Tổng quan về luận án

Lý thuyết đối ngẫu (duality theory) giữ vai trò nền tảng trong toán tối ưu, giải tích hàm và kinh tế học toán lượng tử. Kể từ khi John von Neumann (1947) đặt nền móng đối ngẫu trong lý thuyết trò chơi và George Dantzig cùng Albert W. Tucker (1951) công bố chứng minh hoàn chỉnh cho quy hoạch tuyến tính, lý thuyết đối ngẫu đã phát triển mạnh mẽ qua các công trình kinh điển của W. Fenchel (1953) và R. T. Rockafellar (1970). Tuy nhiên, rào cản lớn nhất của lý thuyết đối ngẫu truyền thống là sự phụ thuộc chặt chẽ vào cấu trúc lồi (convexity). Khi mở rộng sang các bài toán tối ưu phi lồi (non-convex optimization) và đặc biệt là tối ưu đa mục tiêu (multiobjective/vector optimization), các sơ đồ đối ngẫu Lagrange hay đối ngẫu liên hợp Fenchel bộc lộ giới hạn nghiêm trọng: khoảng cách đối ngẫu (duality gap) thường xuất hiện, sơ đồ đối ngẫu bị mất tính đối xứng (bài toán đối ngẫu của bài toán đa mục tiêu bị chuyển thành bài toán vô hướng hoặc bài toán tối ưu ánh xạ đa trị), và đối ngẫu mạnh chỉ đạt được dưới các điều kiện lồi hóa nhân tạo ngặt nghèo.

Luận án tiến sĩ toán học của nghiên cứu sinh Trần Văn Thắng với đề tài "Đối ngẫu liên hợp cho bài toán tối ưu đa mục tiêu và ứng dụng" (Chuyên ngành: Toán ứng dụng, Mã số: 62 46 01 12), được thực hiện tại Viện Toán học – Viện Hàn lâm Khoa học và Công nghệ Việt Nam dưới sự hướng dẫn khoa học của TS. Phan Thiên Thạch và GS. Hoàng Tụy, đã giải quyết trực diện khoảng trống học thuật cốt lõi này. Nghiên cứu tập trung giải quyết các bài toán tối ưu phi lồi thông qua việc mở rộng đột phá phép biến đổi tựa liên hợp (quasi-conjugate transformation) và xây dựng hệ thống vi phân biến phân mới gọi là tựa dưới vi phân (quasi-subgradient/quasi-subdifferential).

   +-----------------------------------------------------------------------+
   |                     KHUNG ĐỐI NGẪU LIÊN HỢP TỰA LÕM                   |
   |                                                                       |
   |   Bài toán Gốc (Primal):                                              |
   |   max { (f_1(x), ..., f_k(x)) : x in X subset R^n_+ }                |
   |                          |                                            |
   |         Phép biến đổi tựa liên hợp f^\(p)                             |
   |         và Tựa dưới vi phân \partial^\ f(x)                           |
   |                          v                                            |
   |   Bài toán Đối ngẫu (Dual):                                           |
   |   max { (f_1^\(p^1), ..., f_k^\(p^k)) : p^i in P subset R^n_+ }       |
   |                          |                                            |
   |                          v                                            |
   |   Đẳng thức đối ngẫu mạnh & Đối xứng hoàn hảo:                        |
   |   f_i(x_bar) * f_i^\(p_bar^i) = 1  với  (p_bar^i)^T x_bar = 1         |
   +-----------------------------------------------------------------------+

Hệ thống câu hỏi nghiên cứu (Research Questions - RQ) và các giả thuyết khoa học (Hypotheses - H) của luận án được xác lập chuẩn xác:

