Tổng quan về luận án

Nghiên cứu của Tiến sĩ Trần Ngọc Thăng (2017) với đề tài "Phương pháp giải một số lớp bài toán tối ưu đa mục tiêu và ứng dụng", chuyên ngành Toán ứng dụng (Mã số: 62460112) tại Viện Toán ứng dụng và Tin học - Trường Đại học Bách Khoa Hà Nội, dưới sự hướng dẫn khoa học của PGS. Nguyễn Thị Bạch Kim và GS. Đinh Thế Lục, đã tạo nên một bước tiến quan trọng trong lý thuyết tối ưu hóa phi tuyến và tối ưu toàn cục.

Trong bối cảnh lý thuyết ra quyết định hiện đại, quy hoạch đa mục tiêu tuyến tính (LMOP) và lồi (CMOP) đã đạt được nền tảng lý thuyết tương đối vững chắc qua các công trình kinh điển của Ehrgott (2005) hay Miettinen (1999). Tuy nhiên, một khoảng trống nghiên cứu mang tính then chốt (research gap) tồn tại dai dẳng: các thuật toán hiệu quả giải bài toán quy hoạch đa mục tiêu lồi suy rộng (GMOP), bài toán quy hoạch tích mở rộng (GMP, GIMP) và bài toán tối ưu trên tập nghiệm hữu hiệu (optimization over the efficient set) vẫn còn vô cùng khan hiếm trên bình diện học thuật quốc tế. Thách thức cốt lõi nằm ở bản chất hình học phi tuyến phức tạp: "ngay cả trong trường hợp đơn giản nhất của (MOP) là bài toán quy hoạch đa mục tiêu tuyến tính (LMOP), tập nghiệm hữu hiệu $X_E$ và tập nghiệm hữu hiệu yếu $X_{WE}$ đã là các tập không lồi với cấu trúc rất phức tạp".

Luận án tập trung giải quyết 4 câu hỏi nghiên cứu và giả thuyết trọng tâm:

  1. Câu hỏi 1 (Q1) & Giả thuyết 1 (H1): Làm thế nào để thiết lập một thuật toán xấp xỉ ngoài hội tụ trên không gian ảnh (outcome space) $\mathbb{R}^p$ cho lớp bài toán đa mục tiêu lồi suy rộng (GMOP)? Giả thuyết cho rằng thông qua việc đề xuất lớp hàm véctơ giả lồi vô hướng và khai thác nón pháp tuyến của tập tương đương hữu hiệu, thuật toán hướng pháp tuyến sẽ đạt được nghiệm $\theta$-xấp xỉ với chứng minh hội tụ chặt chẽ.
  2. Câu hỏi 2 (Q2) & Giả thuyết 2 (H2): Cấu trúc liên thông của tập ảnh hữu hiệu có thể tận dụng để giải quyết lớp bài toán quy hoạch tích lồi suy rộng (GMP) và quy hoạch tích lõm mở rộng (GIMP) hay không?
  3. Câu hỏi 3 (Q3) & Giả thuyết 3 (H3): Thuật toán nhánh cận kết hợp xấp xỉ ngoài trên không gian ảnh 2 chiều $\mathbb{R}^2$ có thể tối ưu hóa hàm mục tiêu tựa lõm ($\text{QP}$) hoặc đơn điệu tăng ($\text{DP}$) trên tập nghiệm Pareto của bài toán hai mục tiêu lồi mà không cần tham số hóa toàn bộ miền nghiệm hay không?
  4. Câu hỏi 4 (Q4) & Giả thuyết 4 (H4): Việc chuyển đổi không gian từ không gian quyết định $\mathbb{R}^n$ ($n$ lớn) sang không gian ảnh $\mathbb{R}^p$ ($p \ll n$) có thực sự giảm thiểu đáng kể chi phí tính toán thực nghiệm trên các tập dữ liệu ngẫu nhiên quy mô lớn hay không?

