Professional Documents
Culture Documents
NGUYỄN THÁI AN
Trong mặt phẳng cho trước n điểm a1 , a2 , . . . , an , (n > 1), ta cần tìm điểm x sao cho tổng
khoảng cách từ nó đến n điểm trên là nhỏ nhất. Đây là bài toán tối ưu tìm giá trị nhỏ nhất của
hàm
Φ(x) :=kx − a1 k + . . . +kx − an k, x ∈ R2 .
Bây giờ chúng ta đề xuất bài toán sau: cho trước n tập con khác rỗng trong một không gian
Banach, tìm điểm có tổng khoảng cách từ nó đến tất cả các tập này là nhỏ nhất. Gọi các tập
con đó là Ω1 , Ω2 , . . . , Ωn , n > 1. Xét phiếm hàm xác định như sau
n
X
f (x) := d(x, Ωi ), (1)
i=1
Đây là một bài toán tối ưu, tổng quát hóa bài toán Fermat-Torricelli-Steiner bằng cách thay
các điểm bởi các tập hợp. Hàm khoảng cách đến tập hợp trong bài toán nói chung là không
khả vi. Hơn nữa, nếu các tập con cho trước là các tập lồi thì các hàm khoảng cách tương ứng
2
và f (x) là hàm lồi. Từ đó, một cách tự nhiên là chúng ta nghỉ đến việc sử dụng các công cụ
của giải tích không trơn và đặc biệt là giải tích lồi để giải quyết bài toán.
Ý tưởng sử dụng tính lồi đã xuất hiện một thời gian trước đây với sự đóng góp của nhiều
nhà toán học xuất sắc như Fenchel và Minknowski. Tuy nhiên, mãi đến đầu những năm 1960
thì giải tích lồi mới thật sự lớn mạnh thông qua các công trình của R. Tyrrell Rockafellar và
Jacques Moreau. Giải tích lồi là một lĩnh vực toán học chuyên nghiên cứu về các hàm lồi, tập
lồi. Các đối tượng chính này có một số tính chất đặc biệt đóng vai trò quan trọng trong các
bài toán tối ưu, chẳng hạn, đối với hàm lồi thì cực tiểu địa phương cũng chính là cực tiểu toàn
cục. Việc nghiên cứu các bài toán tối ưu dựa trên công cụ chủ yếu là giải tích lồi đã tạo nên
một nhánh mới của ngành tối ưu đó là tối ưu lồi. Giải tích lồi có tầm ảnh hưởng rất lớn trong
nhiều lĩnh vực của toán học và ứng dụng bao gồm hệ thống điều khiển tự động, ước lượng và
xữ lý tín hiệu, mạng lưới truyền thông, kinh tế và tài chính. Một đặc điểm đáng chú ý của giải
tích và tối ưu lồi là ở chỗ có những thuật toán để giải quyết các bài toán tối ưu lồi ngay cả khi
hàm mục tiêu không khả vi. Tuy nhiên, để sử dụng công cụ này, chúng ta phải tính toán cái
gọi là dưới vi phân của một hàm. Đây là một khái niệm mới được đưa ra bởi Rockafellar [17]
như một dạng đạo hàm suy rộng cho hàm lồi không trơn.
Những ứng dụng lớn của giải tích lồi đã thúc đẩy các nhà toán học tìm kiếm một lý thuyết
mới để mở rộng nó sang cho một lớp rộng hơn các hàm và tập không lồi. Người tiên phong đề
xướng việc này đó là Frank Clarke, một sinh viên của Rockafellar, ông đã phát triển lý thuyết
đạo hàm suy rộng cho lớp các hàm liên tục Lipschitz. Bước chuyển đổi sang giai đoạn phát
triển hiện đại của giải tích không trơn được ghi lại trong trích dẫn sau của Roger J. B Wets
(xem [16]) nhân dịp sinh nhật lần thứ 70 của Rockafellar:
"In the early 1970s, he suggested to one of his students, F. Clarke, a definition that might
be appropriate for Lipschitz continuous functions. This definition lead to Clarke’s thesis and
this new paradigm was then exploited by a number of researchers in a variety of settings,
including optimal control theory. To this point, convexity had played a central role, but in a
series of articles written in the late 1970s, Rockafellar laid down the foundations of subdiffer-
ential calculus that placed no such restrictions on the properties of the functions or on their
domain of definition; the umbilical cord with convexity was irremediably cut when the work
of B. Mordukhovich came to his attention in the late 80’s."