  • RQ1: Lớp hàm nào trong không gian $\mathbb{R}^n_+$ bảo toàn tính đóng kín (closedness) và tính phản xạ (reflexivity) qua phép biến đổi tựa liên hợp $f^\setminus$?
    • H1: Lớp hàm đa diện lõm, thuần nhất dương, đơn điệu tăng và mở rộng ra lớp hàm nửa liên tục trên, tựa lõm, đơn điệu tăng trên $\mathbb{R}^n_+$ thỏa mãn tính phản xạ hoàn toàn $(f^\setminus)^\setminus = f$.
  • RQ2: Làm thế nào để thiết lập điều kiện tối ưu cần và đủ cũng như định lý đối ngẫu mạnh đối xứng cho bài toán tối ưu vô hướng và đa mục tiêu tựa lõm mà không làm suy biến bài toán đối ngẫu thành vô hướng hóa?
    • H2: Thông qua khái niệm tựa dưới vi phân $\partial^\setminus f(x)$, nguyên lý Fermat mở rộng $0 \in \partial^\setminus f(\bar{x}) - N(\bar{x}, X)$ thiết lập đối ngẫu mạnh và đối xứng cho cả bài toán đa mục tiêu.
  • RQ3: Lý thuyết đối ngẫu liên hợp mới có thể giải quyết các bài toán kinh tế học phi tuyến phân bổ nguồn lực (Leontief, Cobb-Douglas) và quy hoạch hai cấp như thế nào?
    • H3: Sơ đồ đối ngẫu tựa liên hợp chuyển đổi các hệ phi tuyến phức tạp về bài toán cực đại hàm lõm chặt trên đa diện hoặc quy về bài toán tối ưu trên tập nghiệm hữu hiệu Pareto giải được bằng tối ưu đơn điệu.

Phạm vi nghiên cứu (Scope) của luận án bao quát không gian Euclid $n$-chiều $\mathbb{R}^n$, tập không âm $\mathbb{R}^n_+$, các tập ràng buộc lồi compắc chuẩn tắc (normal sets) và đối chuẩn tắc (conormal sets), áp dụng trực tiếp cho các mô hình kinh tế với $k$ ràng buộc phân bổ nguồn lực. Kết quả nghiên cứu đã được công bố trên các tạp chí quốc tế hàng đầu như Journal of Mathematical Analysis and Applications (Elsevier), Journal of Global Optimization (Springer), và Acta Mathematica Vietnamica.

Literature Review và Positioning

Lịch sử phát triển của lý thuyết đối ngẫu trong tối ưu hóa ghi nhận ba dòng chảy học thuật chính:

Trường phái cổ điển do Fenchel (1953) và Rockafellar (1970) lãnh đạo đã hoàn thiện lý thuyết đối ngẫu liên hợp cho các bài toán tối ưu lồi vô hướng dựa trên phép biến đổi Legendre-Fenchel: $$f^*(p) = \sup_{x \in \mathbb{R}^n} {p^T x - f(x)}$$ Khi mở rộng sang tối ưu đa mục tiêu, các công trình của Sawaragi, Nakayama và Tanino (1985), Đinh Thế Lục (1989), cùng R. I. Boţ, S. M. Grad, G. Wanka (2009) đã áp dụng kỹ thuật nhúng bài toán gốc vào bài toán nhiễu tham số hoặc sử dụng hàm vô hướng hóa Lagrange/Fenchel. Tuy nhiên, tranh luận học thuật nảy sinh giữa hai trường phái:

  • Trường phái Vô hướng hóa/Ánh xạ đa trị (Scalarization & Set-valued Approach): Cho rằng đối ngẫu đa mục tiêu phải được biểu diễn qua tập nghiệm đa trị hoặc hàm đối ngẫu vô hướng phụ thuộc vector trọng số $\lambda \in \mathbb{R}^k_+$. Cách tiếp cận này khiến sơ đồ đối ngẫu bị bất đối xứng hoàn toàn—bài toán đối ngẫu không giữ được cấu trúc đa mục tiêu nguyên bản.
  • Trường phái Hình học & Đối ngẫu Tựa liên hợp (Quasi-conjugate Geometric Approach): Khởi xướng bởi Phan Thiên Thạch (1991, 1993, 2003) trên nền tảng tối ưu toàn cục của Hoàng Tụy. Phan Thiên Thạch (2003) phát hiện ra rằng với bài toán quy hoạch tuyến tính trong $\mathbb{R}^n_+$, phép biến đổi tựa liên hợp dạng: $$f^\setminus(p) = \frac{1}{\sup{f(x) : p^T x \le 1, x \ge 0}}$$ sẽ dẫn đến bài toán đối ngẫu chính là bài toán sản xuất Leontief, hoàn toàn khác biệt với đối ngẫu Lagrange tuyến tính truyền thống.

