y), C̃ = C ∩ S̃,
(0.2)
y∈C̃
ở đây C là tập đóng, lồi trong không gian Ơclit Rn, S̃ = S̃1 ∩ S̃2,
trong đó
S̃1 = {x ∈ Rn : g̃(x) ≤ 0, h̃(x) = 0},
n
S̃2 = {x ∈ R : g(x) ≤ 0, h(x) ≤ 0, hg(x), h(x)iRq = 0},
(0.3)
2
n
các hàm thực ϕ : R −→ R, g̃ : Rn −→ Rm, h̃ : Rn −→ Rp, g và
h : Rn −→ Rq là liên tục, ký hiệu y = (y1, y2, ..., ym) ≤ 0 có nghĩa
là yi ≤ 0 với mọi i = 1, 2, ..., m. Ta giả thiết tập nghiệm của các bài
toán (0.1), (0.2) và (0.3) khác rỗng.
Những bài toán có dạng (0.2)-(0.3) được biết đến như những bài
toán với ràng buộc bù, ký hiệu là MPEC. Thông thường, một bài
toán MPEC là bài toán tối ưu với ràng buộc là bất đẳng thức biến
phân. Tuy nhiên, trong một số trường hợp MPEC có thể viết dưới
dạng (0.2)-(0.3).
Trong trường hợp đặc biệt, khi m = n, g(x) = −x và h(x) =
−F (x), trong đó F : Rn −→ Rn là ánh xạ affin, nghĩa là
F (x) = M x + q, M ∈ Rn×n, q ∈ Rn,
bài toán (0.1) được gọi là bài toán bù tuyến tính, ký hiệu bởi LCP (q, M ).
Tìm hiểu nghiệm của bài toán này, Olsson D. đã thu được các kết
quả sau.
Định lí 0.1 Khi M ∈ Rn×n là P - ma trận với tất cả các định
thức con chính của M dương thì LCP (q, M ) có một nghiệm với
q ∈ Rn.
Định lí 0.2 Nếu q không âm thì bài toán bù tuyến tính LCP (q, M )
luôn giải được và x = 0 là một nghiệm tầm thường của nó.
Nghiên cứu mối quan hệ giữa bài toán bù tuyến tính và bài toán
bất đẳng thức biến phân, ký hiệu bởi V I(K, F ), là bài toán tìm một
vectơ x ∈ K ⊂ Rn sao cho
hy − x, F (x)i ≥ 0, ∀y ∈ K,
ở đây F : K −→ Rn là hàm liên tục và K là tập đóng, lồi, Olsson
D. đã chứng minh tiếp được kết quả dưới đây.
Định lí 0.3 Nếu F = M x + q, M ∈ Rn×n, q ∈ Rn, x ∈ Rn+ thì
V I(F, Rn+) và bài toán bù tuyến tính LCP (q, M ) có nghiệm hoàn
toàn trùng nhau.
Khi n = m, g(x) = −x và h(x) = −F (x) trong đó F là ánh xạ
phi tuyến từ Rn vào Rn, bài toán (0.1) được gọi là bài toán bù phi
3
tuyến, ký hiệu bởi N CP (F ), đó là bài toán tìm vectơ x ∈ Rn sao
cho
x ≥ 0, F (x) ≥ 0, hx, F (x)i = 0,
(0.4)
các nhà khoa học cũng đã tìm ra rất nhiều phương pháp giải cho
loại bài toán này. Tất cả các phương pháp đưa ra đều dẫn tới giải
một bài toán cực tiểu hoặc một hệ phương trình tương đương. Có
thể chia thành lớp các phương pháp sau:
• Phương pháp sử dụng hàm khoảng
Trong phương pháp này, họ đã biến đổi bài toán N CP (F ) thành
bài toán tương đương nhờ một hàm được gọi là hàm khoảng (merit
function) để đưa về bài toán tìm cực tiểu có ràng buộc của một
phiếm hàm. Công cụ thuận tiện để thiết lập hàm khoảng là C - hàm,
đó là hàm φ : R2 −→ R thỏa mãn tính chất:
φ(a, b) = 0 ⇐⇒ ab = 0, a ≥ 0, b ≥ 0.
Có một số C - hàm sau:
φN R (a, b) = min{a, b};
1
2
2
2
2
φM S (a, b) = ab+
max{0, a−αb} −a +max{0, b−αa} −b , α > 1;
2α
√
φF B (a, b) = a2 + b2 − a − b.