Từ giữa thập niên 1970, giải tích không trơn đã thu hút sự quan tâm lớn từ các nhà toán
học, đặc biệt khi Boris Mordukhovich phát triển những kết quả ban đầu về lý thuyết đạo hàm
suy rộng cho hàm không lồi đối với hàm thực mở rộng cũng như hàm đa trị. Mặc dù không
dựa vào tính lồi nhưng việc xây dựng đạo hàm suy rộng của Mordukhovich vẫn có được những
quy tắc tính toán khá toàn diện trong một lớp các không gian Banach quan trọng, bao gồm
trong đó các không gian phản xạ. Đặc biệt quy tắc lấy dưới vi phân một tổng đóng vai trò đặc
biệt quan trọng trong các bài toán xác định vị trí tối ưu.
Sự thu hút của giải tích không trơn và những ứng dụng của nó đạt đến đỉnh cao từ khi
Rockafellar và Wets xuất bản cuốn "Variational Analysis" năm 1982 [16], cuốn sách đã cung
3
cấp một cách hệ thống và trọn vẹn nhiều kết quả quan trọng của giải tích không trơn trong
không gian hữu hạn chiều. Năm 2005, một công trình khác được công bố, " Techniques of
Variational Analysis" của J.M. Borwein và Q.J. Zhu [2] cho phép giải quyết nhiều vấn đề
khác của giải tích không trơn trong trường hợp hữu hạn chiều cũng như vô hạn chiều, ngoài
ra nó còn cung cấp hàng loạt các ứng ứng dụng khác. Gần đây nhất, năm 2006, cuốn sách hai
tập "Variational Analysis and Generalized Differentiation", tập I "Basic theory" [9] và tập II
"Applications" [10] của Boris Mordukhovich đã được xuất bản. Trong đó, rất nhiều kết quả
trong giải tích không trơn và nhiều ứng dụng của nó được tác giả đề cập, ngoài ra một số vấn
đề mở cũng như một số ứng dụng tiềm ẩn được tác giả giới thiệu. Cuốn sách đã thu hút đông
đảo các nhà toán học trên khắp thế giới. Trong số những nhà nghiên cứu có nhiều đóng góp
cho lĩnh vực này phải kể đến là J. P. Aubin, J. Borwein, J. Burke, F. H. Clarke, A. L. Dontchev,
I. Ekeland, A. D. Ioffe, H. Frankowska, A. Kruger, R. Henrion, Y. Ledyaev, A. S. Lewis, P. D.
Loewen, B. S. Mordukhovich, J. Outrata, J. S. Pang, J.-P. Penot, R. T. Rockafellar, A. Shapiro,
L. Thibault, M. Thera, R. B. Vinter, J. Warga, J.-B. Wets, P. Wolenski, J. Zhu, N. D. Yen, . . .
trong đó, X là không gian Banach, Q ⊂ X là tập đóng, gọi là tập mục tiêu và F ⊂ X là tập
lồi đóng, bị chặn gọi là tập động lực. Xem thêm các tài liệu [4, 5, 12, 21] để biết những kết
quả khác về bài toán cực tiểu thời gian và ứng dụng của nó, đặc biệt là trong tối ưu và điều
khiển.
Chúng ta tập trung vào bài toán giá trị tối ưu (3), xét hàm cực tiểu thời gian
Những đòi hỏi trong điều kiện đầu (X, Q, F ) trong (3) như trên là những giả thiết cơ bản của
chúng ta. Lưu ý rằng, ở đây ta không bắt buộc phải có điều kiện điểm trong 0 ∈ IntF , mặc dù
nó đảm bào tính liên tục Lipschitz của (4) cũng như phiếm hàm Minknowski tương ứng
sinh ra (4)
TQF (x) = inf ρF (w − x) (6)
w∈Q
4
với, ρF (u) = inf{t > 0 | t−1 u ∈ F } dưới điều kiện trên. Biểu diễn (6) cho thấy hàm khoảng
cách (2) là trường hợp đặc biệt của hàm TQF khi F = B, hình cầu đóng đơn vị trong X.