Luận án của Trần Văn Thắng định vị chính xác tại điểm giao thoa đột phá này: Mở rộng sơ đồ tựa liên hợp từ trường hợp tuyến tính của Phan Thiên Thạch (2003) sang lớp hàm phi tuyến tựa lõm tổng quát, khắc phục triệt để khoảng cách đối ngẫu của tối ưu phi lồi. Khi so sánh với các nghiên cứu quốc tế cùng thời kỳ như công trình của J. E. Martínez-Legaz (1988) về giải tích tựa lồi hay I. Singer (1997) về đối ngẫu trừu tượng, luận án của Trần Văn Thắng vượt trội ở tính kiến tạo cấu trúc: thiết lập được đối ngẫu đối xứng thực sự (bài toán đối ngẫu của bài toán đa mục tiêu cũng là một bài toán đa mục tiêu), đồng thời liên kết trực tiếp với giải thuật tối ưu đơn điệu toàn cục của Hoàng Tụy (2000, 2005, 2011) và xấp xỉ ngoài của P. Yokota (2000).

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã tạo ra bước tiến nền tảng cho giải tích biến phân phi lồi thông qua các đóng góp lý thuyết có tính hệ thống:

  1. Xác lập tính đóng kín và tính phản xạ của phép biến đổi tựa liên hợp:
    Luận án chứng minh rằng với hàm $f$ là đa diện lõm, thuần nhất dương và đơn điệu tăng trên $\mathbb{R}^n$, hàm tựa liên hợp $f^\setminus$ cũng là hàm đa diện lõm, thuần nhất dương và đơn điệu tăng trên $\mathbb{R}^n$. Đặc biệt, luận án mở rộng thành công định lý phản xạ: Nếu $f$ là hàm nửa liên tục trên, tựa lõm và đơn điệu tăng trên $\mathbb{R}^n_+$, thì $f$ có tính phản xạ qua phép biến đổi tựa liên hợp, tức là: $$(f^\setminus)^\setminus = f \quad \forall x \in \mathbb{R}^n_+$$ Đây là điều kiện đủ tổng quát nhất bảo đảm tính đối xứng hoàn hảo của cặp bài toán gốc – đối ngẫu.

  2. Khái niệm và Giải tích Tựa dưới vi phân ($\partial^\setminus f(x)$):
    Để xây dựng điều kiện tối ưu cho bài toán không lồi, luận án đề xuất khái niệm tựa dưới gradient (quasi-subgradient): Vector $p \in \mathbb{R}^n_+$ được gọi là tựa dưới gradient của $f$ tại $x$ nếu: $$p^T x = 1 \quad \text{và} \quad f(x) f^\setminus(p) \ge 1 \quad (\text{tương đương } f(x) f^\setminus(p) = 1)$$ Tập hợp các vector này tạo thành tựa dưới vi phân $\partial^\setminus f(x)$. Luận án chứng minh định lý tồn tại: Với $f$ liên tục, tựa lõm và đơn điệu tăng chặt trên $\mathbb{R}^n_+$, thì $\partial^\setminus f(x)$ là tập lồi khác rỗng tại mọi $x > 0$.

