Tổng quan luận án

Luận án tiến sĩ toán học của tác giả Trần Thị Mai tập trung nghiên cứu lý thuyết tối ưu hóa không trơn, cụ thể là thiết lập các điều kiện tối ưu và lý thuyết đối ngẫu cho bài toán cân bằng vectơ có ràng buộc (CVEP), bài toán bất đẳng thức biến phân vectơ có ràng buộc (CVVI) và bài toán tối ưu giá trị khoảng có ràng buộc (CIOP).

Tính cấp thiết và khoảng trống nghiên cứu

Lý thuyết tối ưu hóa và các bài toán cực trị phát triển từ các bài toán của phép tính biến phân cổ điển (phương trình Euler), điều khiển tối ưu (nguyên lý cực đại Pontryagin) và quy hoạch toán học (quy tắc nhân tử Lagrange), sau đó được tổng quát hóa dưới ngôn ngữ giải tích hàm bởi A. Milyutin (1965). Sự xuất hiện của giải tích không trơn với công trình của F. Clarke (1983) đã mở rộng phạm vi nghiên cứu sang các hàm không khả vi.

Bài toán cân bằng (do E. Blum và W. Oettli đề xuất năm 1994) và bài toán bất đẳng thức biến phân (do G. Stampacchia đề xuất từ đầu thập niên 1960) đóng vai trò trung tâm trong giải tích phi tuyến, cho phép hợp nhất nhiều mô hình toán học như bài toán tối ưu vectơ, bài toán bù vectơ, bài toán điểm bất động và bài toán cân bằng Nash vectơ. Trong giải tích không trơn, các công cụ dưới vi phân đóng vai trò quyết định trong việc thiết lập điều kiện tối ưu:

  • Dưới vi phân Michel-Penot (1984) là một dạng dưới vi phân suy rộng, trong nhiều trường hợp thu được tập dưới vi phân hẹp hơn dưới vi phân Clarke, giúp điều kiện tối ưu sắc bén hơn.
  • Khái niệm dưới vi phân suy rộng (convexificator) do V. Jeyakumar và Đinh Thế Lục đưa ra cho hàm vô hướng và hàm vectơ là sự tổng quát hóa chứa nhiều loại dưới vi phân kinh điển (Clarke, Michel-Penot, Mordukhovich, Treiman).
  • Đối với bài toán tối ưu giá trị khoảng (khi hệ số hàm mục tiêu và ràng buộc là các khoảng đóng bị chặn), việc nghiên cứu điều kiện tối ưu Fritz John, Karush-Kuhn-Tucker và định lý đối ngẫu trong không gian vô hạn chiều thông qua dưới vi phân suy rộng vẫn cần được hoàn thiện.

Mục tiêu nghiên cứu

Luận án xác định ba mục tiêu cụ thể:

  1. Thiết lập các điều kiện cần và điều kiện đủ Karush-Kuhn-Tucker cho nghiệm hữu hiệu Henig địa phương và nghiệm siêu hữu hiệu địa phương của bài toán cân bằng vectơ có ràng buộc đẳng thức, bất đẳng thức và ràng buộc tập trong không gian Banach thông qua dưới vi phân Michel-Penot. Ứng dụng các kết quả này cho bài toán bất đẳng thức biến phân vectơ và bài toán tối ưu vectơ.
  2. Thiết lập các điều kiện cần Fritz John, Karush-Kuhn-Tucker và điều kiện đủ cho nghiệm hữu hiệu yếu của bài toán bất đẳng thức biến phân vectơ không trơn có ràng buộc nón đa diện lồi, ràng buộc đẳng thức và ràng buộc tập thông qua dưới vi phân suy rộng (convexificator).
  3. Thiết lập các điều kiện cần Fritz John, Karush-Kuhn-Tucker, điều kiện đủ và các định lý đối ngẫu yếu, đối ngẫu mạnh kiểu Mond-Weir và kiểu Wolfe cho bài toán tối ưu giá trị khoảng có ràng buộc trong không gian Banach thông qua dưới vi phân suy rộng.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Nghiệm hữu hiệu yếu, nghiệm hữu hiệu Henig, nghiệm siêu hữu hiệu của bài toán cân bằng vectơ và bài toán bất đẳng thức biến phân vectơ; nghiệm LU-tối ưu địa phương của bài toán tối ưu giá trị khoảng; các lớp dưới vi phân không trơn (Clarke, Michel-Penot, dưới vi phân suy rộng/convexificator) và các lớp hàm lồi suy rộng ($\partial_{MP}$-giả lồi, $\partial_{MP}$-tựa lồi, tựa tuyến tính, giả lồi tiệm cận, tựa lồi tiệm cận, tựa tuyến tính tiệm cận).
  • Phạm vi không gian: Không gian Banach thực $X, Y, Z, W$ và không gian Euclid hữu hạn chiều $\mathbb{R}^n, \mathbb{R}^p, \mathbb{R}^r, \mathbb{R}^m, \mathbb{R}^\ell$; các tập nón lồi đóng, nhọn $Q, S, D$ và nón đa diện lồi.

