Tổng quan về luận án

Lý thuyết tối ưu hóa hiện đại đóng vai trò nền tảng trong toán học ứng dụng, kinh tế lượng, điều khiển học và trí tuệ nhân tạo. Trong các bài toán thực tiễn, hàm mục tiêu thường không xuất hiện dưới dạng đơn lẻ hay tuyến tính mà là tỷ số giữa các đại lượng mâu thuẫn trực tiếp: tỷ lệ lợi nhuận trên vốn đầu tư ($ROI$), hiệu suất trên chi phí năng lượng, tỷ lệ tín hiệu trên tạp âm ($SNR$) trong xử lý tín hiệu quang phổ, hoặc mô hình lựa chọn danh mục đầu tư theo tỷ số Sharpe phi tuyến. Kể từ công trình tiên phong của Charnes và Cooper (1962), bài toán quy hoạch thương (Fractional Programming) đã phát triển mạnh mẽ. Tuy nhiên, phần lớn các công trình kinh điển chỉ tập trung vào lớp hàm khả vi, bài toán đơn mục tiêu, hoặc xét trên tập chấp nhận được là đa diện lồi compact trong không gian hữu hạn chiều $\mathbb{R}^n$.

Luận án Tiến sĩ Toán học của Nghiên cứu sinh Phạm Thị Linh với tiêu đề "Điều kiện tối ưu và đối ngẫu cho bài toán quy hoạch thương đa mục tiêu không trơn" (Chuyên ngành Toán ứng dụng, Mã số: 9.12, thực hiện tại Học viện Khoa học và Công nghệ – Viện Hàn lâm Khoa học và Công nghệ Việt Nam dưới sự hướng dẫn của GS. Nguyễn Công Điều) đã giải quyết triệt để khoảng trống nghiên cứu (research gap) mang tính then chốt: Thiết lập hệ thống điều kiện tối ưu (cần và đủ) và lý thuyết đối ngẫu cho bài toán quy hoạch thương đa mục tiêu không trơn (MFP) chứa đồng thời ba loại ràng buộc phức tạp gồm ràng buộc bất đẳng thức, ràng buộc đẳng thức và ràng buộc tập trong không gian Banach vô hạn chiều $X$.

Mô hình bài toán tổng quát được Luận án khảo sát có dạng: $$\min \left( \frac{f_1(x)}{g_1(x)}, \dots, \frac{f_p(x)}{g_p(x)} \right)$$ với các điều kiện ràng buộc: $$\text{(MFP)} : \begin{cases} h_j(x) \le 0, & j \in I := {1, \dots, m} \ l_k(x) = 0, & k \in L := {1, \dots, r} \ x \in D \end{cases}$$ trong đó $D \subset X$ là tập con đóng của không gian định chuẩn $X$; các hàm $f_i, g_i, h_j, l_k: X \to \mathbb{R}$ liên tục; mẫu số thỏa mãn tiên đề dương $g_i(x) > 0, \forall x \in X, \forall i \in {1, \dots, p}$.

Để giải quyết bài toán này, Luận án đặt ra ba câu hỏi nghiên cứu cốt lõi:

  1. RQ1: Làm thế nào để thiết lập quy tắc giải tích dưới vi phân cho hàm thương phi lồi, không Lipschitz $\frac{f_i(x)}{g_i(x)}$ và mở rộng điều kiện cần Fritz John, Kuhn-Tucker cho nghiệm hữu hiệu yếu (weak efficient solution) khi có sự hiện diện đồng thời của ràng buộc đẳng thức và ràng buộc tập?
  2. RQ2: Khi quá trình tính toán số thực tế chỉ hội tụ sau hữu hạn bước lặp đến một nghiệm xấp xỉ, các điều kiện cần và đủ cho tựa nghiệm hữu hiệu yếu (weak quasi-efficient solution theo vector sai số $\alpha \in \mathbb{R}^p_{++}$) được phát biểu và chứng minh như thế nào dưới công cụ dưới vi phân suy rộng?
  3. RQ3: Các sơ đồ đối ngẫu dạng Mond-Weir và Wolfe có bảo toàn mối quan hệ đối ngẫu yếu, đối ngẫu mạnh và đối ngẫu ngược khi cấu trúc lồi cổ điển bị phá vỡ hoàn toàn và thay thế bởi tính lồi suy rộng tiệm cận (asymptotic invexity)?

Tương ứng với ba câu hỏi trên, ba giả thuyết nghiên cứu chính được kiểm chứng:

  • H1: Dưới vi phân suy rộng Jeyakumar-Luc kết hợp với phương pháp vô hướng hóa phi tuyến Gong cho phép thu hẹp bao đóng dưới vi phân so với dưới vi phân Clarke, tạo ra điều kiện cần Kuhn-Tucker sắc bén hơn khi thỏa mãn điều kiện chính quy Mangasarian-Fromovitz suy rộng.
  • H2: Sự kết hợp giữa đạo hàm Dini, giải tích biến phân và nhiễu loạn khoảng cách Euclid $\alpha_i |x - \bar{x}|$ cho phép thiết lập biểu thức giải tích tường minh cho dưới vi phân của phiếm hàm tựa nghiệm thương.
  • H3: Cấu trúc giả lồi bất biến tiệm cận (asymptotic pseudoinvex) của hàm mục tiêu và tựa lồi bất biến tiệm cận (asymptotic quasiinvex) của hệ ràng buộc là điều kiện biên tối thiểu để triệt tiêu khoảng cách đối ngẫu (duality gap = 0) giữa bài toán gốc (MFP) và các bài toán đối ngẫu Mond-Weir/Wolfe.