Một tính chất đặc trưng cố hữu của hàm thời gian cực tiểu (3) và ngay cả trường hợp đặc
biệt của nó (2) là tính không trơn, chính điều này bắt buộc ta phải sử dụng những công cụ
thích đáng của đạo hàm suy rộng khi nghiên cứu chúng. Trong luận văn này, chúng tôi sẽ tổng
hợp và trình bày lại một cách có hệ thống các kết quả liên quan về đạo hàm suy rộng của hàm
thời gian cực tiểu và dạng đặc biệt của nó là hàm khoảng cách. Những kết quả này đóng vai
trò quan trọng trong việc nghiên cứu bài toán Fermat-Torricelli suy rộng trong những phần
sau.
4
z axis
−2
6
−4
4
−6
−4 2
−2 0
0 y axis
x axis 2 −2
4
6 −4
n
X
minimize T (x) := TΩFi (x), x ∈ X. (7)
i=1
Đây là dạng tương ứng với mở rộng của Steiner khi tất cả các Ωi là đơn tử. Lưu ý rằng, (7)
và ngay cả dạng đặc biệt của nó (8) đều là các bài toán tối ưu không trơn. Một cách tự nhiên
5
là chúng ta phải nghiên cứu các bài toán này bằng những công cụ của giải tích không trơn và
đạo hàm suy rộng.
Trong [11], tác giả đã chỉ ra điều kiện cần cho bài toán (7) trong không gian Banach cũng
như điều kiện cần và đủ trong trường hợp lồi. Các kết quả này được sử dụng trong các lập
luận quan trọng về sau để hoàn tất việc mô tả điểm Fermat-Torricelli. Đặc biệt, chúng còn
cung cấp điều kiện cần để ứng dụng vào trường hợp không lồi cũng như điều kiện cần và đủ
cho trường hợp lồi, khi n = 3 và không gian đang xét là Hilbert hay đặc biệt là Rn với chuẩn
Euclid thông thường. Ngoài ra, tác giả đã đưa ra một số ví dụ cho 3 tập có hình dạng đặc biệt
như hình vuông, hinh tròn trong R2 .
Những kết quả ban đầu từ [11] đưa đến một số vấn đề mở thú vị mà chúng tôi sẽ tập trung
khai thác trong luận văn này. Chẳng hạn:
(1) Bài toán Fermat-Torricelli suy rộng cho 3 tập trong trường hợp hàm khoảng cách được
sinh bởi chuẩn không phải chuẩn Euclid. Để ý rằng, khi thay đổi tập F thì ta cũng thu
được những hàm khoảng cách sinh ra bởi những chuẩn khác nhau trong X.
n
X
minimize T (x) := µi TΩFi (x), x ∈ X,
i=1
trong đó, µi > 0, với mọi i = 1, . . . , n.
2.3 Bài toán Fermat-Torricelli suy rộng xét về mặt thuật toán
Một trong những phần quan trọng của đề tài là ở chổ đưa ra được thuật toán và viết chương
trình máy tính để giải quyết trọn vẹn hơn nữa bài toán Fermat-Torricelli suy rộng. Giải quyết
được điều này mới mang lại sự khả thi cho những ứng dụng trong thực tế của bài toán.
Trong trường hợp lồi, dựa trên phương pháp dưới vi phân trong tối ưu lồi và cách tính dưới
vi phân cho hàm khoảng cách và hàm thời gian cực tiểu trong [13], chúng tôi đã đưa ra được
thuật toán để giải quyết vấn đề trên.
Đối với hàm lồi φ : Rn → R, phép lặp từ phương pháp dưới vi phân để giải bài toán tối
ưu lồi là
xk+1 = xk − αk x∗k
Vk+1 = min{Vk , φ(xk )}, k = 1, 2, . . . ,
minimize φ(x), x ∈ Rn .
6
Phương pháp dưới vi phân cũng được mở rộng cho bài toán tối ưu
minimize φ(x), x ∈ Ω
trong đó x∗k ∈ ∂φ(xk ), αk ∈ R+ , x1 được chọn trước, và P (u; Ω) là hình chiếu Euclid của u
trên Ω.
Các kết quả ban đầu từ [11] cho thấy tính ứng dụng của phương pháp đối với bài toán
Fermat-Torricelli suy rộng. Cách tiếp cận này cho phép chúng tôi giải quyết được bài toán
Fermat-Torricelli suy rộng đối với các tập trong trường hợp hàm khoảng cách được sinh ra bởi
chuẩn Euclid cũng như không phải chuẩn Euclid.