Tổng quan tài liệu và vị trí của luận án

Luận án điểm lại hệ thống tài liệu nghiên cứu trong và ngoài nước liên quan đến giải tích không trơn, bài toán cân bằng và lý thuyết đối ngẫu:

Các hướng nghiên cứu tiền đề

  • Lý thuyết biến phân và bài toán cân bằng: G. Stampacchia (thập niên 1960) đề xuất bất đẳng thức biến phân; D. Kinderlehrer và G. Stampacchia (1980) hệ thống hóa bất đẳng thức biến phân vô hạn chiều; E. Blum và W. Oettli (1994) đưa ra mô hình bài toán cân bằng; E. Pellegrini (1997, 1998) nghiên cứu điều kiện tối ưu cho bất đẳng thức biến phân vectơ trong không gian hữu hạn chiều và ứng dụng cân bằng mạng giao thông; Romaniello (2000) thiết lập điều kiện Kuhn-Tucker cho bất đẳng thức tựa biến phân suy rộng vectơ trong không gian Hilbert; X.Q. Yang (2003) nghiên cứu $\varepsilon$-nghiệm trong không gian Banach.
  • Dưới vi phân không trơn và dưới vi phân suy rộng: F. Clarke (1983) định hình giải tích không trơn với đạo hàm và dưới vi phân Clarke; J.P. Penot và P. Michel (1984) đưa ra dưới vi phân Michel-Penot; V. Jeyakumar và Đ.T. Lục (1999, 2000) giới thiệu khái niệm convexificator đóng không lồi cho hàm vô hướng và Jacobian xấp xỉ cho hàm vectơ.
  • Điều kiện tối ưu cho bài toán cân bằng vectơ: X.H. Gong (2004, 2008) thiết lập định lý vô hướng hóa và điều kiện tối ưu cho nghiệm hữu hiệu yếu, hữu hiệu Henig, siêu hữu hiệu và hữu hiệu toàn cục qua dưới vi phân Clarke, dưới vi phân xấp xỉ, đạo hàm Fréchet và điều kiện chính quy Slater; Long và cộng sự (2008) nghiên cứu nghiệm Henig và siêu hữu hiệu với hàm kiểu $C$-dưới gần lồi; N.X. Qui (2009) nghiên cứu bài toán cân bằng vectơ trong không gian Banach; N.T.T. Hang (2014, 2017) thiết lập điều kiện tối ưu qua dưới vi phân Clarke và Michel-Penot cho bài toán bất đẳng thức biến phân và bài toán cân bằng với ràng buộc cân bằng; Đ.V. Lưu (2014) thiết lập điều kiện Fritz John và Karush-Kuhn-Tucker trong không gian Banach qua convexificator; T. Lara (2014) nghiên cứu hàm tiệm cận cho bài toán cân bằng không lồi.
  • Tối ưu hóa giá trị khoảng: H.C. Wu (2007, 2009) dẫn ra điều kiện Karush-Kuhn-Tucker cho bài toán tối ưu phi tuyến giá trị khoảng khả vi; G. Panda (2016, 2018) nghiên cứu nghiệm hữu hiệu và định lý đối ngẫu cho quy hoạch phân thức đa mục tiêu giá trị khoảng; B. Banerjee (2019) thiết lập điều kiện tối ưu và định lý đối ngẫu qua convexificator trong không gian hữu hạn chiều; A.D. Ioffe (1979) cung cấp khái niệm điểm chính quy cho ánh xạ.
  • Đóng góp của các nhà toán học Việt Nam: Luận án ghi nhận các công trình của các giáo sư Đinh Thế Lục, Nguyễn Đông Yên, Đỗ Văn Lưu, Phan Quốc Khánh trong lý thuyết tối ưu vectơ, bất đẳng thức biến phân và giải tích không trơn.

Khoảng trống luận án lựa chọn giải quyết

  1. Mở rộng điều kiện cần Karush-Kuhn-Tucker cho nghiệm hữu hiệu Henig và siêu hữu hiệu địa phương của bài toán cân bằng vectơ sang công cụ dưới vi phân Michel-Penot (thay vì dưới vi phân Clarke), kết hợp điều kiện chính quy kiểu Abadie trong không gian Banach.
  2. Thiết lập điều kiện Fritz John và Karush-Kuhn-Tucker cho nghiệm hữu hiệu yếu của bài toán bất đẳng thức biến phân vectơ với ràng buộc nón đa diện lồi qua dưới vi phân suy rộng (convexificator) dưới điều kiện chính quy kiểu Mangasarian-Fromovitz.
  3. Mở rộng bài toán tối ưu phi tuyến giá trị khoảng từ không gian hữu hạn chiều sang không gian Banach, thiết lập điều kiện tối ưu và hệ thống định lý đối ngẫu Mond-Weir và Wolfe qua dưới vi phân suy rộng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và các khái niệm sử dụng