Nghiên cứu có quy mô học thuật sâu rộng: toàn bộ cấu trúc toán học được xây dựng qua 5 chương, 94 tài liệu tham khảo quốc tế, giải quyết đồng thời không gian nghiệm Pareto chính xác và nghiệm xấp xỉ trên không gian Banach định chuẩn $X$.

Literature Review và Positioning

Khảo cứu lịch sử phát triển của lý thuyết tối ưu hóa thương cho thấy ba dòng chảy học thuật chính:

Dòng chảy thứ nhất bắt đầu từ phương pháp đổi biến tuyến tính của Charnes và Cooper (1962), sau đó được Dinkelbach (1967) phát triển thành thuật toán tham số hóa cho bài toán đơn mục tiêu: $F(q) = \max {f(x) - qg(x) : x \in S}$. Thuật toán Dinkelbach đạt tốc độ hội tụ siêu tuyến tính đối với hàm lồi một mục tiêu nhưng hoàn toàn mất tính khả thi khi số mục tiêu $p > 1$ hoặc khi các hàm thành phần không thỏa mãn tính lồi cổ điển (Schaible, 1976; Craven, 1988).

Dòng chảy thứ hai tập trung vào giải tích không trơn (nonsmooth analysis). Khi các hàm mục tiêu và ràng buộc không khả vi, việc sử dụng dưới vi phân Clarke $\partial^C f(x)$ (Clarke, 1983) hoặc dưới vi phân Michel-Penot $\partial^{MP} f(x)$ (Michel & Penot, 1984) bộc lộ nhược điểm cố hữu: dưới vi phân Clarke luôn là một tập lồi và compact yếu trong không gian đối ngẫu $X^$. Đối với nhiều lớp hàm liên tục không trơn (chẳng hạn $f(x) = -|x|$, có dưới vi phân suy rộng tại 0 là tập rời rạc ${-1, 1}$), dưới vi phân Clarke $\partial^C f(0) = [-1, 1]$ trở nên quá rộng, dẫn đến việc tập nghiệm dừng của điều kiện tối ưu bị phình to và chứa nhiều điểm không tối ưu. Jeyakumar và Luc (1994, 1999) đã giới thiệu khái niệm dưới vi phân suy rộng $\partial^ f(x)$, cho phép tập dưới vi phân không nhất thiết phải lồi hay compact, từ đó cung cấp công cụ sắc bén hơn để nắm bắt tính bất đối xứng của hàm số.

Dòng chảy thứ ba là tối ưu hóa đa mục tiêu không trơn và lý thuyết tựa nghiệm (approximate / quasi-efficiency). Loridan (1984) và sau đó là Golestani et al. (2018) đã phát triển các điều kiện tối ưu cho nghiệm xấp xỉ nhưng bị giới hạn trong khuôn khổ dưới vi phân Clarke. Gần đây hơn, Capătă (2014) thiết lập điều kiện cho $\epsilon$-tựa nghiệm của bài toán vô hướng qua dưới vi phân suy rộng, trong khi Gadhi (2019) công bố điều kiện tối ưu cho bài toán quy hoạch thương đa mục tiêu không trơn nhưng chỉ xét ràng buộc bất đẳng thức $h_j(x) \le 0$ và giả định tập chấp nhận được không có ràng buộc tập trừu tượng $x \in D$.

                      TIẾN TRÌNH HỌC THUẬT VÀ ĐỊNH VỊ LUẬN ÁN
                      
[Charnes & Cooper, 1962] ──> [Dinkelbach, 1967] ──> [Schaible / Craven, 1976-1988]
(Quy hoạch thương tuyến tính)  (Phương pháp tham số $p=1$)   (Quy hoạch thương phi lồi)
                                                                    │
┌───────────────────────────────────────────────────────────────────┘
│
├──> [Clarke, 1983 / Michel-Penot, 1984] ──> [Jeyakumar & Luc, 1994] (Dưới vi phân suy rộng)
│
├──> [Golestani et al., 2018] ──> [Gadhi, 2019] ──> [ĐỊNH VỊ CỦA LUẬN ÁN (2022)]
     (Tựa nghiệm qua Clarke;      (MFP qua $\partial^*$,     (Toàn diện: $p$ tỷ số, $\partial^*$ Jeyakumar-Luc,
      Không xét ràng buộc tập)     Chỉ có $h_j(x) \le 0$)     Đẳng thức $l_k=0$, Bất đẳng thức $h_j \le 0$,
                                                              Ràng buộc tập $x \in D$, Nghiệm & Tựa nghiệm,
                                                              Đối ngẫu Mond-Weir / Wolfe)