Hàm khoảng được xây dựng trên hàm φN R được gọi là hàm số dư tự
nhiên. Hàm φM S không âm trên R2 và hàm khoảng được xây dựng
trên nó gọi là hàm Lagrange ẩn được giới thiệu bởi Mangasarian và
Solodov. Hàm φF B được gọi là hàm Fischer. Gần đây, dựa trên hàm
φF B nhiều nhà khoa học đã mở rộng nghiên cứu và đưa ra một số
hàm mới có tính chất tốt hơn. Luo và Tseng đã đưa ra một lớp các
hàm khoảng mới f˜ : Rn −→ R xác định bởi
f˜(x) = ψ0(hx, F (x)iRn ) +
n
X
ψi(−xi, −Fi),
i=1
ở đây ψ0 : R −→ [0, ∞) và ψi : R2 −→ [0, ∞), i = 1, 2, ..., n là các
hàm liên tục. Ý tưởng mới này cũng được Kanzow C., Yamashita N.
4
và Fukushima M. sử dụng để xây dựng hàm khoảng mới.
• Phương pháp hiệu chỉnh
Thay vì tìm nghiệm trực tiếp, phương pháp này tìm nghiệm của
dãy các bài toán đặt chỉnh mà những nghiệm của chúng sẽ hội tụ tới
nghiệm của bài toán ban đầu. Lược đồ hiệu chỉnh Tikhonov đối với
bài toán bù bao gồm việc giải dãy các bài toán:
x ≥ 0, Fε(x) ≥ 0, hx, Fε(x)iRn = 0,
(0.5)
ở đây, Fε(x) = F (x) + εx và ε là tham số dương hội tụ tới 0.
• Phương pháp kết hợp hàm khoảng và hiệu chỉnh
Trong phương pháp này, việc hiệu chỉnh dựa trên hàm H là hàm
đi từ không gian Rn+1 tới Rn+1, xác định bởi
H(ε, z) = 0 ⇐⇒ ε = 0, x ∈ S 0,
(0.6)
ở đây S 0 là tập nghiệm của (0.4), z := (ε, x) ∈ R × Rn, H(ε, z) :=
hε, G(ε, z)i và hàm khoảng G : Rn+1 −→ Rn, với
Gi(ε, x) := φ(xi, Fε,i(x)), i = 1, 2, ..., n,
trong đó φ(.) là hàm Fischer, Fε,i là thành phần thứ i của Fε.
Sự hội tụ của nghiệm hiệu chỉnh đối với (0.5) và (0.6) chỉ được
thiết lập trong trường hợp F là đơn điệu hoặc P0 - hàm. Hơn nữa,
tốc độ hội tụ của nghiệm hiệu chỉnh vẫn chưa được xem xét.
N. Bường đã sử dụng phương pháp hiệu chỉnh Tikhonov để biến
đổi bài toán (0.2) thành bài toán cực trị không ràng buộc. Tiếp nối ý
tưởng trên, trong luận án này, chúng tôi đã nghiên cứu phương pháp
giải bài toán cực trị trong trường hợp bài toán có ràng buộc là bài
toán bù tổng quát và đã chứng minh được kết quả hội tụ của nghiệm
hiệu chỉnh.
Như vậy, trong những trường hợp đặc biệt, bài toán bù đã có nhiều
phương pháp giải khác nhau. Tuy nhiên, các kết quả đưa ra đều đòi
hỏi các hàm trong bài toán phải có tính chất đơn điệu hoặc là P0 hàm. Mặt khác, đối với bài toán bù tổng quát, chưa có thuật toán
hiệu chỉnh. Chính vì thế, luận án này tập trung nghiên cứu phương
pháp hiệu chỉnh bài toán bù tổng quát nhằm khắc phục những nhược
5
điểm trên. Chúng tôi đã tiếp cận bài toán theo hướng khác và đã đưa
ra một phương pháp giải bài toán này. Phương pháp mới không yêu
cầu hàm g(x) và h(x) phải có tính P0 - hàm. Thuật toán hiệu chỉnh
dẫn tới cực tiểu một phiếm hàm phụ thuộc tham số nhưng không có
ràng buộc, do đó việc giải bài toán trở nên đơn giản hơn rất nhiều.