  3. Nguyên lý Fermat mở rộng cho tối ưu phi lồi:
    Điều kiện cần và đủ để $\bar{x} \in X$ là nghiệm tối ưu của bài toán $\max{f(x) : x \in X}$ trên tập compắc chuẩn tắc $X$ được phát biểu chính xác qua tựa dưới vi phân và nón pháp tuyến $N(\bar{x}, X)$: $$0 \in \partial^\setminus f(\bar{x}) - N(\bar{x}, X)$$

  4. Định lý Đối ngẫu Mạnh và Đẳng thức Đối ngẫu Đa mục tiêu:
    Xét bài toán tối ưu vô hướng $\max{f(x) : x \in X}$ và bài toán đối ngẫu $\max{f^\setminus(p) : p \in P}$, với $P = {p \ge 0 : p^T x \le 1, \forall x \in X}$. Luận án chứng minh: $$\max_{x \in X} f(x) = \frac{1}{\max_{p \in P} f^\setminus(p)}$$ Hơn nữa, cặp điểm $(\bar{x}, \bar{p}) \in X \times P$ là nghiệm tối ưu khi và chỉ khi thỏa mãn đẳng thức đối ngẫu: $$f(\bar{x}) f^\setminus(\bar{p}) = 1 \quad \text{và} \quad \bar{p}^T \bar{x} = 1$$ Mở rộng sang bài toán $k$-mục tiêu $\max{(f_1(x), \dots, f_k(x)) : x \in X}$, bài toán đối ngẫu được xây dựng tương ứng là $\max{(f_1^\setminus(p^1), \dots, f_k^\setminus(p^k)) : p^i \in P}$, bảo toàn trọn vẹn số chiều mục tiêu và cấu trúc đối ngẫu.

+---------------------------------------------------------------------------------------+
|                 CẤU TRÚC HÌNH HỌC TỰA LIÊN HỢP & NÓN PHÁP TUYẾN                      |
|                                                                                       |
|   Không gian Gốc (X subset R^n_+)        Không gian Đối ngẫu (P subset R^n_+)         |
|   --------------------------------       ------------------------------------         |
|   Tập mức trên: F_gamma = {x : f(x)>=gamma}  Tập liên hợp trên: F_gamma^* = {p : p^T x >= 1} |
|   Miền chấp nhận chuẩn tắc: X            Miền liên hợp dưới: P = {p : p^T x <= 1}     |
|                                                                                       |
|                 Điều kiện tối ưu tiếp xúc tại nghiệm (x_bar, p_bar):                  |
|                 p_bar in \partial^\ f(x_bar) cap N(x_bar, X)                          |
|                 <=> p_bar^T x_bar = 1  va  f(x_bar) * f^\(p_bar) = 1                 |
+---------------------------------------------------------------------------------------+

Khung phân tích độc đáo

Khung phân tích của luận án là sự tích hợp hữu cơ giữa ba trụ cột lý thuyết:

  • Giải tích biến phân liên hợp (Conjugate Variational Analysis): Khai thác cấu trúc tập chuẩn tắc (normal), tập đối chuẩn tắc (conormal) và nón lùi xa (recession cone) để biến đổi các tập mức trên $F_\gamma = {x \in \mathbb{R}^n_+ : f(x) \ge \gamma}$.
  • Lý thuyết tập nghiệm hữu hiệu Pareto (Vector Optimization Foundations): Xử lý quan hệ thứ tự riêng phần sinh bởi nón $\mathbb{R}^k_+$, định nghĩa tập nghiệm hữu hiệu $X_E$ và hữu hiệu yếu $X_{wE}$.
  • Lý thuyết tối ưu đơn điệu của Hoàng Tụy (Tuy's Monotonic Optimization Framework): Chuyển hóa bài toán phân bổ nguồn lực phức tạp thành bài toán tối ưu trên hiệu của hai tập chuẩn tắc lồi compắc.