Luận án xây dựng trên khung lý thuyết tối ưu hóa véctơ (Vector Optimization Theory của Luc, 1989), giải tích lồi và biến phân (Convex Analysis & Variational Analysis của Rockafellar, 1970; Rockafellar & Wets, 2010), cùng lý thuyết tối ưu toàn cục (Global Optimization của Horst & Tuy, 1996). Đóng góp đột phá của luận án đã được công bố trên 4 bài báo quốc tế uy tín (tiêu biểu trên Pacific Journal of Optimization, Optimization, Journal of Industrial and Management Optimization), nằm trong danh mục công trình được thưởng năm 2016 của Chương trình Trọng điểm Quốc gia phát triển Toán học giai đoạn 2010–2020 và tài trợ bởi Quỹ NAFOSTED.

Literature Review và Positioning

Lịch sử nghiên cứu tối ưu đa mục tiêu khởi nguồn từ các công trình đặt nền móng của Pareto (1906) và Cantor (1897), phát triển mạnh mẽ qua các thập kỷ với hai nhánh tiếp cận chính: tiếp cận trên không gian quyết định (decision space $\mathbb{R}^n$) và tiếp cận trên không gian ảnh (outcome space $\mathbb{R}^p$).

Đối với bài toán quy hoạch đa mục tiêu tuyến tính và lồi, các phương pháp kinh điển trên không gian quyết định như phương pháp trọng số (Zadeh, 1963), phương pháp $\varepsilon$-ràng buộc (Chankong & Haimes, 1983), phương pháp hàm lợi ích (Yu, 1985; Steuer, 1986), phương pháp xấp xỉ ngoài đa diện (Benson, 1998; Ehrgott et al., 2012; Löhne, 2011) đã giải quyết trọn vẹn nhiều bài toán cơ sở. Tuy nhiên, khi chuyển sang lớp hàm phi lồi hoặc lồi suy rộng (generalized convexity), các phương pháp truyền thống trên không gian quyết định bộc lộ hạn chế nghiêm trọng do sự bùng nổ chiều tính toán ($n$ biến) và tính chất không lồi của tập nghiệm hữu hiệu $X_E$.

Cuộc tranh luận học thuật sâu sắc nảy sinh giữa hai quan điểm:

  • Quan điểm 1 (Tiếp cận không gian quyết định): Các tác giả như Philip (1972), Isermann (1991), Ecker & Song (1994) tập trung phân tích tập $X_E$ trực tiếp trong $\mathbb{R}^n$, cố gắng xác định toàn bộ các đỉnh và diện hữu hiệu. Nhược điểm là chi phí tổ hợp cực lớn khi số biến $n$ tăng cao.
  • Quan điểm 2 (Tiếp cận không gian ảnh): Được khởi xướng bởi Benson (1998), Dauer (1993), và phát triển bởi Luc (1989), Sawaragi et al. (1985). Hướng tiếp cận này chỉ ra rằng số hàm mục tiêu $p$ trong thực tế thường rất nhỏ so với số biến $n$ ($p \ll n$), và tập ảnh hữu hiệu $Y_E = f(X_E)$ có cấu trúc hình học đơn giản hơn nhiều so với $X_E$.

Đặc biệt, đối với bài toán quy hoạch tích (Multiplicative Programming), Matsui (1996) đã chứng minh một định lý nền tảng: "ngay cả trường hợp đơn giản nhất của bài toán (MP), tức là bài toán (LMP) với $p = 2$ và $X$ là đa diện khác rỗng, cũng thuộc lớp bài toán NP-khó". Các thuật toán của Kuno (2000), Thoại (1991, 2000) và Benson (1999) chủ yếu dừng lại ở bài toán tích tuyến tính hoặc tích hai hàm lồi. Đối với bài toán quy hoạch tích lõm mở rộng $\max {f_0(x) + \prod_{i=1}^k f_i(x)}$, hầu như chưa có công trình quốc tế nào đưa ra thuật toán hội tụ cho trường hợp tổng quát $k \ge 2$.