Luận án vận dụng hệ thống khái niệm của giải tích hàm phi tuyến và giải tích không trơn:

  • Không gian và nón: Không gian Banach $X, Y, Z, W$; không gian đối ngẫu $X^, Y^$; nón lồi $Q \subset Y$, nón đối ngẫu $Q^* = {y^* \in Y^* : \langle y^, y \rangle \ge 0, \forall y \in Q}$; tựa phần trong $Q^# = {y^ \in Y^* : \langle y^, y \rangle > 0, \forall y \in Q \setminus {0}}$; cơ sở lồi $B$ của nón $Q$ ($Q = \text{cone}(B), 0 \notin \text{cl}(B)$); tập $Q^\Delta(B) = {y^ \in Q^#: \exists t > 0, \langle y^, b \rangle \ge t, \forall b \in B}$. Khi $B$ đóng và bị chặn, $\text{int} Q^ = Q^\Delta(B)$.
  • Khái niệm nghiệm:
    • Nghiệm hữu hiệu yếu: $F(x, y) \notin -\text{int} Q, \forall y \in K$.
    • Nghiệm hữu hiệu Henig: $\text{cone} F(x, K) \cap (U - B) = \emptyset$ với $U$ là lân cận tuyệt đối lồi mở của gốc tọa độ.
    • Nghiệm siêu hữu hiệu: Định nghĩa thông qua nón sinh bởi tập ảnh và lân cận tuyệt đối lồi.
    • Nghiệm LU-tối ưu: Nghiệm tối ưu theo thứ tự khoảng (Lower-Upper).
  • Các lớp dưới vi phân:
    • Đạo hàm Clarke $f^\circ(x; v) = \limsup_{y \to x, t \downarrow 0} \frac{f(y+tv)-f(y)}{t}$ và dưới vi phân Clarke $\partial_C f(x) = {x^* \in X^* : f^\circ(x; v) \ge \langle x^*, v \rangle, \forall v \in X}$.
    • Đạo hàm Michel-Penot $f^\diamond(x; v) = \sup_{w \in X} \limsup_{t \downarrow 0} \frac{f(x+t(v+w))-f(x+tw)}{t}$ và dưới vi phân Michel-Penot $\partial_{MP} f(x) = {x^* \in X^* : f^\diamond(x; v) \ge \langle x^*, v \rangle, \forall v \in X}$.
    • Đạo hàm Dini dưới $f_d^-(x; v)$ và Dini trên $f_d^+(x; v)$.
    • Dưới vi phân suy rộng trên $\partial^* f(x)$, dưới vi phân suy rộng dưới $\partial_* f(x)$, và dưới vi phân suy rộng (convexificator) $\partial f(x)$.
  • Các lớp hàm lồi suy rộng: Hàm $\partial_{MP}$-tựa lồi, $\partial_{MP}$-giả lồi, $\partial_C$-tựa lồi, $\partial_C$-giả lồi; hàm tựa lồi tiệm cận, giả lồi tiệm cận, tựa tuyến tính tiệm cận theo tập $C$.

Phương pháp nghiên cứu

Luận án sử dụng thuần túy phương pháp giải tích biến phân lý thuyết và giải tích hàm:

  • Phương pháp vô hướng hóa (Scalarization): Sử dụng định lý vô hướng hóa của X.H. Gong với hàm phi tuyến liên tục, thuần nhất dương, dưới cộng tính $P(y) = \inf{t \in \mathbb{R} : y \in te - K}$ để chuyển bài toán cân bằng vectơ về bài toán tối ưu vô hướng.
  • Phương pháp xấp xỉ tiếp tuyến và nón pháp tuyến: Sử dụng nón tiếp tuyến Clarke $T(C; x)$, nón pháp tuyến $N_C(x)$, nón tiếp xúc $C(K; x)$ và các điều kiện chính quy Abadie ($C(K; x) \subseteq T(K; x)$), điều kiện chính quy Mangasarian-Fromovitz (MFCQ, SMFCQ), tính chính quy theo nghĩa Ioffe.
  • Kỹ thuật nhân tử Lagrange và quy tắc tách tập lồi: Áp dụng định lý Hahn-Banach, định lý tách tập lồi rời nhau trong không gian đối ngẫu yếu* để xác định sự tồn tại của các nhân tử Lagrange $\lambda, \mu, v, \tau$.

Nguồn tư liệu nghiên cứu

Các tiên đề, bổ đề giải tích và định lý nền tảng được trích xuất trực tiếp từ các tài liệu tham khảo chuẩn mực trong giải tích không trơn ([11] F. Clarke 1983, [23] X.H. Gong 2008, [27] A.D. Ioffe 1979, [31] V. Jeyakumar & Đ.T. Lục 1999, [38] Đ.V. Lưu 2014, [50] J.P. Penot & P. Michel 1984). Kết quả chính của luận án được phát triển và công bố trong 3 công trình khoa học của tác giả (ký hiệu [A1], [A2], [A3]).