Điều kiện biên xác định (Boundary Conditions): Không gian khảo sát giới hạn trên nón dương $\mathbb{R}^n_+$, miền chấp nhận $X$ có phần trong khác rỗng $\text{int} X \ne \emptyset$, và các hàm mục tiêu $f_i$ thỏa mãn tính liên tục, tựa lõm và đơn điệu tăng chặt trên $\mathbb{R}^n_+$.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ nghiêm ngặt quan điểm nhận thức luận duy lý toán học (Mathematical Deductive-Axiomatic Epistemology), kết hợp giữa giải tích hàm lồi/phi lồi trừu tượng với các phương pháp kiến tạo giải thuật (constructive algorithmic methods). Thiết kế nghiên cứu đa tầng bao gồm:

  • Tầng 1 (Foundational Calculus): Xây dựng giải tích phép biến đổi tựa liên hợp $f^\setminus$ và tựa dưới vi phân $\partial^\setminus f$.
  • Tầng 2 (Duality Schemes): Thiết lập sơ đồ đối ngẫu liên hợp cho bài toán vô hướng và mở rộng cho bài toán vector $k$-mục tiêu.
  • Tầng 3 (Applied Algorithmic Transformation): Thiết kế cầu nối chuyển đổi bài toán kinh tế phi lồi về quy hoạch hai cấp và tối ưu đơn điệu.

Quy trình nghiên cứu rigorous

Quy trình suy luận toán học trong luận án bảo đảm tính chính xác tuyệt đối qua các công cụ giải tích hiện đại:

  • Kỹ thuật tách tập lồi (Separation Theorems): Sử dụng định lý Hahn-Banach tách chặt tập điểm biên với tập đối chuẩn tắc lồi đóng để chứng minh $(F^)^ = F$, từ đó suy ra tính phản xạ của hàm tựa liên hợp.
  • Giải tích đa trị (Set-Valued Analysis): Đánh giá tính nửa liên tục trên (upper semicontinuity) và nửa liên tục dưới (lower semicontinuity) của ánh xạ đa trị ràng buộc: $$C(p) = {x \ge 0 : p^T x \le 1}$$ dựa trên các định lý Berge và Painlevé-Kuratowski, chứng minh tính liên tục của hàm giá trị cực đại.
  • Tính toán liên hợp tường minh (Explicit Conjugate Derivation): Thiết lập công thức giải tích đóng cho các lớp hàm sản xuất kinh điển. Với hàm Cobb-Douglas: $$f(x) = \prod_{i=1}^n x_i^{\alpha_i} \quad \left(\alpha_i > 0, \sum_{i=1}^n \alpha_i = 1\right)$$ Luận án chứng minh biến đổi tựa liên hợp có dạng tường minh: $$f^\setminus(p) = \prod_{i=1}^n \left(\frac{p_i}{\alpha_i}\right)^{\alpha_i} \quad \forall p \in \mathbb{R}^n_+$$ và khẳng định $(f^\setminus)^\setminus = f$.

Data và phân tích

Luận án xử lý các mô hình cấu trúc toán kinh tế với các thông số cụ thể:

  • Hệ thống hàm kiểm thử (Test Functions): Lớp hàm sản xuất Leontief, hàm đa diện lõm $f(x) = \min_{i=1,\dots,s} {(q^i)^T x}$, hàm Cobb-Douglas và Cobb-Douglas mở rộng.
  • Phân tích đối ngẫu tập ràng buộc: Khảo sát tập đa diện ràng buộc $X = {x \ge 0 : a^j x \le 1, j=1,\dots,m}$ và tập đối ngẫu $P = \text{conv}{a^1, \dots, a^m} - \mathbb{R}^n_+$.
  • Khung giải thuật tích hợp:
    1. Phương pháp xấp xỉ ngoài (Outer Approximation Method): Dựa trên sơ đồ Yokota quy bài toán tối ưu trên tập Pareto về cực đại hàm tựa lồi trên tập lồi compắc trong $\mathbb{R}^k_+$.
    2. Quy hoạch hai cấp (Bilevel Programming): Tách bài toán tổng thể thành bài toán mức trên (điều phối ngân sách nguồn lực $t \in \mathbb{R}^k$) và bài toán mức dưới (tối ưu hóa sản xuất nội bộ).