Luận án của Trần Ngọc Thăng định vị chính xác vào khoảng trống này bằng cách: (i) Mở rộng lý thuyết từ lồi sang giả lồi vô hướng; (ii) Cung cấp chứng minh toán học hoàn chỉnh về sự hội tụ của thuật toán hướng pháp tuyến trên không gian ảnh—điều mà các công trình quốc tế gần đây (như Eichfelder, 2008; Shao & Ehrgott, 2008) chưa chứng minh được; (iii) Đưa bài toán tối ưu trên tập nghiệm hữu hiệu và bài toán quy hoạch tích lõm mở rộng về bài toán tối ưu trên đường cong hữu hiệu trong $\mathbb{R}^2$.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã mở rộng và làm sâu sắc thêm các hệ thống lý thuyết giải tích lồi suy rộng và tối ưu hóa véctơ:

  • Mở rộng lý thuyết hàm giả lồi vô hướng (Scalarly Pseudoconvex Vector Functions): Luận án định nghĩa hàm véctơ $f: \mathbb{R}^n \to \mathbb{R}^p$ là giả lồi vô hướng trên tập lồi $S$ nếu hàm vô hướng $\sum_{i=1}^p \lambda_i f_i$ là giả lồi với mọi véctơ trọng số $\lambda \ge 0$. Đây là cầu nối lý thuyết then chốt, khắc phục nhược điểm mất tính giả lồi qua phép cộng thông thường, cho phép áp dụng điều kiện dừng Karush-Kuhn-Tucker (KKT) tổng quát để tìm cực tiểu toàn cục.
  • Hình học của tập tương đương hữu hiệu: Luận án thiết lập mối quan hệ đồng nhất giữa biên của tập tương đương hữu hiệu $Y^+ = Y + \mathbb{R}^p_+$ và tập điểm hữu hiệu yếu: $\partial Y^+ = \operatorname{WMin} Y^+$, đồng thời chứng minh rằng nếu $Y^+$ lồi thì $\operatorname{Min} Y$ là liên thông và $\operatorname{WMin} Y$ là liên thông đường (dựa trên mở rộng Định lý Luc, 1989).
  • Lý thuyết siêu phẳng cắt theo hướng pháp tuyến: Luận án chứng minh Định lý 2.1, xác lập mối quan hệ tương đương giữa nón pháp tuyến $N_{Y^+}(w^k) \cap \mathbb{R}^p_+$ tại điểm biên $w^k$ và hệ điều kiện KKT của bài toán vô hướng hóa tương ứng, cho phép tính toán tường minh véctơ pháp tuyến $\lambda^k \ge 0$ để xây dựng nửa không gian tựa bao đóng $B_{k+1}$.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp chặt chẽ 3 trụ cột lý thuyết toán học:

  1. Lý thuyết tập tương đương hữu hiệu: Biến đổi tập ảnh compact $Y = f(X)$ thành $Y^+ = Y + \mathbb{R}^p_+$, loại bỏ các cấu trúc phi lồi cục bộ mà vẫn bảo toàn chính xác tập điểm hữu hiệu $\operatorname{Min} Y = \operatorname{Min} Y^+$.
  2. Kỹ thuật xấp xỉ ngoài đa diện (Outer Polyhedral Approximation): Xây dựng dãy đa diện lồng nhau $B_0 \supset B_1 \supset \dots \supset B_k \supset Y^\diamond \supset Y$.
  3. Kỹ thuật chia nhánh và rút gọn đơn hình trên $\mathbb{R}^2$ (Simplicial Branch-and-Reduce): Khai thác tính chất "tập điểm hữu hiệu $\operatorname{Min} Q$ của tập lồi đóng $Q \subset \mathbb{R}^2$ đồng phôi với một đoạn đóng trong $\mathbb{R}$" (Định lý 1.6 theo Luc, 2003) để thiết lập lược đồ rẽ nhánh 2-đơn hình $S(y^L, y^R)$, chiếu tia từ gốc tọa độ $y^O$ cắt biên $\partial Y^+$ tại duy nhất một điểm phân đôi $y^\omega$.
[Bài toán gốc: GMOP / GIMP / QP / DP] 
[Tập tương đương hữu hiệu Y+ = Y + R^p_+]
[Thuật toán Hướng pháp tuyến]      [Thuật toán Nhánh cận Đơn hình]
(Cắt siêu phẳng KKT trên R^p)      (Rẽ nhánh đồng phôi trên R^2)
[Tập xấp xỉ ngoài Y_out, B_k]      [Thu hẹp Cận trên α_k & Cận dưới β_k]
[Chứng minh Hội tụ Hausdorff: h(B_k, Y^\diamond) -> 0]
[Nghiệm hữu hiệu theta-xấp xỉ tối ưu toàn cục]