Các kết quả thu được trong luận án là:
1) Đưa ra thuật toán hiệu chỉnh cho bài toán bù tổng quát;
2) Đưa ra thuật toán hiệu chỉnh cho bài toán cực trị với ràng buộc
là bài toán bù tổng quát;
3) Đánh giá tốc độ hội tụ của nghiệm hiệu chỉnh;
4) Minh họa các phương pháp đưa ra bằng bài toán cụ thể.
Ngoài phần mở đầu, kết luận và danh mục các tài liệu tham khảo,
luận án được bố cục gồm ba chương.
Chương 1 có tính chất bổ trợ, trình bày sơ lược về một số vấn đề
có liên quan như: P0 - hàm, P - hàm, P - hàm đều, hàm đơn điệu,
hàm đơn điệu mạnh, P0 - ma trận, P - ma trận; giới thiệu bài toán
đặt không chỉnh và phương pháp hiệu chỉnh Tikhonov cho bài toán
cực trị tổng quát. Chương 1 cũng trình bày khái niệm về bài toán bù
tuyến tính, bài toán bù phi tuyến và một số phương pháp giải các
bài toán này.
Chương 2 trình bày định nghĩa và phương pháp hiệu chỉnh bài
toán bù tổng quát; các định lí chứng minh sự tồn tại nghiệm và đánh
giá tốc độ hội tụ của nghiệm hiệu chỉnh. Ngoài ra, chương 2 còn giới
thiệu một số bài toán dẫn tới bài toán bù tổng quát như: bài toán
qui hoạch toàn phương, trò chơi song ma trận và bài toán cân bằng
thị trường. Ví dụ số cùng kết quả tính toán minh họa cho phương
pháp hiệu chỉnh được trình bày ở cuối chương.
Chương 3 giới thiệu bài toán cực trị với ràng buộc là bài toán
bù tổng quát, bao gồm: định nghĩa và một số kết quả nghiên cứu
gần đây. Mục 3.2. trình bày phương pháp hiệu chỉnh Tikhonov cho
bài toán này và một số định lí chứng minh sự tồn tại nghiệm. Cuối
chương là ví dụ số minh họa cho phương pháp nêu trên.
6
Các kết quả của luận án được báo cáo tại:
• Hội thảo Quốc gia lần thứ XV "Một số vấn đề chọn lọc về công
nghệ thông tin và truyền thông", Hà Nội 03 - 04/12/2012;
• Hội thảo Quốc gia lần thứ XVI "Một số vấn đề chọn lọc về công
nghệ thông tin và truyền thông", Đà Nẵng 14 - 15/11/2013;
• Hội thảo Tối ưu và tính toán khoa học lần thứ 12, Ba Vì - Hà
Nội 23 - 25/4/2014;
• Hội thảo Quốc gia lần thứ XVII "Một số vấn đề chọn lọc về công
nghệ thông tin và truyền thông", Đắklắk 30 - 31/10/2014;
• Hội thảo Quốc gia lần thứ XVIII "Một số vấn đề chọn lọc về
công nghệ thông tin và truyền thông", Thành phố Hồ Chí Minh
5 - 6/11/2015;
• Seminar hàng tuần của nhóm Toán ứng dụng, Viện Công nghệ
thông tin - Viện Hàn lâm Khoa học và Công nghệ Việt Nam.
Chương 1
Một số kiến thức chuẩn bị
Chương 1 của luận án giới thiệu những kiến thức cơ bản nhất
phục vụ cho việc trình bày các kết quả nghiên cứu đạt được trong
các chương sau. Cụ thể:
Mục 1.1 đề cập đến một số khái niệm như: P0 - hàm, P - hàm, P
- hàm đều, hàm đơn điệu, hàm đơn điệu mạnh, P0 - ma trận, P - ma
trận.
Mục 1.2 đề cập đến bài toán đặt không chỉnh và phương pháp hiệu
chỉnh Tikhonov cho bài toán cực trị tổng quát.
Mục 1.3 trình bày định nghĩa về bài toán bù tuyến tính và một số
phương pháp giải như: phương pháp Lemke, phương pháp dự đoán và
hiệu chỉnh (Predictor-corrector); định nghĩa bài toán bù phi tuyến
và một số phương pháp giải bài toán này trong trường hợp đơn điệu
hoặc P0 - hàm.
Chương 2
Bài toán bù tổng quát và phương pháp
hiệu chỉnh
2.1.