Luận án của Phạm Thị Linh định vị chính xác tại giao điểm đột phá này:

  • So với công trình quốc tế của Gadhi (2019): Luận án không chỉ mở rộng bài toán sang hệ ràng buộc hỗn hợp (bổ sung $r$ ràng buộc đẳng thức $l_k(x) = 0$ và ràng buộc tập đóng $x \in D$) mà còn giải quyết bài toán qua nón tiếp tuyến Clarke $T(D;\bar{x})$ và nón pháp tuyến Clarke $N(D;\bar{x})$, điều mà mô hình của Gadhi hoàn toàn bỏ qua.
  • So với công trình của Golestani et al. (2018): Luận án thay thế toàn bộ giải tích dưới vi phân Clarke bằng dưới vi phân suy rộng Jeyakumar-Luc $\partial^* f(x)$, đồng thời mở rộng từ bài toán phi thương sang bài toán thương đa mục tiêu với cấu trúc tử số và mẫu số độc lập.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mang lại những đóng góp nền tảng cho giải tích biến phân và lý thuyết tối ưu hóa:

Thứ nhất, Luận án đã phát triển và chứng minh quy tắc tính dưới vi phân suy rộng cho hàm thương không trơn. Bằng cách thiết lập ánh xạ hợp $G(u_1, u_2) = \frac{u_1}{u_2}$ khả vi Fréchet trên $\mathbb{R} \times (\mathbb{R} \setminus {0})$ và ánh xạ $F(x) = (f(x), g(x))$, Luận án chứng minh mệnh đề: $$\partial^* \left(\frac{f}{g}\right)(\bar{x}) \subset \frac{g(\bar{x})\partial^* f(\bar{x}) - f(\bar{x})\partial^* g(\bar{x})}{g^2(\bar{x})}$$ khi các dưới vi phân $\partial^* f(\bar{x}), \partial^* g(\bar{x})$ bị chặn và nửa liên tục trên tại $\bar{x}$. Đây là bước nhảy vọt cho phép chuyển bài toán vi phân thương phức tạp về tổ hợp tuyến tính của các dưới vi phân thành phần.

Thứ hai, Luận án xây dựng hệ thống Định lý điều kiện cần Fritz John và Kuhn-Tucker cho cả hai lớp nghiệm:

  • Nghiệm hữu hiệu yếu (Weak Efficient Solution): Điểm $\bar{x} \in M$ thỏa mãn không tồn tại $x \in M$ sao cho $\frac{f_i(x)}{g_i(x)} < \frac{f_i(\bar{x})}{g_i(\bar{x})}, \forall i = 1, \dots, p$.
  • Tựa nghiệm hữu hiệu yếu địa phương (Local Weak Quasi-Efficient Solution): Tồn tại $\alpha \in \mathbb{R}^p_{++}$ và lân cận $V$ của $\bar{x}$ sao cho không có $x \in V \cap M$ thỏa mãn: $$\frac{f_i(x)}{g_i(x)} \le \frac{f_i(\bar{x})}{g_i(\bar{x})} - \alpha_i |x - \bar{x}|, \quad \forall i = 1, \dots, p$$ và có ít nhất một chỉ số $s$ bất đẳng thức thực sự xảy ra.

Thứ ba, Luận án thiết lập mối quan hệ đối ngẫu hoàn chỉnh giữa bài toán gốc (MFP) và hai bài toán đối ngẫu vô hướng hóa suy rộng kiểu Mond-Weir và kiểu Wolfe:

  • Đối ngẫu yếu (Weak Duality): Giá trị hàm mục tiêu của bài toán gốc luôn bị chặn dưới bởi giá trị bài toán đối ngẫu trên tập chấp nhận được.
  • Đối ngẫu mạnh (Strong Duality): Nếu $\bar{x}$ là nghiệm hữu hiệu yếu của (MFP) và thỏa mãn điều kiện chính quy (CQ), thì tồn tại bộ nhân Lagrange để hình thành nghiệm tối ưu của bài toán đối ngẫu, và hai giá trị tối ưu trùng nhau.
  • Đối ngẫu ngược (Converse Duality): Dưới các giả thiết về tính lồi suy rộng chặt, nghiệm của bài toán đối ngẫu suy ngược lại nghiệm hữu hiệu của bài toán gốc.

Khung phân tích độc đáo

Khung phân tích của Luận án được tích hợp hữu cơ từ ba lý thuyết toán học cao cấp:

  1. Lý thuyết dưới vi phân suy rộng Jeyakumar-Luc: Đóng vai trò là ngôn ngữ vi phân cơ bản, xử lý các hàm không khả vi và không Lipschitz.
  2. Lý thuyết vô hướng hóa Gong cho bài toán cân bằng vectơ (VEP): Cho phép chuyển bài toán đa mục tiêu phức tạp trên nón lồi nhọn $D \subset \mathbb{R}^p$ về bài toán cực tiểu hàm vô hướng $\Lambda(\phi(x) - \phi(\bar{x}))$ thông qua phiếm hàm Minkowski liên tục, thuần nhất dương và dưới cộng tính: $$P(y) = \inf {t \in \mathbb{R} : y \in te - D}, \quad e \in \text{int} D$$
  3. Lý thuyết lồi suy rộng bất biến tiệm cận (Asymptotic Invexity): Đưa ra các lớp hàm mới thay thế tính lồi cổ điển:
    • Hàm giả lồi bất biến tiệm cận (Asymptotic Pseudoinvex): Với mọi $x \in D$, tồn tại $x_n^* \in \text{conv} \partial^* f(\bar{x})$ sao cho $\lim_{n \to \infty} \langle x_n^*, \eta(x, \bar{x}) \rangle \ge 0 \implies f(x) \ge f(\bar{x})$.
    • Hàm tựa lồi bất biến tiệm cận (Asymptotic Quasiinvex): Với mọi $x \in D$, $f(x) \le f(\bar{x}) \implies \lim_{n \to \infty} \langle x_n^*, \eta(x, \bar{x}) \rangle \le 0$.

Điều kiện biên (boundary conditions) của khung phân tích được xác định tường minh: không gian định chuẩn $X$ là không gian Banach; tập $D$ lồi và đóng; các hàm ràng buộc đẳng thức $l_k$ là Lipschitz địa phương và $|l_k|$ chính quy theo nghĩa Clarke; mẫu số $g_i(x)$ nhận giá trị dương tuyệt đối trên toàn miền xác định.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ chặt chẽ thế giới quan duy lý toán học (Mathematical Rationalism / Deductive-Axiomatic Paradigm), trong đó các kết quả được phát triển thông qua suy diễn giải tích thuần túy, chứng minh quy nạp và phản chứng logic trong không gian giải tích hàm.

Mô hình nghiên cứu thiết lập cấu trúc ràng buộc 3 tầng (tri-level constraint architecture):

  • Tầng 1 (Hình học): Ràng buộc tập trừu tượng $x \in D$ được kiểm soát bởi nón tiếp tuyến Clarke $T(D;\bar{x}) = {v \in X : \forall x_n \in D, x_n \to \bar{x}, \forall t_n \downarrow 0, \exists v_n \to v \text{ sao cho } x_n + t_n v_n \in D}$ và nón pháp tuyến đối ngẫu $N(D;\bar{x}) = {\xi \in X^* : \langle \xi, v \rangle \le 0, \forall v \in T(D;\bar{x})}$.
  • Tầng 2 (Bất đẳng thức phi tuyến): $m$ ràng buộc $h_j(x) \le 0$ kiểm soát miền chấp nhận được $M$, phân loại thành tập chỉ số tích cực $I(\bar{x}) = {j \in I : h_j(\bar{x}) = 0}$ và không tích cực.
  • Tầng 3 (Đẳng thức phi tuyến): $r$ ràng buộc $l_k(x) = 0$ đòi hỏi tính chính quy vi phân theo nghĩa Ioffe (Ioffe regularity) để bảo đảm lân cận metric không suy biến.
                      CẤU TRÚC RÀNG BUỘC VÀ KHÔNG GIAN ĐỐI NGẪU
                      
                    Không gian Banach gốc $X$ (Chứa nghiệm $\bar{x}$)
     ┌──────────────────────────────────────┴──────────────────────────────────────┐
     │                                                                             │
[Ràng buộc tập: $x \in D$]       [Ràng buộc BĐT: $h_j(x) \le 0$]         [Ràng buộc ĐT: $l_k(x) = 0$]
     │                                      │                                      │
Nón tiếp tuyến $T(D;\bar{x})$          Chỉ số tích cực $j \in I(\bar{x})$       Điểm chính quy Ioffe
     │                                      │                                      │
     └──────────────────────────────────────┬──────────────────────────────────────┘
                                            │
                        Điều kiện chính quy (MFCQ suy rộng)
                  $\exists v_0 \in T(D;\bar{x}): \langle \xi, v_0 \rangle \le -a_j < 0, \forall \xi \in \text{conv} \partial^* h_j(\bar{x})$
                                 $\langle \eta_k, v_0 \rangle = 0, \forall \eta_k \in \text{conv} \partial^* l_k(\bar{x})$
                                            │
                                            ▼
           Không gian đối ngẫu Banach $X^*$ (Tôpô yếu-$w^*$, Bao đóng lồi $\text{cl conv}$)
           Bao hàm vi phân: $0 \in \text{cl} \Big( \sum \lambda_i^* \partial^* \varphi_i(\bar{x}) + \sum \mu_j^* \partial^* h_j(\bar{x}) + \sum \nu_k^* \partial^* l_k(\bar{x}) + N(D;\bar{x}) \Big)$

Quy trình nghiên cứu rigorous

Quy trình chứng minh được chuẩn hóa qua 4 giai đoạn giải tích nghiêm ngặt:

  1. Giai đoạn chuyển đổi tương đương: Chuyển bài toán đa mục tiêu thương gốc (MFP) về bài toán tối ưu hiệu quả vô hướng phụ trợ $(P_1)$ bằng cách cố định giá trị tối ưu $\varphi_i(\bar{x}) = \frac{f_i(\bar{x})}{g_i(\bar{x})}$: $$(P_1): \min {f_1(x) - \varphi_1(\bar{x})g_1(x), \dots, f_p(x) - \varphi_p(\bar{x})g_p(x)} \quad \text{s.t. } x \in M$$
  2. Giai đoạn vô hướng hóa phi tuyến: Ứng dụng Bổ đề Gong (1995) để tìm phiếm hàm lồi $\Lambda: \mathbb{R}^p \to \mathbb{R}$ thỏa mãn tính chất bảo toàn thứ tự: $y_2 - y_1 \in \text{int} \mathbb{R}^p_+ \implies \Lambda(y_1) < \Lambda(y_2)$. Chuyển bài toán $(P_1)$ thành bài toán vô hướng thực sự $(P_2)$: $\min_{x \in M} \Lambda(\phi(x) - \phi(\bar{x}))$.
  3. Giai đoạn tính toán dưới vi phân hàm hợp: Áp dụng quy tắc chuỗi cho hàm hợp $\Lambda \circ \phi$ với $\Lambda$ là hàm Lipschitz địa phương lồi trên $\mathbb{R}^p$. Tính toán đạo hàm Fréchet của toán tử nền để trích xuất tập vector gradient: $$\partial^* (\Lambda \circ \phi)(\bar{x}) = \partial \Lambda(0) \left( \text{conv} \partial^* f_1(\bar{x}) - \varphi_1(\bar{x}) \text{conv} \partial^* g_1(\bar{x}), \dots, \text{conv} \partial^* f_p(\bar{x}) - \varphi_p(\bar{x}) \text{conv} \partial^* g_p(\bar{x}) \right)$$
  4. Giai đoạn tách tập và khử nhân Lagrange triệt tiêu: Áp dụng định lý tách Hahn-Banach trên không gian tôpô đối ngẫu $w^$-yếu và sử dụng điều kiện chính quy Mangasarian-Fromovitz (CQ) để chứng minh nhân tử mục tiêu $\mu_0^ > 0$, từ đó chuẩn hóa điều kiện Fritz John thành điều kiện Kuhn-Tucker.

Data và phân tích

Trong nghiên cứu giải tích toán học thuần túy, "dữ liệu" là hệ thống các ví dụ phản chứng, các cấu trúc không gian Banach giải tích và các lớp hàm thử nghiệm đặc thù:

  • Xác thực tính phi lồi: Khảo sát hàm $f(x) = x^2 \sin(1/x)$ khi $x \neq 0$ ($f(0) = 0$) có tập dưới vi phân suy rộng tại gốc tọa độ là $\partial^* f(0) = {-1, 1}$, một tập hoàn toàn không liên thông và không lồi.
  • Xác thực độ sắc nét của điều kiện CQ: Ví dụ số học trong không gian $\mathbb{R}^2$ với $p=3$ mục tiêu, $m=2$ ràng buộc bất đẳng thức, $r=1$ ràng buộc đẳng thức và tập $D = \mathbb{R}^2_+$ chứng minh rằng khi chọn hướng tiếp xúc $v_0 = (1, 2) \in \text{int} T(D;\bar{x})$, hệ nhân tử Lagrange hoàn toàn xác định dương: $\alpha_1^* = 2, \alpha_2^* = 1, \alpha_3^* = 2, \mu_1^* = 2, \mu_2^* = 1, \nu^* = 1$.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được 5 phát hiện toán học mang tính đột phá:

  1. Thiết lập Điều kiện cần Fritz John cho nghiệm hữu hiệu yếu (Định lý 2.1): Nếu $\bar{x} \in M$ là nghiệm hữu hiệu yếu địa phương của (MFP) và $\bar{x}$ chính quy Ioffe đối với $l$ theo $D$, thì tồn tại các vector nhân tử không tầm thường $(\lambda^, \mu_0^, \mu^, \nu^) \in (\mathbb{R}^p_+ \setminus {0}) \times \mathbb{R}+ \times \mathbb{R}^m+ \times \mathbb{R}^r$ thỏa mãn bao hàm thức vi phân: $$0 \in \text{cl} \left( \mu_0^* \sum_{i=1}^p \lambda_i^* \left( \text{conv} \partial^* f_i(\bar{x}) - \varphi_i(\bar{x})\text{conv} \partial^* g_i(\bar{x}) \right) + \sum_{j=1}^m \mu_j^* \text{conv} \partial^* h_j(\bar{x}) + \sum_{k=1}^r \nu_k^* \text{conv} \partial^* l_k(\bar{x}) + N(D;\bar{x}) \right)$$ cùng điều kiện bù chập: $\mu_j^* h_j(\bar{x}) = 0, \forall j = 1, \dots, m$.