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ chặt chẽ lập trường nhận thức luận duy lý thực chứng toán học (Mathematical Positivism & Formal Deductivism), kết hợp giữa chứng minh diễn dịch giải tích thuần túy (rigorous mathematical proof) và thực nghiệm mô phỏng số học (computational benchmarking).

Thiết kế nghiên cứu đa tầng bao gồm:

  • Tầng 1 - Thiết lập mô hình giải tích: Chuẩn hóa các bài toán (GMOP), (GMP), (GIMP), (QP), (DP) dưới dạng tối ưu hóa phi tuyến compact.
  • Tầng 2 - Thuật toán hóa: Thiết kế 5 thuật toán chuyên biệt: Solve(GMOP), Solve(GMPY), Solve(EPY-), Solve(QPY+), và Solve(DPY+).
  • Tầng 3 - Chứng minh hội tụ: Sử dụng cấu trúc metric không gian Hausdorff và định lý Bolzano-Weierstrass để chứng minh tính dừng hữu hạn hoặc dãy điểm hội tụ tiệm cận về nghiệm toàn cục.
  • Tầng 4 - Thực nghiệm tính toán số: Cài đặt thử nghiệm, đối sánh trực tiếp với các thuật toán quốc tế chuẩn mực.

Quy trình nghiên cứu rigorous

Quy trình thuật toán xấp xỉ ngoài hướng pháp tuyến Solve(GMOP) được thiết lập chuẩn xác qua các bước lặp:

  • Bước khởi tạo (k=0): Xác định các điểm lý tưởng $y^m = (\min y_i)$ và điểm phản lý tưởng $y^M = (\max y_i), i=1,\dots,p$ bằng quy hoạch lồi. Thiết lập hộp bao ban đầu $B_0 = B[b, d]$ với $b < y^m \le y^M < d$ và chọn điểm cực trị $y^O < b$. Khởi tạo tập đỉnh $V^0$, tập đỉnh xấp xỉ ngoài $E_O = \emptyset$, tập điểm ảnh hữu hiệu $E_Y = \emptyset$.
  • Bước kiểm tra điều kiện dừng: Nếu $V^k \subseteq E_O$ thì dừng thuật toán. Ngược lại, chọn $v^k \in V^k \setminus E_O$.
  • Bước tính toán chiếu tia & Nghiệm hữu hiệu: Giải bài toán quy hoạch lồi vô hướng tương đương: $$\min_{x \in X, t \in \mathbb{R}} t \quad \text{s.t.} \quad f_j(x) - y^O_j \le t(v^k_j - y^O_j), \quad j=1,\dots,p$$ Thu được nghiệm tối ưu duy nhất $t_k$, xác định điểm hữu hiệu yếu $w^k = y^O + t_k(v^k - y^O) \in \operatorname{WMin} Y^+$ và nghiệm hữu hiệu tương ứng $y^k = f(x^k) \in \operatorname{WMin} Y$.
  • Bước phân tách & Cắt siêu phẳng:
    • Nếu $|w^k - v^k| \le \varepsilon$, bổ sung $v^k$ vào $E_O$.
    • Nếu $|w^k - v^k| > \varepsilon$, giải hệ điều kiện KKT để xác định véctơ pháp tuyến $\lambda^k \ge 0, \sum \lambda_i^k = 1$: $$\sum_{i=1}^p \lambda_i^k \nabla f_i(x^k) + \sum_{j \in I(x^k)} \mu_j^k \nabla g_j(x^k) = 0, \quad \sum_{i=1}^p \lambda_i^k (w_i^k - f_i(x^k)) = 0$$ Thiết lập đa diện mới cắt bỏ đỉnh sai lệch: $B_{k+1} = {y \in B_k \mid \langle \lambda^k, y \rangle \ge \langle \lambda^k, y^k \rangle}$. Cập nhật tập đỉnh $V^{k+1}$ bằng thuật toán danh sách kề (Adjacency List Algorithm của Chen et al., 1991).