Vấn đề tồn tại nghiệm của bài toán bù tổng quát
Định nghĩa 2.1 Bài toán bù tổng quát, ký hiệu bởi GCP (F, G),
là bài toán tìm vectơ x ∈ Rn sao cho
F (x) ≥ 0, G(x) ≥ 0, hF (x), G(x)i = 0,
(2.1)
trong đó F, G : Rn −→ Rn là các ánh xạ.
2.2.
Hiệu chỉnh bài toán bù tổng quát
2.2.1.
Hiệu chỉnh bài toán bù tổng quát dựa trên phiếm hàm
Tikhonov
Để giải bài toán bù tổng quát, chúng tôi biến đổi (2.1) bằng cách
đặt g(x) = −G(x), h(x) = −F (x) để đưa về bài toán: tìm x̃ ∈ Rn
sao cho
g(x̃) ≤ 0, h(x̃) ≤ 0, hg(x̃), h(x̃)iRm = 0,
(2.2)
ở đây, g(x), h(x) là hai hàm liên tục từ không gian Rn tới không gian
Rm , tích vô hướng và chuẩn của Rn lần lượt được ký hiệu là h., .i và
k.kRn ; y = (y1, y2, ..., ym) ≤ 0 có nghĩa là yi ≤ 0, i = 1, 2, ..., m.
Trong trường hợp m = n, g(x) = −x và h(x) = −F (x) là một
hàm liên tục trong Rn thì (2.2) chính là bài toán bù phi tuyến
N CP (F ) đã xét trong Mục 1.3.2 ở Chương 1. Trước đây, bài toán
này chỉ giải được khi F đơn điệu hoặc là P0 - hàm. Khắc phục nhược
điểm này, chúng tôi đã đưa ra một phương pháp mới để giải bài toán
(2.2) mà không cần g(x) và h(x) phải có các điều kiện trên. Chúng
tôi cũng thiết lập tốc độ hội tụ của nghiệm hiệu chỉnh trong trường
9
hợp gi(x)hi(x) khả vi và có đạo hàm liên tục Lipschitz. Bằng cách
đặt
ϕi(x) = max{0, gi(x)}, i = 1, 2, ..., m,
ϕm+i(x) = max{0, hi(x)}, i = 1, 2, ..., m,
rõ ràng
Si := {x ∈ Rn : gi(x) ≤ 0} = {x ∈ Rn : ϕi(x) = 0},
Sm+i := {x ∈ Rn : hi(x) ≤ 0} = {x ∈ Rn : ϕm+i(x) = 0},
với i = 1, 2, ..., m,.
Hàm ϕj liên tục, không âm trên Rn và
ϕj (y) = 0 ∀y ∈ ∩N
j=1 Sj , j = 1, 2, ..., 2m := N.
Hơn nữa
n
∩N
j=1 Sj = {x ∈ R : g(x) ≤ 0, h(x) ≤ 0}.
Hiển nhiên
hg(x̃), h(x̃)iRm =
m
X
gi(x̃)hi(x̃) = 0 ⇐⇒ gi(x̃)hi(x̃) = 0, i = 1, m.
i=1
Do đó, xét hàm fi(x) = gi(x)hi(x) và đặt
S0 = x ∈ Rn : fi(x) = 0, i = 1, 2, ..., m .
(2.3)
Bài toán (2.2) tương đương với việc tìm một phần tử x̃ thuộc ∩N
i=0 Si
hoặc thỏa mãn
ϕj (x̃) = minn ϕj (x), j = 1, 2, ..., N,
x∈R
(2.4)
và x̃ ∈ S0. Điều này có nghĩa là nghiệm x̃ của (2.2) thuộc giao giữa
tập nghiệm của bài toán cực trị (2.4) và hệ phương trình (2.3).
Phương pháp hiệu chỉnh Tikhonov cho (2.2) được xây dựng trên
cơ sở giải bài toán cực trị với ràng buộc đẳng thức sau đây: tìm một
phần tử x̃ ∈ Rn sao cho
ϕj (x̃) = min ϕj (x), j = 1, 2, ..., N.
x∈S0
10
Xét bài toán cực tiểu sau: tìm một phần tử xα ∈ Rn thỏa mãn
Fα (xα ) = minn Fα (x),
x∈R
(2.5)
ở đây Fα (x) xác định bởi
Fα (x) =
kF (x)k2Rm
+
N
X
αµj ϕj (x) + αkx − x∗k2Rn ,
j=1
0 ≤ µ1 < µj < µj+1 < 1, j = 2, ..., N − 1,
F (x) = (f1(x), ..., fm(x))T ,
và x∗ là phần tử nào đó trong Rn.