  2. Thiết lập Điều kiện chính quy Mangasarian-Fromovitz (CQ) và Điều kiện Kuhn-Tucker (Định lý 2.2): Chứng minh rằng nếu tồn tại hướng $v_0 \in T(D;\bar{x})$ sao cho: $$\begin{cases} \langle \xi, v_0 \rangle \le -a_j < 0, & \forall \xi \in \text{conv} \partial^* h_j(\bar{x}), \forall j \in I(\bar{x}) \ \langle \eta_k, v_0 \rangle = 0, & \forall \eta_k \in \text{conv} \partial^* l_k(\bar{x}), \forall k \in {1, \dots, r} \end{cases}$$ thì bắt buộc nhân tử mục tiêu $\mu_0^* \neq 0$. Bằng cách chuẩn hóa $\alpha_i^* = \mu_0^* \lambda_i^*$, điều kiện Kuhn-Tucker được xác lập mà không cần bất kỳ giả thiết lồi nào trên các hàm mục tiêu.

  3. Mở rộng sang không gian Tựa nghiệm hữu hiệu yếu (Chương 3, Định lý 3.1 & 3.2): Đối với tựa nghiệm hữu hiệu yếu theo vector sai số $\alpha \in \mathbb{R}^p_{++}$, bao hàm thức vi phân được mở rộng thành công với sự xuất hiện của hình cầu đơn vị đối ngẫu $B^* \subset X^$: $$0 \in \text{cl} \left( \mu_0^ \sum_{i=1}^p \theta_i^* \left( \text{conv} \partial^* f_i(\bar{x}) - \varphi_i(\bar{x})\text{conv} \partial^* g_i(\bar{x}) + \alpha_i g_i(\bar{x}) B^* \right) + \sum_{j=1}^m \mu_j^* \text{conv} \partial^* h_j(\bar{x}) + \sum_{k=1}^r \nu_k^* \text{conv} \partial^* l_k(\bar{x}) + N(D;\bar{x}) \right)$$ Kết quả này phản ánh chính xác tác động của nhiễu loạn $\alpha_i |x - \bar{x}|$ lên cấu trúc dưới vi phân của bài toán thương.

  4. Chứng minh Định lý điều kiện đủ thông qua tính Giả lồi bất biến tiệm cận (Định lý 2.3 & 3.3): Chứng minh rằng nếu tổ hợp hàm mục tiêu $\sum_{i=1}^p \alpha_i^* (f_i - \varphi_i(\bar{x})g_i)$ là giả lồi bất biến tiệm cận theo ánh xạ $\eta$, các hàm ràng buộc bất đẳng thức $h_j$ là tựa lồi bất biến tiệm cận, và các hàm ràng buộc đẳng thức $\pm \nu_k^* l_k$ là tựa lồi bất biến tiệm cận, thì điểm dừng $\bar{x}$ thỏa mãn điều kiện Kuhn-Tucker chắc chắn là nghiệm hữu hiệu yếu toàn cục của bài toán (MFP).

  5. Hoàn thiện mô hình Đối ngẫu Mond-Weir và Wolfe (Chương 4 & 5): Xây dựng bài toán đối ngẫu Mond-Weir không trơn: $$\max_{(y, \lambda, \mu, \nu)} \left( \frac{f_1(y)}{g_1(y)}, \dots, \frac{f_p(y)}{g_p(y)} \right)$$ thỏa mãn ràng buộc dừng dưới vi phân và các điều kiện triệt tiêu năng lượng: $\sum_{j=1}^m \mu_j h_j(y) \ge 0$, $\sum_{k=1}^r \nu_k l_k(y) = 0$. Thiết lập tính đối ngẫu mạnh không có khoảng cách đối ngẫu ($\text{Duality Gap} = 0$).

Implications đa chiều

  • Về mặt lý thuyết: Thống nhất lý thuyết tối ưu hóa trơn, không trơn Lipschitz (Clarke) và không trơn phi Lipschitz (Jeyakumar-Luc) vào một cấu trúc giải tích duy nhất cho lớp hàm thương đa mục tiêu.
  • Về mặt phương pháp luận: Cung cấp công cụ toán học chuẩn xác để đánh giá thuật toán số: khái niệm tựa nghiệm hữu hiệu yếu cùng bán kính $\alpha_i g_i(\bar{x})B^*$ cung cấp tiêu chuẩn dừng (stopping criteria) tối ưu cho các thuật toán lặp xấp xỉ trong không gian hàm.
  • Về mặt ứng dụng thực tiễn: Cung cấp mô hình tính toán nền tảng cho:
    • Kinh tế tài chính: Tối ưu hóa đồng thời nhiều tỷ số tài chính (lợi nhuận/vốn rủi ro VaR, thanh khoản/nợ ngắn hạn).
    • Kỹ thuật truyền thông: Tối ưu hóa phân bổ băng thông và công suất trạm phát đa kênh để cực đại hóa tỷ số tín hiệu trên tạp âm ($SNR$) dưới các ràng buộc dung lượng mạng nghiêm ngặt.