Nội dung chính theo từng chương

Chương 1: Kiến thức cơ sở

Chương 1 hệ thống hóa các định nghĩa, bổ đề và công cụ bổ trợ làm nền tảng cho toàn bộ luận án:

  • Mục 1.1: Trình bày phát biểu bài toán cân bằng vectơ có ràng buộc (CVEP): tìm $x \in K$ sao cho $F(x, y) \notin -Q \setminus {0}, \forall y \in K$ với tập chấp nhận được $K = {x \in C : g(x) \in -S, h(x) = 0}$; hai trường hợp riêng là bài toán bất đẳng thức biến phân vectơ (CVVI) khi $F(x, y) = T(x)(y-x)$ và bài toán tối ưu vectơ (CVOP) khi $F(x, y) = f(y) - f(x)$. Định nghĩa chi tiết các khái niệm nghiệm hữu hiệu yếu địa phương, nghiệm hữu hiệu Henig địa phương và nghiệm siêu hữu hiệu địa phương.
  • Mục 1.2: Trình bày định nghĩa và tính chất của dưới vi phân Clarke $\partial_C f(x)$, dưới vi phân Michel-Penot $\partial_{MP} f(x)$, và dưới vi phân suy rộng $\partial f(x)$. Phân tích quan hệ bao hàm giữa các loại dưới vi phân:
    • Nếu $f$ Lipschitz địa phương thì $\partial_{MP} f(x) \subseteq \partial_C f(x)$.
    • Tác giả nêu ví dụ hàm $f(x) = x^2 \cos(\pi/x)$ tại $x=0$ có $\partial_{MP} f(0) = {0}$ trong khi $\partial_C f(0) = [-\pi, \pi]$, minh họa trường hợp dưới vi phân Michel-Penot thu được tập thực sự nhỏ hơn Clarke.
    • Tác giả đưa ví dụ hàm $f(x) = -|x|$ có dưới vi phân suy rộng không lồi $\partial f(0) = {-1, 1}$, và hàm $f(x) = \sqrt{1 - e^{-x^2}}$ có $\partial^* f(0) = \partial_* f(0) = {-1, 1}$.
    • Nhắc lại kết quả của Đ.V. Lưu về điều kiện cần Fritz John qua convexificator và khái niệm điểm chính quy Ioffe cho hàm $h(x) = \frac{2}{\pi}|x| - x^2 \sin(1/x)$.
  • Mục 1.3: Trình bày các định lý vô hướng hóa của X.H. Gong cho nghiệm hữu hiệu yếu và nghiệm hữu hiệu Henig của bài toán (VEP) thông qua hàm thuần nhất dương, dưới cộng tính $P(y)$.
  • Mục 1.4: Trình bày các khái niệm hàm lồi suy rộng: hàm tựa lồi, tựa tuyến tính, $\partial_{MP}$-tựa lồi, $\partial_{MP}$-giả lồi, $\partial_C$-tựa lồi, $\partial_C$-giả lồi, và các lớp hàm tiệm cận ($\partial^$-tựa lồi tiệm cận, $\partial^$-tựa tuyến tính tiệm cận, $\partial^*$-giả lồi tiệm cận).

Chương 2: Điều kiện tối ưu cho bài toán cân bằng vectơ qua dưới vi phân Michel-Penot

Chương 2 nghiên cứu bài toán cân bằng vectơ có ràng buộc (CVEP) trong không gian Banach $X$ với tập ràng buộc $K = {x \in C : g_i(x) \le 0, i \in I; h_j(x) = 0, j \in L}$:

1. Điều kiện cần Karush-Kuhn-Tucker

  • Trường hợp không gian Banach tổng quát: Giả thiết $F_x, g_i$ Lipschitz địa phương, $h_j$ khả vi Fréchet, điều kiện chính quy kiểu Abadie $C(K; x) \subseteq T(K; x)$ thỏa mãn. Tác giả chứng minh Định lý 2.1: Nếu $x$ là nghiệm hữu hiệu Henig địa phương thì tồn tại $\mu_i \ge 0$ ($i \in I(x)$), $v_j \in \mathbb{R}$ ($j \in L$) và hàm liên tục thuần nhất dương $\Lambda$ trên $Y$ sao cho: $$0 \in \partial_{MP}(\Lambda \circ F_x)(x) + \sum_{i \in I(x)} \mu_i \partial_{MP} g_i(x) + \sum_{j \in L} v_j \nabla h_j(x) + N_C(x)$$
  • Trường hợp không gian hữu hạn chiều ($X = \mathbb{R}^n, Y = \mathbb{R}^p$): Tồn tại $\lambda \in Q^\Delta(B)$ sao cho: $$0 \in \lambda \partial_J F_x(x) + \sum_{i \in I(x)} \mu_i \partial_{MP} g_i(x) + \sum_{j \in L} v_j \nabla h_j(x) + N_C(x)$$ Nếu cơ sở $B$ đóng và bị chặn thì $\lambda \in \text{int} Q^*$.
  • Trường hợp $F_x$ khả vi chặt: Nhân tử Lagrange $\lambda \in Q^\Delta(B)$ thỏa mãn: $$0 \in [D_s F_x(x)]^* \lambda + \sum_{i \in I(x)} \mu_i \partial_{MP} g_i(x) + \sum_{j \in L} v_j \nabla h_j(x) + N_C(x)$$
  • Nghiệm siêu hữu hiệu: Các định lý tương ứng cho nghiệm siêu hữu hiệu địa phương được chứng minh dựa trên quan hệ giữa nghiệm siêu hữu hiệu và nghiệm Henig khi cơ sở $B$ đóng và bị chặn.
  • Ví dụ minh họa: Luận án cung cấp ví dụ số học trong $\mathbb{R}^2 \times \mathbb{R}^2 \to \mathbb{R}^3$ với: $$F(x, y) = \left( y_1(1 - \tan x_1), |y_2| + y_1^2 - y_1 \text{sgn} x_2, y_1(\sin x_2 - 1/2) \right)$$ Ràng buộc $g_1(y) = e^{y_1^2} - 4$, $g_2(y) = |y_1|^2 - |y_2|^2$, cơ sở $B = {(y_1, y_2, y_3) \in \mathbb{R}_+^3 : y_1 + y_2 + y_3 = 1}$, tính toán trực tiếp kiểm chứng điểm $x = (0, 0)$ thỏa mãn điều kiện tối ưu Karush-Kuhn-Tucker.

2. Điều kiện đủ tối ưu

Luận án chứng minh nếu tập $C$ lồi, $\Lambda \circ F_x$ là $\partial_{MP}$-giả lồi tại $x$ trên $C$, $g_i$ là $\partial_{MP}$-tựa lồi tại $x$ trên $C$, và $h_j$ tựa tuyến tính tại $x$ trên $C$, thì điều kiện cần Karush-Kuhn-Tucker trở thành điều kiện đủ để $x$ là nghiệm hữu hiệu Henig (hoặc siêu hữu hiệu).

3. Ứng dụng

Tác giả áp dụng các kết quả trên để suy ra trực tiếp các định lý điều kiện cần và điều kiện đủ Karush-Kuhn-Tucker cho:

  • Bài toán bất đẳng thức biến phân vectơ (CVVI) với toán tử tuyến tính liên tục $T(x) \in \mathcal{L}(X, Y)$.
  • Bài toán tối ưu vectơ (CVOP) với hàm mục tiêu $f: K \to Y$.

Chương 3: Điều kiện tối ưu cho bài toán bất đẳng thức biến phân vectơ qua dưới vi phân suy rộng

Chương 3 thiết lập các điều kiện tối ưu cho bài toán bất đẳng thức biến phân vectơ (CVVI) không trơn: tìm $x \in K$ sao cho $T(x)(y-x) \notin -Q \setminus {0}, \forall y \in K$, trong đó ràng buộc nón $S$ là một đa diện lồi trong không gian hữu hạn chiều, cùng các ràng buộc đẳng thức và ràng buộc tập:

  • Điều kiện cần Fritz John: Thiết lập điều kiện cần Fritz John cho nghiệm hữu hiệu yếu của bài toán (CVVI) qua dưới vi phân suy rộng trên $\partial^*$.
  • Điều kiện cần Karush-Kuhn-Tucker: Dưới điều kiện chính quy kiểu Mangasarian-Fromovitz (MFCQ), luận án chứng minh nhân tử Lagrange ứng với toán tử mục tiêu khác không, từ đó thu được điều kiện cần Karush-Kuhn-Tucker qua dưới vi phân suy rộng.
  • Điều kiện đủ: Dưới các giả thiết về tính lồi suy rộng tiệm cận (hàm tựa lồi tiệm cận cho ràng buộc bất đẳng thức, tựa tuyến tính tiệm cận cho ràng buộc đẳng thức và giả lồi tiệm cận cho ánh xạ mục tiêu), các điều kiện Fritz John và Karush-Kuhn-Tucker trở thành điều kiện đủ cho nghiệm hữu hiệu yếu.

Chương 4: Điều kiện tối ưu cho bài toán tối ưu giá trị khoảng qua dưới vi phân suy rộng

Chương 4 nghiên cứu bài toán tối ưu phi tuyến giá trị khoảng có ràng buộc (CIOP) trong không gian Banach: $$\min_{LU} {F(x) : x \in K}, \quad K = {x \in C : g_i(x) \le 0, i \in I; h_j(x) = 0, j \in L}$$ trong đó $F(x) = [\underline{f}(x), \overline{f}(x)]$ là hàm nhận giá trị khoảng đóng bị chặn trong $\mathbb{R}$, cực tiểu hóa theo thứ tự LU (Lower-Upper).