Bài toán (2.5) có nghiệm xα với mỗi α > 0.
Chúng tôi đã chứng minh được sự hội tụ của nghiệm hiệu chỉnh
và đánh giá được tốc độ hội tụ của nó thông qua định lí sau.
Định lí 2.1 Cho αk → 0, khi k → ∞ thì mọi dãy {xk }, ở đây
xk := xαk là nghiệm của (2.5) với α thay bởi αk , có một dãy con
hội tụ. Giới hạn của mọi dãy con hội tụ là nghiệm có x∗ - chuẩn
nhỏ nhất (x∗ - MNS). Nếu x̃ có x∗ - MNS là duy nhất thì
lim xk = x̃.
k→∞
Định lí 2.2 Nếu các điều kiện dưới đây đúng
i) F khả vi;
0
0
ii) tồn tại L > 0 sao cho kF (x̃ − F (z)kL(Rn,Rm) ≤ Lkx̃ − zkRn
với z thuộc lân cận nào đó của x̃;
0
iii) tồn tại ω ∈ Rm sao cho x̃ − x∗ = F (x̃)∗ω;
iv) LkωkRm < 1 thì
√
kxk − x̃kRn = O( αk ).
Chú ý 2.1 Khi các hàm gi(x) và hi(x) trơn, ta có thể thay công
thức ϕj trong (2.5) bằng ϕ2j thì hàm Fα cũng trơn.
Trong trường hợp {fi, ϕj } được cho lần lượt bởi các xấp xỉ liên
tục {fiδ , ϕδj } sao cho
| fi(x) − fiδ (x) |≤ δ, i = 1, 2, ..., m,
| ϕj (x) − ϕδj (x) |≤ δ, j = 1, 2, ..., N, ∀x ∈ Rn, δ −→ 0.
(2.6)
11
Dễ thấy, nếu gi, hi với các xấp xỉ của chúng lần lượt là giδ , hδi thỏa
mãn điều kiện (2.6) và giới nội thì fi với xấp xỉ của nó là fiδ cũng
thỏa mãn điều kiện này.
Phương pháp hiệu chỉnh bài toán tối ưu không ràng buộc là: tìm
một phần tử xδα ∈ Rn sao cho
Fαδ (xδα ) = minn Fαδ (x), α > 0, δ ≥ 0,
x∈R
(2.7)
ở đây Fαδ (x) xác định bởi
Fαδ (x)
= kF
δ
(x)k2Rm
+
N
X
αµj ϕδj (x) + αkx − x∗k2Rn ,
j=1
0 ≤ µ1 < µj < µj+1 < 1, j = 2, ..., N − 1,
T
F δ (x) = f1δ (x), ..., fmδ (x) ,
phụ thuộc tham số α > 0. Với mỗi α > 0 bài toán (2.7) có một
nghiệm ký hiệu bởi xδα .
Trong trường hợp bài toán bù tổng quát có nhiễu, chúng tôi cũng
chứng minh được các kết quả tương tự.
Định lí 2.3 Cho αk , δk → 0, sao cho αδkk −→ 0 khi k → ∞ thì
mọi dãy {xk }, ở đây xk := xδαkk là nghiệm của (2.7) với α, δ lần
lượt thay bởi αk , δk , có một dãy con hội tụ. Giới hạn của mọi dãy
con hội tụ là nghiệm có x∗ - chuẩn nhỏ nhất (x∗ - MNS). Nếu
nghiệm x̃ có x∗ - MNS là duy nhất thì
lim xk = x̃.
k→∞
Định lí 2.4 Nếu các điều kiện dưới đây đúng
i) F khả vi;
0
0
ii) tồn tại L > 0 sao cho kF (x̃) − F (z)kL(Rn,Rm) ≤ Lkx̃ − zkRn
với z thuộc lân cận nào đó của x̃;
0
∗
iii) tồn tại ω ∈ Rm sao cho x̃ − x∗ = F (x̃)
√ ω;
iv) LkωkRm < 1 thì với cách chọn αk ∼ δk , ta có
1
kxk − x̃kRn = O(δk4 ).