Limitations và Future Research

Mặc dù đạt được những kết quả đột phá, Luận án tồn tại một số giới hạn học thuật nội tại cần được ghi nhận:

  1. Giả thiết mẫu số dương nghiêm ngặt: Tiên đề $g_i(x) > 0, \forall x \in X$ loại bỏ khả năng khảo sát các bài toán có điểm kỳ dị tại mẫu số ($g_i(x) = 0$), vốn xuất hiện trong các mô hình điều khiển biên hoặc vật lý plasma.
  2. Tính nửa liên tục trên của ánh xạ dưới vi phân: Đòi hỏi $\partial^* f_i, \partial^* g_i, \partial^* h_j, \partial^* l_k$ phải nửa liên tục trên và bị chặn tại lân cận điểm khảo sát. Trong không gian Banach vô hạn chiều, điều kiện này có thể bị vi phạm nếu hàm mục tiêu có dao động vô hạn.
  3. Tính phi kiến thiết của ánh xạ $\eta$: Khái niệm giả lồi bất biến tiệm cận phụ thuộc vào sự tồn tại của ánh xạ $\eta: X \times X \to X$. Luận án chưa đưa ra thuật toán đại số để tự động xây dựng $\eta$ cho một lớp hàm cụ thể trong ứng dụng số.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Hướng 1: Mở rộng điều kiện tối ưu cấp hai (Second-Order Optimality Conditions) sử dụng dưới vi phân suy rộng cấp hai hoặc đạo hàm biến phân parabolic để tăng tốc độ hội tụ số.
  • Hướng 2: Phát triển thuật toán số xấp xỉ (Proximal Bundle Methods) dựa trên cấu trúc tựa nghiệm hữu hiệu để giải các bài toán quy hoạch thương đa mục tiêu kích thước lớn.
  • Hướng 3: Khảo sát bài toán quy hoạch thương ngẫu nhiên (Stochastic Multiobjective Fractional Programming) khi các hàm $f_i, g_i$ chứa tham số phân phối xác suất.
  • Hướng 4: Mở rộng bài toán trên đa tạp Riemann không trơn (Nonsmooth Optimization on Riemannian Manifolds), phục vụ bài toán học sâu (Deep Learning) trên không gian tham số phi Euclid.

Tác động và ảnh hưởng

Công trình luận án của Tiến sĩ Phạm Thị Linh tạo ra những tác động học thuật và thực tiễn rõ nét:

  • Ảnh hưởng học thuật: Các kết quả cốt lõi của luận án đã được bình duyệt và công bố trên các tạp chí chuyên ngành toán học uy tín (danh mục công trình A1, A2, A3), được báo cáo tại các Seminar chuyên sâu của Viện Toán học và Khoa học ứng dụng Thăng Long, mở ra hướng trích dẫn quan trọng cho cộng đồng tối ưu hóa không trơn quốc tế.
  • Ứng dụng công nghiệp và điều hành kinh tế: Cung cấp khung lý thuyết vững chắc cho các hệ thống phần mềm hỗ trợ ra quyết định (DSS), tối ưu hóa danh mục đầu tư đa mục tiêu trong ngành ngân hàng và bảo hiểm, quản lý chuỗi cung ứng logistics (tỷ lệ chi phí vận chuyển trên thời gian giao hàng).
  • Hội nhập quốc tế: Đưa nghiên cứu toán tối ưu tại Việt Nam tiệm cận trực tiếp với các trường phái giải tích biến phân hàng đầu thế giới (Pháp, Úc, Canada).

Đối tượng hưởng lợi

                              CÁC ĐỐI TƯỢNG HƯỞNG LỢI CHÍNH
                              
┌───────────────────────────────┬─────────────────────────────────────────────────────────────┐
│ Đối tượng                     │ Giá trị thụ hưởng và Ứng dụng cụ thể                        │
├───────────────────────────────┼─────────────────────────────────────────────────────────────┤
│ Nghiên cứu sinh & Nhà toán học│ Khung giải tích hoàn chỉnh về dưới vi phân Jeyakumar-Luc;   │
│ lý thuyết                     │ công cụ mở rộng cho các bài toán tối ưu cân bằng vectơ mới. │
├───────────────────────────────┼─────────────────────────────────────────────────────────────┤
│ Chuyên gia Tối ưu hóa số &    │ Tiêu chuẩn dừng số học chính xác từ lý thuyết tựa nghiệm;   │
│ Thuật toán                    │ cơ sở phát triển thuật toán Bundle / Gradient suy rộng.     │
├───────────────────────────────┼─────────────────────────────────────────────────────────────┤
│ Kỹ sư R&D & Tài chính định    │ Mô hình toán học tối ưu hóa các tỷ số hiệu năng/chi phí,    │
│ lượng (Quant)                 │ tỷ số Sharpe đa tài sản dưới ràng buộc thanh khoản phức tạp.│
├───────────────────────────────┼─────────────────────────────────────────────────────────────┤
│ Cơ quan Hoạch định Chính sách │ Mô hình phân bổ ngân sách công tối ưu hóa đầu ra/đầu vào    │
│ kinh tế                       │ theo các mục tiêu phúc lợi xã hội mâu thuẫn.                │
└───────────────────────────────┴─────────────────────────────────────────────────────────────┘

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp độc đáo nhất là việc thiết lập Quy tắc giải tích dưới vi phân suy rộng cho tỷ số không trơn $\frac{f}{g}$ và chứng minh Điều kiện cần Kuhn-Tucker cho bài toán quy hoạch thương đa mục tiêu (MFP) chứa đồng thời ràng buộc đẳng thức, bất đẳng thức và ràng buộc tập trong không gian Banach. Công trình đã mở rộng trực tiếp lý thuyết dưới vi phân suy rộng của Jeyakumar & Luc (1994, 1999) và vượt qua giới hạn mô hình chỉ chứa ràng buộc bất đẳng thức của Gadhi (2019).