1. Điều kiện tối ưu

  • Điều kiện cần Fritz John: Thiết lập cho nghiệm LU-tối ưu địa phương của (CIOP) qua dưới vi phân suy rộng, với giả thiết nghiệm là điểm chính quy theo nghĩa Ioffe.
  • Điều kiện cần Karush-Kuhn-Tucker:
    • Sử dụng điều kiện chính quy kiểu Mangasarian-Fromovitz $(CQ_1)$ để suy ra điều kiện cần KKT.
    • Sử dụng điều kiện chính quy Mangasarian-Fromovitz mạnh hơn $(CQ_2^{(s)})$ để chỉ ra các thành phần của nhân tử Lagrange ứng với cả cận dưới $\underline{f}$ và cận trên $\overline{f}$ của hàm mục tiêu khoảng đều khác không.
  • Điều kiện đủ: Chứng minh điều kiện đủ cho nghiệm LU-tối ưu khi hàm mục tiêu khoảng là giả lồi tiệm cận, ràng buộc bất đẳng thức tựa lồi tiệm cận và ràng buộc đẳng thức tựa tuyến tính tiệm cận.

2. Lý thuyết đối ngẫu

Luận án xây dựng hai bài toán đối ngẫu cho bài toán tối ưu khoảng (CIOP):

  • Bài toán đối ngẫu kiểu Mond-Weir (DCIOP1): Tách riêng hàm mục tiêu và các hàm ràng buộc trong hàm Lagrange.
  • Bài toán đối ngẫu kiểu Wolfe (DCIOP2): Kết hợp trực tiếp hàm mục tiêu khoảng và các hàm ràng buộc có nhân tử Lagrange.
  • Các định lý đối ngẫu: Tác giả thiết lập và chứng minh hoàn chỉnh các định lý đối ngẫu yếu (Weak Duality) và đối ngẫu mạnh (Strong Duality) cho cả hai mô hình (DCIOP1) và (DCIOP2) thông qua dưới vi phân suy rộng.

Bảng tổng hợp cấu trúc và nội dung 4 chương của luận án

Chương Đối tượng nghiên cứu Không gian nghiên cứu Công cụ vi phân chính Điều kiện chính quy Kết quả cốt lõi
Chương 1 Cơ sở lý thuyết cho (CVEP), (CVVI), (CVOP) Không gian Banach $X, Y, Z, W$ và $\mathbb{R}^n$ $\partial_C f$, $\partial_{MP} f$, $\partial f$, Dini Tính chính quy Clarke, Ioffe Khung lý thuyết, định lý vô hướng hóa Gong, lớp hàm lồi suy rộng
Chương 2 Nghiệm Henig, siêu hữu hiệu của (CVEP) Không gian Banach $X, Y$ và $\mathbb{R}^n, \mathbb{R}^p$ Dưới vi phân Michel-Penot $\partial_{MP} f$ Abadie: $C(K; x) \subseteq T(K; x)$ Điều kiện cần và đủ KKT; áp dụng cho (CVVI) và (CVOP); ví dụ kiểm chứng
Chương 3 Nghiệm hữu hiệu yếu của (CVVI) không trơn Không gian Banach / $\mathbb{R}^n$, nón đa diện Dưới vi phân suy rộng $\partial^* f, \partial f$ Mangasarian-Fromovitz (MFCQ) Điều kiện cần Fritz John, KKT; điều kiện đủ qua tính lồi tiệm cận
Chương 4 Nghiệm LU-tối ưu của bài toán khoảng (CIOP) Không gian Banach $X$ Dưới vi phân suy rộng $\partial^* f, \partial f$ MFCQ $(CQ_1)$, SMFCQ $(CQ_2^{(s)})$, Ioffe Điều kiện cần FJ, KKT, điều kiện đủ; Định lý đối ngẫu yếu và mạnh Mond-Weir, Wolfe

Kết quả và những đóng góp mới

Luận án tự nêu 3 nhóm đóng góp mới về mặt lý luận toán học:

  1. Về bài toán cân bằng vectơ (CVEP):

    • Thiết lập thành công hệ thống điều kiện cần Karush-Kuhn-Tucker cho nghiệm hữu hiệu Henig địa phương và nghiệm siêu hữu hiệu địa phương của bài toán (CVEP) có ràng buộc đẳng thức, bất đẳng thức và ràng buộc tập trong không gian Banach thông qua dưới vi phân Michel-Penot và điều kiện chính quy Abadie.
    • Chứng minh các điều kiện đủ tương ứng dưới các giả thiết về tính lồi suy rộng ($\partial_{MP}$-giả lồi, $\partial_{MP}$-tựa lồi, tựa tuyến tính).
    • Mở rộng và áp dụng kết quả sang bài toán bất đẳng thức biến phân vectơ và bài toán tối ưu vectơ.