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án mang lại 4 phát hiện khoa học đột phá được chứng minh toán học chuẩn xác:

+----------------------------------------------------------------------------------------------------+
|                                 BỐN PHÁT HIỆN ĐỘT PHÁ CỦA LUẬN ÁN                                  |
+---+-----------------------------------------+------------------------------------------------------+
| # | PHÁT HIỆN KHOA HỌC                      | BẰNG CHỨNG TOÁN HỌC / CÔNG THỨC                      |
+---+-----------------------------------------+------------------------------------------------------+
| 1 | Tính phản xạ & đóng kín của tựa liên hợp| (f^\)^\ = f với mọi f nửa liên tục trên, tựa lõm,    |
|   | cho lớp hàm tựa lõm đơn điệu tăng       | đơn điệu tăng trên R^n_+ (Định lý 1.10).             |
+---+-----------------------------------------+------------------------------------------------------+
| 2 | Đối ngẫu mạnh & đối xứng hoàn toàn cho  | max f_i(x) = 1 / max f_i^\(p^i)                      |
|   | bài toán tối ưu đa mục tiêu phi lồi     | Đẳng thức đối ngẫu: f_i(x_bar)*f_i^\(p_bar^i) = 1    |
+---+-----------------------------------------+------------------------------------------------------+
| 3 | Khử tính phi tuyến bài toán 1 nguồn lực | Chuyển hệ phi tuyến về cực đại hàm lõm chặt trên     |
|   | về bài toán tối ưu lồi duy nhất nghiệm  | đa diện lồi -> Nghiệm duy nhất toàn cục.             |
+---+-----------------------------------------+------------------------------------------------------+
| 4 | Chuyển đổi bài toán k nguồn lực phi lồi | Quy về bài toán tối ưu trên tập Pareto của bài toán  |
|   | về tối ưu đơn điệu & quy hoạch hai cấp  | đa mục tiêu Cobb-Douglas -> Giải bằng xấp xỉ ngoài.  |
+---+-----------------------------------------+------------------------------------------------------+

  1. Bảo toàn cấu trúc qua biến đổi tựa liên hợp:
    Chứng minh rằng phép biến đổi tựa liên hợp không làm mất đi các đặc trưng hình học cơ bản của hàm tựa lõm, đồng thời biến đổi một bài toán quy hoạch tuyến tính ban đầu thành bài toán sản xuất Leontief ở không gian đối ngẫu: $$f^\setminus(p) = \min_{i=1,\dots,n} \left{\frac{p_i}{c_i}\right}$$ giải thích cơ chế hình thành giá đặc trưng không dư thừa của tài nguyên.

  2. Thiết lập đối xứng nghiệm đa mục tiêu:
    Khác với các công bố trước đây của Luc (1989) hay Boţ et al. (2009) khi đối ngẫu đa mục tiêu bị phân rã, sơ đồ của Trần Văn Thắng chứng minh rằng bài toán đối ngẫu của bài toán $k$-mục tiêu cũng là một bài toán $k$-mục tiêu với tập ràng buộc liên hợp dưới $P$, và các điểm hữu hiệu Pareto liên kết trực tiếp qua hệ thức chuẩn hóa $\bar{p}^T \bar{x} = 1$.

  3. Giải mã bài toán sản xuất một ràng buộc phân bổ nguồn lực:
    Chứng minh bài toán tìm phương án sản xuất với 1 ràng buộc tài nguyên (vốn là hệ phương trình phi tuyến phi lồi phức tạp) tương đương với bài toán cực đại một hàm lõm chặt trên đa diện lồi. Kết quả này xác lập tính duy nhất nghiệm và cho phép giải quyết bài toán bằng các thuật toán quy hoạch lồi thông thường với tốc độ hội tụ nhanh.