Data và phân tích

Tính toán thực nghiệm được lập trình hoàn toàn trên nền tảng Matlab, thực thi trên hệ thống phần cứng tiêu chuẩn: Laptop HP Pavilion, Vi xử lý 1.8 GHz, Bộ nhớ trong RAM 2GB.

Các tham số thử nghiệm được kiểm soát nghiêm ngặt:

  • Sai số dừng $\varepsilon \in [10^{-5}, 5 \cdot 10^{-3}]$.
  • Kích thước không gian bài toán thử nghiệm: số biến quyết định $n$ từ $2$ lên đến $60$ biến ($n=60$), số ràng buộc bất đẳng thức $m$ từ $2$ lên đến $40$ ràng buộc ($m=40$).
  • Dữ liệu thử nghiệm bao gồm: (1) Các bài toán kiểm thử chuẩn (benchmark problems) từ các công trình kinh điển của Benson (1994, 1998), Thoại (2000), Fülöp (1993); (2) Các bài toán quy mô lớn sinh tham số ngẫu nhiên phân phối đều trên $[0, 1]$ với ma trận hệ số ràng buộc $A \in \mathbb{R}^{m \times n}$, véctơ vế phải $b_i = \sum_{j=1}^n a_{ij} + 2b_0$, ma trận đường chéo xác định dương $D_i \in \mathbb{R}^{n \times n}$.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Chứng minh toán học đột phá về sự hội tụ của phương pháp hướng pháp tuyến: Định lý 2.3 xác lập rằng: hoặc thuật toán Solve(GMOP) dừng sau số hữu hạn bước lặp với $\max_{v \in V^k} |w_v - v| \le \varepsilon$, hoặc sinh ra dãy vô hạn thỏa mãn $\lim_{k \to \infty} \max_{v \in V^k} |w_v - v| = 0$. Khoảng cách Hausdorff $h(B_k, Y^\diamond) \le \max_{v \in V^k} |w_v - v| \to 0$. Đây là lời giải triệt để cho câu hỏi mở về tính hội tụ của các phương pháp xấp xỉ ngoài trên không gian ảnh từng tồn tại trong các công trình của Ehrgott et al. (2011) và Shao & Ehrgott (2008).
  2. Hiệu năng vượt trội trong tối ưu trên tập nghiệm hữu hiệu (Bài toán Benson): Thực nghiệm trên bài toán kinh điển của Benson (1994, 1998) với $n=11$ biến, thuật toán nhánh cận Solve(QPY+) đạt ngay nghiệm tối ưu $\varepsilon$-xấp xỉ chỉ sau đúng 1 bước lặp ($k=0$), tìm ra $y_{best} = (0.1111, 0.1111)$, $x_{best} = (0, 8, 1, 7, 56, 0, 0, 48, 6, 8, 0)^T$ và giá trị mục tiêu tối ưu $h(x_{best}) = 0.0123$ trong thời gian tính toán $0.03$ giây, vượt trội so với thuật toán gốc của Benson (phải mất 2 bước lặp phức tạp trong không gian quyết định).
  3. Khả năng giải quyết quy hoạch đa mục tiêu phi tuyến quy mô lớn: Trong thử nghiệm giải bài toán tối ưu trên tập nghiệm hữu hiệu sinh ngẫu nhiên với kích thước lớn $n = 60$ biến, $m = 40$ ràng buộc (Bảng 4.3 và Bảng 4.4), thuật toán Solve(QPY+) và Solve(DPY+) chỉ cần trung bình từ 5.4 đến 7.0 bước lặp, thời gian CPU trung bình cực ngắn từ 0.32 đến 0.85 giây để đạt độ lệch cận Gap $= \frac{UB - LB}{|UB| + 1} \le 0.0048 < \varepsilon = 0.005$.
  4. Xử lý triệt để tính phi lồi trong quy hoạch tích mở rộng (GIMP): Chuyển đổi thành công bài toán cực đại tổng một hàm lõm với tích $k$ hàm lõm ($k \ge 2$) về bài toán tối ưu đơn điệu trên biên hữu hiệu 2 chiều $EP_{Y^-}$, phá vỡ thế bế tắc của các phương pháp tối ưu toàn cục truyền thống khi số hàm thành phần $k$ tăng cao.