  2. Về bài toán bất đẳng thức biến phân vectơ (CVVI):

    • Thiết lập các điều kiện cần Fritz John và Karush-Kuhn-Tucker cho nghiệm hữu hiệu yếu của bài toán (CVVI) không trơn có ràng buộc nón đa diện lồi, ràng buộc đẳng thức và ràng buộc tập trong không gian vô hạn chiều thông qua dưới vi phân suy rộng (convexificator).
    • Chứng minh các điều kiện đủ tối ưu dựa trên các lớp hàm lồi suy rộng tiệm cận.

  3. Về bài toán tối ưu giá trị khoảng (CIOP) và lý thuyết đối ngẫu:

    • Thiết lập điều kiện cần Fritz John và Karush-Kuhn-Tucker cho nghiệm LU-tối ưu địa phương của bài toán tối ưu giá trị khoảng trong không gian Banach qua dưới vi phân suy rộng kết hợp với tính chính quy Ioffe.
    • Đưa ra điều kiện chính quy Mangasarian-Fromovitz mạnh $(CQ_2^{(s)})$ đảm bảo thành phần nhân tử Lagrange tương ứng với hàm mục tiêu khoảng khác không.
    • Xây dựng hai bài toán đối ngẫu kiểu Mond-Weir và kiểu Wolfe cho bài toán tối ưu giá trị khoảng và chứng minh trọn vẹn các định lý đối ngẫu yếu và đối ngẫu mạnh.

Kiến nghị và đề xuất

  • Vận dụng khung điều kiện tối ưu Karush-Kuhn-Tucker qua dưới vi phân Michel-Penot và dưới vi phân suy rộng vào việc giải quyết các bài toán cân bằng cụ thể trong mô hình kinh tế toán và cân bằng mạng giao thông.
  • Tiếp tục khai thác công cụ convexificator để phân tích tính ổn định nghiệm và độ nhạy của tập nghiệm đối với các bài toán tối ưu có tham số.

Hạn chế và hướng nghiên cứu tiếp

Căn cứ vào phạm vi và các giả thiết được nêu trong văn bản:

  • Hạn chế về cấu trúc nón và không gian: Trong Chương 3, bài toán bất đẳng thức biến phân vectơ chỉ xét với ràng buộc nón là nón đa diện lồi trong không gian hữu hạn chiều. Trong Chương 2 và Chương 4, các hàm mục tiêu và ràng buộc đòi hỏi tính chất Lipschitz địa phương hoặc tính khả vi Fréchet/khả vi chặt.
  • Hạn chế về khái niệm nghiệm: Luận án tập trung vào nghiệm hữu hiệu yếu, nghiệm hữu hiệu Henig, nghiệm siêu hữu hiệu địa phương và nghiệm LU-tối ưu địa phương; chưa xét đến các lớp nghiệm khác như nghiệm hữu hiệu Pareto chặt hoặc nghiệm hữu hiệu Borel.
  • Hướng nghiên cứu tiếp được gợi mở từ văn bản:
    • Mở rộng điều kiện tối ưu cho bài toán bất đẳng thức biến phân vectơ với ràng buộc nón lồi tổng quát không đa diện trong không gian vô hạn chiều.
    • Nghiên cứu thuật toán số và tính ổn định nghiệm cho bài toán tối ưu giá trị khoảng dựa trên các điều kiện tối ưu KKT đã thiết lập.

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên khảo dành cho:

  • Nghiên cứu sinh, học viên cao học và giảng viên chuyên ngành Toán giải tích, Toán ứng dụng, Lý thuyết tối ưu:
    • Chương 1 và Chương 2: Cung cấp phương pháp sử dụng dưới vi phân Michel-Penot và định lý vô hướng hóa Gong để thiết lập điều kiện tối ưu cho bài toán cân bằng vectơ.
    • Chương 3: Cung cấp kỹ thuật sử dụng convexificator và điều kiện chính quy Mangasarian-Fromovitz trên nón đa diện lồi.
    • Chương 4: Cung cấp phương pháp luận hoàn chỉnh về bài toán tối ưu giá trị khoảng trong không gian Banach và kỹ thuật chứng minh định lý đối ngẫu Mond-Weir và Wolfe.
  • Các nhà nghiên cứu mô hình hóa toán kinh tế và vận trù học: Tham khảo khung lý thuyết đối ngẫu giá trị khoảng để mô hình hóa các bài toán ra quyết định trong điều kiện tham số không chắc chắn (khoảng dữ liệu).

Câu hỏi thường gặp

1. Dưới vi phân Michel-Penot có ưu thế gì so với dưới vi phân Clarke trong việc thiết lập điều kiện tối ưu cho bài toán cân bằng vectơ?