12
Ở Định lí (2.1), nghiệm hiệu chỉnh hội tụ đến nghiệm của bài toán bù
tổng quát khi nó có nghiệm x∗ − M N S duy nhất. Trong trường hợp
nghiệm này không có tính chất đó thì làm thế nào? Một ý tưởng được
đưa ra là cần khoanh một vùng nào đó để cho nghiệm x∗ − M N S
nằm trong vùng đó là duy nhất. Chính vì vậy, trong mục tiếp theo
chúng tôi xét bài toán bù tổng quát có ràng buộc là một tập đóng
lồi.
2.2.2.
Hiệu chỉnh bài toán bù tổng quát có ràng buộc
Xét bài toán bù tổng quát có ràng buộc, ký hiệu bởi CGCP : đó
là tìm một phần tử
x̃ ∈ C : g(x̃) ≤ 0, h(x̃) ≤ 0, hg(x̃), h(x̃)iRm = 0,
(2.8)
ở đây C là tập đóng, lồi trong Rn. Đặt
ϕi(x) = max{0, gi(x)}, i = 1, m,
ϕm+i(x) = max{0, hi(x)}, i = 1, m.
Rõ ràng
Si := {x ∈ Rn : gi(x) ≤ 0} = {x ∈ Rn : ϕi(x) = 0}, i = 1, m,
Si+m := {x ∈ Rn : hi(x) ≤ 0} = {x ∈ Rn : ϕm+i(x) = 0}, i = 1, m,
hàm ϕj liên tục, không âm trên Rn. Ngoài ra, có
ϕj (y) = 0 ∀y ∈ ∩N
j=1 Sj , j = 1, ..., 2m := N,
và
n
∩N
j=1 Sj = {x ∈ R : g(x) ≤ 0, h(x) ≤ 0}.
Hiển nhiên
hg(x̃), h(x̃)iRm =
m
X
gi(x̃)hi(x̃) = 0
i=1
⇐⇒ gi(x̃)hi(x̃) = 0, i = 1, ..., m.
Xét hàm
fi(x) = gi(x)hi(x)
13
và đặt
S0 = {x ∈ Rn : fi(x) = 0, i = 1, ..., m}.
(2.9)
Bài toán CGCP (2.8) tương đương với việc tìm một phần tử x̃ thuộc
C ∩ (∩N
i=0 Si ) sao cho
ϕj (x̃) =
min
x∈C∩(∩N
i=0 Si )
ϕj (x), j = 1, ..., N,
(2.10)
Để giải bài toán cực trị, chúng tôi xét bài toán tối ưu vô hướng không
ràng buộc sau: tìm một phần tử xα ∈ Rn sao cho
Fα (xα ) = minn Fα (x), α > 0,
x∈R
(2.11)
với Fα (x) xác định bởi
Fα (x) = kx − PC (x)k2Rn + kF (x)k2Rm
+
N
X
αµj ϕj (x) + αkx − x∗k2Rn ,
j=1
(2.12)
0 ≤ µ1 < µj < µj+1 < 1, j = 2, ..., N − 1,
F (x) = (f1(x), f2(x), ..., fm(x))T ,
ở đây PC (x) là phép chiếu mêtric của x ∈ Rn trên C và x∗ là phần tử
nào đó trong Rn. Bài toán (2.11) có một nghiệm xα với mỗi α > 0.
Chúng tôi đã thu được các kết quả sau.
Định lí 2.5 Cho αk → 0, khi k → ∞ thì mọi dãy {xk }, ở đây
xk := xαk là một nghiệm của (2.11)- (2.12) với α thay bởi αk có
một dãy con hội tụ. Giới hạn của mọi dãy con hội tụ là nghiệm
có x∗ - C chuẩn nhỏ nhất (x∗ - CMNS). Nếu x̃ có x∗ - CMNS là
duy nhất thì
lim xk = x̃.
k→∞
Định lí 2.6 Giả sử các điều kiện sau là đúng
(i) F khả vi;
(ii) tồn tại L > 0 sao cho kF 0(x̃) − F 0(z)kL(Rn,Rm) ≤ Lkx̃ − zkRn
với z thuộc lân cận nào đó của x̃;
14
(iii) tồn tại ω ∈ R sao cho x̃ − x∗ = F 0(x̃)∗ω;
(iv) LkωkRm < 1
thì
√
kxk − x̃kRn = O( αk ).
m
2.3.