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp khung giải tích hoàn chỉnh cho tối ưu hóa lồi suy rộng và tối ưu véctơ, khẳng định tính khả thi của việc giải quyết các bài toán tối ưu toàn cục NP-khó thông qua phép biến đổi không gian ảnh.
  • Về mặt phương pháp luận: Khẳng định tính ưu việt của kỹ thuật xấp xỉ ngoài kết hợp nón pháp tuyến KKT. Phương pháp này có thể chuyển giao trực tiếp để giải quyết các lớp bài toán tối ưu ràng buộc không lồi (non-convex constrained), tối ưu song cấp (bilevel optimization), và tối ưu nón (conic programming).
  • Về mặt ứng dụng thực tiễn:
    • Kinh tế tài chính: Tối ưu hóa danh mục đầu tư đa mục tiêu (Markowitz mở rộng) khi xét đồng thời lợi nhuận kỳ vọng, độ rủi ro (VaR/CVaR), và tính thanh khoản dưới dạng tích các hàm lợi ích.
    • Kỹ thuật & Viễn thông: Tối ưu hóa lưu lượng mạng đa hàng đợi (min-max flow), cân bằng tải hệ thống năng lượng tái tạo, và thiết kế cấu trúc vi mạch bán dẫn VLSI.

Limitations và Future Research

Mặc dù đạt được những kết quả đột phá, luận án thẳng thắn chỉ ra 3 giới hạn nghiên cứu chính:

  1. Giới hạn về số chiều không gian ảnh của bài toán tối ưu trên tập Pareto: Thuật toán nhánh cận đơn hình trong Chương 4 hiện tại phát huy hiệu quả tối đa trên không gian hai mục tiêu ($p=2$). Khi số mục tiêu $p \ge 3$, cấu trúc topo của tập điểm hữu hiệu $\operatorname{Min} Y^+$ trở nên phức tạp hơn, đòi hỏi kỹ thuật phân hoạch $p$-đơn hình bậc cao.
  2. Yêu cầu về tính khả vi và điều kiện Slater: Việc xác định siêu phẳng cắt thông qua hệ KKT đòi hỏi các hàm mục tiêu và ràng buộc phải khả vi liên tục và thỏa mãn điều kiện chính quy Slater.
  3. Giới hạn biến liên tục: Luận án chỉ tập trung vào không gian biến quyết định liên tục $X \subset \mathbb{R}^n$, chưa bao hàm các bài toán tối ưu đa mục tiêu rời rạc hoặc nguyên hỗn hợp (Mixed-Integer Nonlinear Programming - MINLP).

Từ các giới hạn này, luận án đề xuất chương trình nghiên cứu tương lai với 5 hướng đi:

  • Hướng 1: Mở rộng phương pháp hướng pháp tuyến trên không gian ảnh để giải bài toán quy hoạch đa mục tiêu với hàm mục tiêu phân thức, hàm đa thức và hàm không khả vi (dưới vi phân Clarke).
  • Hướng 2: Tổng quát hóa thuật toán nhánh cận đơn hình giải bài toán tối ưu trên tập nghiệm hữu hiệu cho bài toán $p$ mục tiêu tổng quát ($p \ge 3$).
  • Hướng 3: Tích hợp thuật toán hướng pháp tuyến vào giải quyết các bài toán tối ưu hóa danh mục đầu tư quy mô lớn trong kinh tế lượng thực nghiệm.
  • Hướng 4: Phát triển biến thể thuật toán cho bài toán tối ưu đa mục tiêu số nguyên và rời rạc.
  • Hướng 5: Song song hóa thuật toán (Parallel Computing) để giải quyết các bài toán kỹ thuật dữ liệu lớn trong viễn thông và điều khiển tối ưu.