Dưới vi phân Michel-Penot $\partial_{MP} f(x)$ là một dạng dưới vi phân suy rộng và luôn là tập con của dưới vi phân Clarke $\partial_C f(x)$ đối với hàm Lipschitz địa phương ($\partial_{MP} f(x) \subseteq \partial_C f(x)$). Trong nhiều trường hợp, $\partial_{MP} f(x)$ thực sự nhỏ hơn $\partial_C f(x)$ (như ví dụ $f(x) = x^2 \cos(\pi/x)$ tại $x=0$ cho $\partial_{MP} f(0) = {0}$ trong khi $\partial_C f(0) = [-\pi, \pi]$). Do đó, điều kiện cần tối ưu Karush-Kuhn-Tucker thiết lập qua dưới vi phân Michel-Penot mang tính chọn lọc cao hơn và sắc bén hơn so với qua dưới vi phân Clarke.

2. Điều kiện chính quy kiểu Abadie được phát biểu như thế nào trong Chương 2 và đóng vai trò gì?

Điều kiện chính quy kiểu Abadie được phát biểu dưới dạng bao hàm thức: $$C(K; x) \subseteq T(K; x)$$ trong đó $C(K; x)$ là nón tiếp xúc và $T(K; x)$ là nón tiếp tuyến Clarke của tập chấp nhận được $K$ tại $x$. Vai trò của điều kiện này là đảm bảo nhân tử Lagrange ứng với hàm mục tiêu $F$ (hoặc hàm $\Lambda \circ F_x$) không triệt tiêu, từ đó dẫn ra được hệ điều kiện cần Karush-Kuhn-Tucker thay vì dừng lại ở dạng Fritz John.

3. Nghiệm hữu hiệu Henig và nghiệm siêu hữu hiệu có mối liên hệ như thế nào trong luận án?

Theo Nhận xét 1.1 và Bổ đề 1.1 trong Chương 1:

  • Mọi nghiệm siêu hữu hiệu của bài toán (CVEP) đều là nghiệm hữu hiệu Henig.
  • Ngược lại, nếu nón $Q$ có cơ sở $B$ là tập đóng và bị chặn, thì nghiệm hữu hiệu Henig cũng chính là nghiệm siêu hữu hiệu. Tính chất này cho phép chuyển đổi và mở rộng trực tiếp các định lý điều kiện tối ưu từ nghiệm Henig sang nghiệm siêu hữu hiệu.

4. Khái niệm hàm tựa lồi tiệm cận và tựa tuyến tính tiệm cận đóng vai trò gì trong Chương 3 và Chương 4?

Các khái niệm này là mở rộng của tính lồi suy rộng thông qua dãy các phần tử thuộc bao lồi của dưới vi phân suy rộng $\text{conv}\partial^* f(x)$. Khi kết hợp với các điều kiện cần Fritz John hoặc Karush-Kuhn-Tucker, tính tựa lồi tiệm cận của ràng buộc bất đẳng thức, tính tựa tuyến tính tiệm cận của ràng buộc đẳng thức và tính giả lồi tiệm cận của hàm mục tiêu đảm bảo loại bỏ nghiệm ngoại lai, biến các điều kiện cần tối ưu thành điều kiện đủ để một điểm trở thành nghiệm tối ưu toàn cục.

5. Hai bài toán đối ngẫu được thiết lập cho bài toán tối ưu giá trị khoảng (CIOP) trong Chương 4 khác nhau như thế nào?

  • Bài toán đối ngẫu kiểu Mond-Weir (DCIOP1): Tách riêng giá trị hàm mục tiêu khoảng $F(u)$ và yêu cầu thành phần nhân tử Lagrange của các ràng buộc thỏa mãn $\sum_{i \in I} \mu_i g_i(u) + \sum_{j \in L} v_j h_j(u) \ge 0$.
  • Bài toán đối ngẫu kiểu Wolfe (DCIOP2): Đưa trực tiếp toàn bộ tổ hợp Lagrange của hàm mục tiêu khoảng và các hàm ràng buộc vào hàm mục tiêu đối ngẫu. Cả hai mô hình đều được luận án chứng minh định lý đối ngẫu yếu và định lý đối ngẫu mạnh qua dưới vi phân suy rộng trong không gian Banach.

Kết luận

Luận án tiến sĩ của tác giả Trần Thị Mai đã giải quyết có hệ thống các bài toán điều kiện tối ưu không trơn và lý thuyết đối ngẫu cho bài toán cân bằng vectơ (CVEP), bài toán bất đẳng thức biến phân vectơ (CVVI) và bài toán tối ưu giá trị khoảng (CIOP). Bằng việc sử dụng các công cụ giải tích không trơn gồm dưới vi phân Michel-Penot và dưới vi phân suy rộng (convexificator) kết hợp các điều kiện chính quy Abadie, Mangasarian-Fromovitz và Ioffe, công trình đã thiết lập các hệ điều kiện cần và điều kiện đủ Karush-Kuhn-Tucker sắc bén trong không gian Banach và không gian hữu hạn chiều. Đồng thời, luận án xây dựng hoàn chỉnh lý thuyết đối ngẫu Mond-Weir và Wolfe cho bài toán tối ưu khoảng, đóng góp kết quả lý thuyết vào lĩnh vực giải tích phi tuyến và tối ưu hóa không trơn.