•
•
•
•
Một số bài toán dẫn tới bài toán bù
Qui hoạch toàn phương
Trò chơi song ma trận
Cân bằng thị trường
Ví dụ số minh họa
Xét hai hàm:
g(x1, x2) = (x21 + x22 − 25, −x1 + 3),
h(x1, x2) = ((x1 − 3)2 + x22 − 4, x1 − 4),
(2.13)
và đặt C = C1 ∩ C2, xác định như sau:
C1 = {(x1, x2) ∈ R2 : x1 − 4x2 + 1 ≤ 0},
C2 = {(x1, x2) ∈ R2 : 2x1 − x2 − 2 ≥ 0}.
(2.14)
Rõ ràng, với g và h như (2.13) √
thì bài toán (2.2) có√4 nghiệm: x1 =
(3, −2), x2 = (3, 2), x3 = (4, 3) và x4 = (4, − 3). Tuy nhiên,
khi có thêm ràng buộc
là tập C = C1 ∩ C2 như (2.14) thì chỉ có
√
x2 = (3, 2), x3 = (4, 3) là nghiệm của bài toán (2.8). Dễ thấy, x2
là nghiệm có x∗ - chuẩn nhỏ nhất. Chọn: µ1 = 161 , µ2 = 18 , µ3 = 14 và
µ4 = 21 với x∗ = (0, 0). Tham số αk = (1 + k)−1 và điểm ban đầu
đối với trường hợp k = 1 là x0 = (20; 45) ∈
/ C. Ta cực tiểu hàm
Tikhonov sau
Fαk (x) = kx − PC (x)k2R2 + kF (x)k2R2
+
4
X
µ
αk j ϕej (x) + αk kx − x∗k2R2 ,
j=1
ở đây PC (x) = 12 [PC1 (x) + PC2 (x)], PCi (x) = x nếu x ∈ Ci và nếu
x∈
/ Ci thì PCi (x) = Pli (x) với li = {(x1, x2) : aix1 + bix2 = ci} và
15
ai, bi, ci là các hệ số, xác định trong (2.14),
(
ϕe1(x) = ϕ1(x) =
x21 + x22 − 25 nếu x21 + x22 − 25,
0
nếu x21 + x22 − 25 ≤ 0
(
ϕe2(x) =
ϕ22(x)
(x1 − 3)2 với x1 > 3 và x2 bất kỳ,
0
với x1 ≤ 3 và x2 bất kỳ,
=
(
ϕe3(x) = ϕ3(x) =
(x1 − 3)2 + x22 − 4 nếu (x1 − 3)2 + x22 − 4 > 0,
nếu (x1 − 3)2 + x22 − 4 ≤ 0
0
(
ϕe4(x) =
ϕ24(x)
=
(x1 − 4)2 với x1 > 4 và x2 bất kỳ,
0
với x1 ≤ 4 và x2 bất kỳ.
Có thể minh họa nghiệm của bài toán (2.8) như trong Hình 2.1 dưới
đây.
16
Sử dụng phần mềm Free Pascal 3.0.0, chạy trên máy tính Core(TM)
2 Duo CPU 2.40GHz, RAM 2.00GB, chúng tôi đã thu được kết quả
hội tụ nghiệm của bài toán (2.8) như trong Bảng 2.1 dưới đây.
Bảng 2.1. Nghiệm của bài toán (2.8)
k
1
10
20
40
50
60
70
80
90
100
200
400
500
600
700
900
1000
2000
3000
4000
6000
8000
9000
10000
x1
1.01992063
1.71908025
2.41207633
2.74195141
2.79533460
2.95653678
2.96117518
2.96121390
2.96131472
2.96158636
2.98441308
2.99083157
2.99197165
2.99258702
2.99318066
2.99646964
2.99662425
2.99844812
2.99893707
2.99913864
2.99946858
2.99957490
2.99966381
2.99969765
x2
0.26863164
1.53345569
1.91106017
1.98316305
1.98941417
1.99951405
1.99961309
1.99961604
1.99961848
1.99962029
1.99993344
1.99997458
1.99998085
1.99998295
1.99998239
1.99999060
1.99999600
1.99999896
1.99999940
1.99999963
1.99999977
1.99999986
1.99999988
1.99999988
Qua kết quả tính toán, ta thấy nghiệm hiệu chỉnh của bài toán
(2.8) hội tụ rất gần tới nghiệm x2 = (3, 2) có x∗ - chuẩn nhỏ nhất.