Tác động và ảnh hưởng

  • Tác động học thuật sâu rộng: Luận án mở ra hướng tiếp cận chuẩn mực cho trường phái tối ưu hóa không gian ảnh tại Việt Nam và quốc tế, tạo tiền đề trích dẫn mạnh mẽ trong các nghiên cứu về quy hoạch đa mục tiêu phi lồi và tối ưu toàn cục.
  • Thúc đẩy ứng dụng công nghiệp và chuyển đổi số: Cung cấp thuật toán cốt lõi cho các phần mềm hỗ trợ ra quyết định (Decision Support Systems - DSS) trong quản lý chuỗi cung ứng, lập lịch sản xuất tự động hóa công nghiệp và định tuyến mạng viễn thông thế hệ mới.
  • Đóng góp chính sách vĩ mô: Hỗ trợ các cơ quan hoạch định kinh tế - xã hội thiết lập mô hình cân bằng đa mục tiêu giữa tăng trưởng kinh tế, bảo vệ môi trường và an sinh xã hội dựa trên dữ liệu định lượng chính xác.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên Toán ứng dụng: Thụ hưởng khung lý thuyết hoàn chỉnh về hàm véctơ giả lồi vô hướng, nón pháp tuyến KKT và phương pháp chứng minh hội tụ metric Hausdorff.
  • Chuyên gia Tối ưu hóa R&D trong Công nghiệp: Tiếp cận các mã thuật toán hiệu năng cao giải quyết các bài toán quy mô lớn ($n=60, m=40$) với thời gian thực thi dưới 1 giây.
  • Nhà phân tích Tài chính & Kinh tế lượng: Ứng dụng giải quyết bài toán lựa chọn danh mục đầu tư đa tiêu chí tối ưu toàn cục mà không bị mắc kẹt tại các cực tiểu địa phương.
  • Kỹ sư Hệ thống Viễn thông & Điều khiển: Sử dụng thuật toán phân bổ tài nguyên và tối ưu hóa dòng cực đại trên đồ thị mạng phức tạp.

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 lý thuyết độc đáo nhất là việc đề xuất và hình thức hóa khái niệm hàm véctơ giả lồi vô hướng (scalarly pseudoconvex vector function) kết hợp với lý thuyết tập tương đương hữu hiệu $Y^+ = Y + \mathbb{R}^p_+$. Công trình đã mở rộng trực tiếp lý thuyết phân tích lồi của Rockafellar (1970) và lý thuyết tối ưu hóa véctơ của Luc (1989), cho phép áp dụng trọn vẹn điều kiện tối ưu KKT để xác định siêu phẳng tựa trên không gian ảnh cho lớp bài toán đa mục tiêu lồi suy rộng (GMOP)—điều mà các lý thuyết lồi truyền thống không thể thực hiện được.

2. Điểm cải tiến phương pháp luận cốt lõi so với các nghiên cứu quốc tế tiền nhiệm là gì?

So với thuật toán xấp xỉ ngoài của Benson (1998) trên không gian quyết định và thuật toán của Shao & Ehrgott (2008) trên không gian ảnh, luận án đã: (i) Thay thế việc tìm kiếm tổ hợp đỉnh phức tạp trong $\mathbb{R}^n$ bằng phép chiếu tia 1 chiều đơn giản từ điểm gốc $y^O$, giảm độ phức tạp tính toán từ hàm số mũ theo $n$ xuống bài toán giải quy hoạch lồi đơn mục tiêu; (ii) Cung cấp chứng minh toán học hoàn chỉnh về sự hội tụ theo khoảng cách Hausdorff, giải quyết triệt để khiếm khuyết thiếu chứng minh hội tụ trong các công trình của Ehrgott et al. (2011, 2012).