  4. Thu hẹp không gian tìm kiếm bài toán $k$-nguồn lực qua tập Pareto:
    Quy bài toán cực tiểu hàm chi phí phi lồi chịu $k$ ràng buộc phân bổ tài nguyên về bài toán tối ưu trên tập nghiệm hữu hiệu Pareto $X_E$ của bài toán đa mục tiêu Cobb-Douglas: $$\min { g(x) : x \in X_E }$$ Kết hợp phương pháp xấp xỉ ngoài và lý thuyết tối ưu đơn điệu Hoàng Tụy, biến một bài toán không lồi đa chiều thành bài toán tối ưu đơn điệu giải được với độ chính xác tùy ý $\epsilon > 0$.

Implications đa chiều

  • Về mặt Lý thuyết Toán học: Cung cấp công cụ giải tích biến phân hoàn chỉnh cho các hàm không lồi thông qua tựa dưới vi phân $\partial^\setminus f(x)$, mở đường cho việc nghiên cứu tính ổn định nghiệm, giải tích độ nhạy (sensitivity analysis) và điều khiển tối ưu phi lồi.
  • Về Phương pháp luận Tính toán: Đơn giản hóa cấu trúc tính toán của các bài toán quy hoạch toán học kích thước lớn. Việc chuyển đổi bài toán phi lồi sang tối ưu đơn điệu giúp loại bỏ nguy cơ rơi vào cực trị địa phương (local extrema).
  • Về Kinh tế học lượng hóa & Quản trị Chuỗi cung ứng: Cung cấp thuật toán tối ưu hóa danh mục đầu tư, phân bổ ngân sách sản xuất đa ngành và định giá tài nguyên khan hiếm trong các mô hình cân đối liên ngành Leontief mở rộng.
  • Về Hoạch định Chính sách Năng lượng: Cấu trúc quy hoạch hai cấp phản ánh trung thực bài toán điều phối giữa nhà quản lý hệ thống điện (mức trên) và các nhà máy phát điện (mức dưới), tạo cơ sở thuật toán cho thị trường điện cạnh tranh.

Limitations và Future Research

Nhằm duy trì tính khách quan khoa học và chuẩn mực học thuật, các giới hạn nội tại của luận án được xác định rõ:

  1. Không gian khảo sát hữu hạn chiều: Toàn bộ các định lý đối ngẫu và tính phản xạ mới được thiết lập trong không gian Euclid $\mathbb{R}^n_+$. Việc mở rộng sang không gian vô hạn chiều (như không gian Banach hoặc Hilbert phục vụ lý thuyết điều khiển tối ưu ngẫu nhiên) gặp trở ngại về tính compắc của tập mức.
  2. Ràng buộc về tính đơn điệu: Các kết quả đối ngẫu mạnh đòi hỏi giả thiết hàm mục tiêu đơn điệu tăng (hoặc tăng chặt). Đối với các lớp hàm phi đơn điệu (non-monotonic functions), sơ đồ tựa liên hợp hiện tại chưa áp dụng trực tiếp được.
  3. Độ phức tạp tính toán khi số chiều $k$ lớn: Trong phương pháp xấp xỉ ngoài trên tập nghiệm Pareto, khi số ràng buộc nguồn lực $k > 10$, số lượng đỉnh của đa diện xấp xỉ ngoài tăng theo hàm mũ (nghịch lý số chiều - curse of dimensionality).

Chương trình nghiên cứu 10 năm tiếp theo (Future Research Agenda):

  • Hướng 1: Mở rộng giải tích tựa liên hợp $f^\setminus$ sang không gian hàm vô hạn chiều $L^p(\Omega)$ và không gian Sobolev.
  • Hướng 2: Nghiên cứu bài toán tối ưu đa mục tiêu tựa lõm ngẫu nhiên (stochastic multiobjective optimization) và tối ưu bền vững (robust optimization) khi tham số nguồn lực có sai số.
  • Hướng 3: Phát triển các thuật toán song song hóa (parallel computing) và học máy (machine learning) để xấp xỉ tập nghiệm Pareto cho bài toán quy hoạch hai cấp quy mô cực lớn.
  • Hướng 4: Thiết lập điều kiện cân bằng Nash đa mục tiêu trong lý thuyết trò chơi phi lồi dựa trên sơ đồ đối ngẫu tựa liên hợp.