Chương 3
Bài toán cực trị với ràng buộc là bài
toán bù tổng quát
3.1.
Phát biểu bài toán
Định nghĩa 3.1 Bài toán cực trị với ràng buộc là bài toán bù hay
bài toán cân bằng được ký hiệu là MPEC, đó là bài toán tìm:
min f (x)
(3.1)
với các ràng buộc
g̃i(x) ≤ 0, ∀i = 1, 2, ..., m,
h̃i(x) = 0, ∀i = 1, 2, ..., p,
ĝi(x) ≥ 0, ĥi(x) ≥ 0, hĝi(x), ĥi(x)i = 0, ∀i = 1, 2, ..., q,
ở đây f, g̃i, h̃i, ĝi, ĥi : Rn −→ R là các hàm khả vi liên tục.
3.2.
Phương pháp hiệu chỉnh Tikhonov cho bài toán đặt
ra
Để giải bài toán cực trị với ràng buộc là bài toán bù tổng quát,
ta đặt g(x) = −ĝ(x), h(x) = −ĥ(x) và xét bài toán cực trị: tìm một
phần tử x̃ ∈ C ∩ S̃, thỏa mãn điều kiện
ϕ(x̃) = min ϕ(y),
(3.2)
y∈C∩S̃
ở đây C là tập đóng, lồi trong không gian Ơclit Rn, S̃ = S̃1 ∩ S̃2,
trong đó
S̃1 = x ∈ Rn : g̃(x) ≤ 0, h̃(x) = 0 ,
S̃2 = x ∈ Rn : g(x) ≤ 0, h(x) ≤ 0, hg(x), h(x)iRm = 0 ,
(3.3)
18
n
các hàm thực ϕ : R −→ R, g̃ : Rn −→ Rm, h̃ : Rn −→ Rp, g
và h : Rn −→ Rq là liên tục. Chúng tôi giả thiết tập nghiệm của
(3.2)-(3.3) khác rỗng.
Khi S̃2 = Rn (3.2)-(3.3) là bài toán cực trị phi tuyến có ràng buộc
tổng quát. Bài toán này đã được N. Bường giải bằng phương pháp
hiệu chỉnh Tikhonov cho bài toán cực tiểu không ràng buộc như sau
F̃α (xα ) = minn F̃α (x), α > 0,
x∈R
F̃α (x) =
kF̃ (x)k2Rp
+
m
X
αµj ψj (x) + αµm+1 ϕ(x)
(3.4)
j=1
+ αkx −
x∗k2Rn ,
0 ≤ µ1 < µ2 < ... < µm+1 < 1
ở đây
T
F̃ (x) = f˜1(x), f˜2(x), ..., f˜p(x) , f˜i = h̃i(x)
và ψj (x) = max{0, g̃j (x)}. Tiếp theo, để cải tiến (3.4), chúng tôi đưa
ra phương pháp hiệu chỉnh mới kiểu Tikhonov cho MPEC (3.2)-(3.3).
Để làm điều này, ta đặt:
ϕj (x) = max{0, g̃j (x)}, j = 1, 2, ..., m,
ϕm+j (x) = max{0, gj (x)}, j = 1, 2, ..., q,
ϕm+q+j (x) = max{0, hj (x)}, j = 1, 2, ..., q,
fi(x) = h̃i(x), i = 1, 2, ..., p,
fp+i(x) = gi(x)hi(x), i = 1, 2, ..., q.
Theo giả thiết, g̃, h̃, g, h liên tục, hàm ϕj và fi xác định như trên,
với j = 1, 2, ..., N (:= m + 2q) và i = 1, 2, ..., M (:= p + q) là liên tục.
Dễ chỉ ra rằng
n
n
Sj := x ∈ R : g̃j (x) ≤ 0} = {x ∈ R : ϕj (x) = 0 , j = 1, m,
Sm+j := x ∈ Rn : gj (x) ≤ 0} = {x ∈ Rn : ϕm+j (x) = 0 , j = 1, q,
n
n
Sm+q+j := x ∈ R : hj (x) ≤ 0} = {x ∈ R : ϕm+q+j (x) = 0 , j = 1, q
do ϕj (x) ≥ 0 với mọi x ∈ Rn và j = 1, 2, ..., N . Ta xét tập
S0 := x ∈ Rn : h̃(x) = 0, hg(x), h(x)iRn = 0 .
- Xem thêm -