3. Phát hiện thực nghiệm bất ngờ và ấn tượng nhất là gì?

Phát hiện ấn tượng nhất là sự vượt trội về tốc độ hội tụ của thuật toán Solve(QPY+) và Solve(DPY+) khi giải các bài toán quy mô lớn ($n=60, m=40$). Trong khi các phương pháp tối ưu toàn cục truyền thống trên không gian quyết định thường bị tê liệt hoặc chạy quá thời gian (time-out) do số chiều lớn, thuật toán của luận án vẫn duy trì số bước lặp cực thấp (chỉ từ 5 đến 7 bước lặp) và thời gian giải trung bình dưới 0.85 giây để đạt độ chính xác $\varepsilon = 0.005$.

4. Luận án có cung cấp giao thức tái lập nghiên cứu (Replication Protocol) rõ ràng không?

Có. Luận án trình bày chi tiết từng bước thuật toán dạng mã giả chuẩn (pseudocode), kèm theo sơ đồ khối thuật toán minh bạch, định nghĩa cụ thể bài toán quy hoạch lồi vô hướng con $P_2(v^k)$, hệ phương trình đạo hàm KKT xác định véctơ pháp tuyến $\lambda^k$, bảng tham số khởi tạo ($b, d, y^O, \varepsilon$), cùng toàn bộ cấu trúc dữ liệu thử nghiệm (kích thước ma trận, phương thức sinh tham số ngẫu nhiên) lập trình trên môi trường Matlab.

5. Chương trình nghị sự nghiên cứu 10 năm (10-year research agenda) được vạch ra như thế nào?

Chương trình nghiên cứu 10 năm tập trung vào 3 giai đoạn chiến lược:

  • Giai đoạn 1 (Nền tảng): Mở rộng lý thuyết xấp xỉ ngoài không gian ảnh cho các bài toán tối ưu véctơ không khả vi và tối ưu nón tổng quát.
  • Giai đoạn 2 (Phát triển thuật toán): Xây dựng phần mềm tối ưu hóa song song tự động giải bài toán quy hoạch đa mục tiêu rời rạc và nguyên hỗn hợp (MINLP).
  • Giai đoạn 3 (Ứng dụng thực tiễn quy mô lớn): Chuyển giao gói thuật toán vào các hệ sinh thái công nghệ: điện toán đám mây, điều độ lưới điện thông minh (Smart Grid), và hệ thống tự động giao dịch tài chính tần suất cao (High-Frequency Trading).

Kết luận

Luận án Tiến sĩ Toán học của Trần Ngọc Thăng là một công trình khoa học mẫu mực, kết tinh tư duy toán học hàn lâm chuẩn xác và khả năng ứng dụng tính toán hiện đại với 5 đóng góp nổi bật:

  1. Đề xuất và ứng dụng thành công khái niệm hàm véctơ giả lồi vô hướng, thiết lập cơ sở giải tích vững chắc cho bài toán quy hoạch đa mục tiêu lồi suy rộng (GMOP).
  2. Thiết kế thuật toán hướng pháp tuyến Solve(GMOP) trên không gian ảnh với chứng minh toán học hoàn chỉnh về sự hội tụ metric Hausdorff.
  3. Giải quyết triệt để bài toán quy hoạch tích lồi suy rộng (GMP) và quy hoạch tích lõm mở rộng (GIMP) thông qua việc chuyển đổi không gian ảnh 2 chiều.
  4. Đột phá phương pháp luận với hai thuật toán nhánh cận Solve(QPY+) và Solve(DPY+), tối ưu hóa hiệu quả hàm tựa lõm và đơn điệu trên tập nghiệm Pareto của bài toán hai mục tiêu lồi.
  5. Kiểm chứng tính toán thực nghiệm toàn diện trên môi trường Matlab với các bài toán quy mô lớn ($n=60, m=40$), khẳng định tính ưu việt vượt trội về thời gian và độ chính xác so với các thuật toán quốc tế tiền nhiệm.

Công trình không chỉ mở ra 3 nhánh nghiên cứu chuyên sâu về giải tích biến phân, tối ưu hóa đa mục tiêu phi lồi và tính toán khoa học hiệu năng cao, mà còn để lại giá trị ứng dụng lâu dài cho các bài toán tối ưu hóa phức hợp trong kinh tế, công nghệ và đời sống xã hội.