2. Sự đổi mới về phương pháp luận so với các nghiên cứu quốc tế tiền nhiệm thể hiện ở đâu?

So với nghiên cứu của Golestani et al. (2018) (sử dụng dưới vi phân Clarke) và Capătă (2014) (chỉ xét bài toán vô hướng), Luận án đã:

  1. Sử dụng dưới vi phân suy rộng $\partial^*$, khắc phục hiện tượng "giả nghiệm dừng" do bao lồi hóa của dưới vi phân Clarke gây ra.
  2. Ứng dụng thành công định lý vô hướng hóa phi tuyến của Gong (1995) để bảo toàn cấu trúc nón Pareto mà không làm mất thông tin dưới vi phân.
  3. Thiết lập điều kiện chính quy Mangasarian-Fromovitz tổng quát kết hợp nón tiếp tuyến Clarke $T(D;\bar{x})$.

3. Phát hiện nào gây bất ngờ nhất về mặt toán học trong luận án?

Phát hiện giải tích tại Chương 3: Khi chuyển từ nghiệm hữu hiệu chính xác sang tựa nghiệm hữu hiệu yếu theo vector sai số $\alpha \in \mathbb{R}^p_{++}$, dưới vi phân suy rộng của hàm mục tiêu không đơn thuần bị dịch chuyển tuyến tính mà được mở rộng chính xác bởi một tập đối ngẫu compact: $\alpha_i g_i(\bar{x}) B^*$. Điều này chứng minh rằng sai số xấp xỉ số học trong không gian nghiệm tạo ra một "vùng đệm hình cầu" đối ngẫu trong không gian dưới vi phân.

4. Luận án có cung cấp quy trình tái lập (Replication Protocol) không?

Có. Quy trình chứng minh toán học được trình bày mạch lạc từng bước: từ thiết lập bài toán phụ trợ, xây dựng phiếm hàm vô hướng hóa $\Lambda$, kiểm tra tính khả vi chặt của toán tử chiếu, tính vi phân hàm hợp, áp dụng định lý Hahn-Banach để tách tập, đến kỹ thuật phản chứng để loại bỏ trường hợp nhân tử $\mu_0^* = 0$. Mọi bước giải tích đều kèm theo ví dụ kiểm chứng số học độc lập trong không gian hữu hạn chiều.

5. Luận án đã phác thảo chương trình nghiên cứu 10 năm tiếp theo như thế nào?

Chương trình nghiên cứu dài hạn tập trung vào ba trụ cột:

  1. Xây dựng lý thuyết biến phân cấp hai cho quy hoạch thương phi lồi.
  2. Phát triển gói thuật toán chuyên dụng (Nonsmooth Fractional Optimization Solvers) giải quyết bài toán quy mô hàng triệu biến.
  3. Ứng dụng lý thuyết đối ngẫu Mond-Weir vào bài toán học máy đối kháng (Adversarial Machine Learning) và tối ưu hóa mạng nơ-ron sâu.

Kết luận

Luận án Tiến sĩ Toán học của Phạm Thị Linh đã hoàn thành xuất sắc mục tiêu nghiên cứu với 5 đóng góp học thuật cốt lõi:

  1. Thiết lập công thức tường minh cho dưới vi phân suy rộng Jeyakumar-Luc của hàm thương $\partial^* (f/g)(\bar{x})$ trên tập chấp nhận được tổng quát.
  2. Chứng minh hệ thống điều kiện cần Fritz John và Kuhn-Tucker cho nghiệm hữu hiệu yếu của bài toán (MFP) với ràng buộc hỗn hợp (đẳng thức, bất đẳng thức, ràng buộc tập) trong không gian Banach.
  3. Tiên phong xây dựng lý thuyết điều kiện tối ưu cho tựa nghiệm hữu hiệu yếu, cung cấp nền tảng toán học cho các thuật toán tối ưu hóa số xấp xỉ.
  4. Khám phá và chuẩn hóa các lớp hàm lồi suy rộng mới (giả lồi bất biến tiệm cận, tựa lồi bất biến tiệm cận), làm điều kiện đủ để bảo toàn tính tối ưu toàn cục.
  5. Xây dựng hoàn chỉnh lý thuyết đối ngẫu Mond-Weir và Wolfe, chứng minh triệt tiêu hoàn toàn khoảng cách đối ngẫu dưới điều kiện chính quy suy rộng.

Công trình đánh dấu bước tiến quan trọng trong lĩnh vực Tối ưu hóa không trơn và Giải tích biến phân, mở ra ba nhánh nghiên cứu mới: tối ưu hóa thương trên đa tạp, giải tích dưới vi phân cấp cao và thuật toán số xấp xỉ cho các bài toán kinh tế - kỹ thuật phức hợp, khẳng định vị thế và năng lực hội nhập quốc tế của nền toán học ứng dụng Việt Nam.