1.1 Nhắc lại một số kết quả của giải tích không trơn
♣ Định nghĩa dưới vi phân cho hàm lồi, điều kiện để hàm lồi đạt cực
tiểu địa phương (cũng là toàn cục), quy tắc lấy dưới vi phân một tổng
các hàm lồi.
♣ Định nghĩa ε dưới vi phân, dưới vi phân Fréchet, dưới vi phân Mor-
dukhovich, nón pháp tuyến, quy tắc lấy dưới vi phân một tổng các
hàm không lồi.
7
1.2 Đạo hàm suy rộng của hàm thời gian cực tiểu
2.1 Điều kiện tối ưu cho bài toán Fermat-Torricelli trong trường hợp hữu hạn
và vô hạn chiều
♣ Sự tồn tại của nghiệm tối ưu cho bài toán Fermat-Torricelli.
♣ Điều kiện cần đối với nghiệm tối ưu của bài toán (7) trong không gian
vô hạn chiều.
♣ Điều kiện cần và đủ đối với nghiệm tối ưu của bài toán (7) cho các
tập lồi trong không gian Banach.
2.2 Một số ví dụ trong các trường hợp đặc biệt
2.3 Thuật toán cho bài toán Fermat-Torricelli khi các tập Ωi lồi
2.4 Xét bài toán trong trường hợp chuẩn không phải Euclid (hoặc một hướng
nào đó nếu có thể)
8
Tài liệu tham khảo
[1] D. Bertsekas, A. Nedic, and A. Ozdaglar, Convex Analysis and Optimization, Athena
Scientific, Boston, 2003.
[2] J.M. Borwein and Q.J. Zhu, Techniques of Variational Analysis, Springer, CMS Books
in Mathematics, Springer, New York, 2005.
[3] G. Colombo and P.R. Wolenski, The subgradient formula for the minimal time function
in the case of constant dynamics in Hilbert space, J. Global Optim. 28 (2004), 268-282.
[4] G. Colombo and P.R. Wolenski, Variational analysis for a class of minimal time func-
tions in Hilbert spaces, J. Convex Anal. 11 (2004), 335–361.
[5] Y. He and K.F. Ng, Subdifferentials of a minimum time function in Banach spaces, J.
Math. Anal. Appl. 321 (2006), 896–910.
[6] H.W. Kuhn, Steiner’s problem revisited, Studies Math. 10 (1974), 52–70.
[7] C. Li and R. Ni, Derivatives of generalized distance functions and existence of general-
ized nearest points, J. Approx. Theory 115 (2002), 44–55.
[8] H. Martini, K.J. Swanepoel, and G. Weiss, The Fermat-Torricelli problem in normed
planes and spaces, J. Optim. Theory Appl. 115 (2002), 283–314.
[9] B.S. Mordukhovich, Variational Analysis and Generalized Differentiation, I: Basic The-
ory. Grundlehren Series (Fundamental Principles of Mathematical Sciences), Springer,
Berlin, 2006.
[10] B.S. Mordukhovich, Variational Analysis and Generalized Differentiation, II: Applica-
tions, Grundlehren Series (Fundamental Principles of Mathematical Sciences), Springer,
Berlin, 2006.
[12] B.S. Mordukhovich and N.M. Nam, Limiting subgradients of minimal time functions in
Banach spaces, J. Global Optim. 46 (2010), 615–633.
[13] B.S. Mordukhovich and N.M. Nam, Subgradients of minimal time functions under min-
imal assumptions, to appear in J. Convex Anal.
9
[15] B. S. Mordukhovich and N. M. Nam, Subgradients of distance functions with applica-
tions to Lipschitzian stability, Math. Program. 104 (2005), 635–668.
[16] R.T. Rockafellar and J-B. Wets, Variational Analysis, Grundlehren Series (Fundamental
Principles of Mathematical Sciences), Springer, Berlin, 1998.
[17] R.T. Rockafellar, Convex Analysis, Princeton University Press, Princeton, New Jersy,
1970.
[19] T.V. Tan, An extension of the Fermat-Torricelli problem, J. Optim. Theory Appl., pub-
lished online, 2010.
[20] E. Weiszfeld, On the point for which the sum of the distances to n given points is mini-
mum, Ann. Oper. Res. 167 (2009), 7–41.
[21] P. R. Wolenski and Z. Yu, Proximal analysis and the minimal time function, SIAM J.
Control Optim. 36 (1998), 1048-1072.
10
XÁC NHẬN CỦA CÁN BỘ HƯỚNG DẪN
11