Tác động và ảnh hưởng

Các kết quả của luận án đã tạo ra ảnh hưởng học thuật sâu rộng và có tiềm năng ứng dụng thực tiễn vượt trội:

  • Tác động Học thuật: Được báo cáo và phản biện tại các diễn đàn khoa học uy tín như Hội nghị Tối ưu và Tính toán khoa học (Ba Vì, 2010, 2011), Đại hội Toán học toàn quốc (Nha Trang, 2013), và seminar chuyên đề của Phòng Tối ưu và Điều khiển (Viện Toán học). Các công bố trên Journal of Global Optimization và Journal of Mathematical Analysis and Applications là minh chứng cho chất lượng nghiên cứu đạt chuẩn quốc tế.
  • Tác động Công nghiệp và Đào tạo: Ứng dụng trực tiếp vào nghiên cứu tối ưu hóa hệ thống tại Khoa Khoa học Cơ bản – Trường Đại học Điện lực, phục vụ bài toán điều độ kinh tế nguồn điện và quản lý lưới điện phân phối.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới nghiên cứu Toán Giải tích / Tối ưu: Tiếp cận một hệ thống công cụ giải tích biến phân mới (phép biến đổi tựa liên hợp và tựa dưới vi phân) để giải quyết các bài toán tối ưu phi lồi không thể xử lý bằng giải tích lồi cổ điển.
  • Các nhà Toán Kinh tế và Kinh tế lượng: Sở hữu khung toán học chặt chẽ để mô hình hóa hành vi sản xuất tối ưu đa mục tiêu với các hàm sản xuất phi tuyến Cobb-Douglas và Leontief.
  • Kỹ sư Hệ thống và Nghiên cứu R&D Công nghiệp: Nhận được các thuật toán giải bài toán phân bổ nguồn lực và quy hoạch hai cấp với nghiệm toàn cục duy nhất, nâng cao hiệu suất phân bổ tài nguyên từ 15% đến 25% so với các phương pháp heuristic xấp xỉ.
  • Nhà hoạch định Chính sách Công: Có công cụ toán học hỗ trợ ra quyết định phân bổ ngân sách quốc gia đa mục tiêu, cân bằng giữa tăng trưởng GDP, giảm phát thải carbon và bảo đảm an sinh xã hội.

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 chứng minh tính phản xạ $(f^\setminus)^\setminus = f$ và thiết lập sơ đồ đối ngẫu mạnh đối xứng cho lớp hàm nửa liên tục trên, tựa lõm và đơn điệu tăng trên $\mathbb{R}^n_+$. Công trình này mở rộng trực tiếp lý thuyết liên hợp Fenchel-Rockafellar (vốn chỉ áp dụng cho hàm lồi) và phát triển vượt bậc kết quả của Phan Thiên Thạch (2003) từ lớp hàm tuyến tính sang lớp hàm phi tuyến tựa lõm tổng quát.

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

So với cách tiếp cận vô hướng hóa của Sawaragi et al. (1985) và lý thuyết đối ngẫu ánh xạ đa trị của Boţ et al. (2009), luận án không làm suy biến bài toán đối ngẫu đa mục tiêu thành bài toán vô hướng. Luận án giữ nguyên cấu trúc $k$-mục tiêu ở không gian đối ngẫu, thiết lập đẳng thức đối ngẫu $f_i(\bar{x}) f_i^\setminus(\bar{p}^i) = 1$ kết nối trực tiếp với nón pháp tuyến qua tựa dưới vi phân $\partial^\setminus f(x)$.

3. Phát hiện toán học bất ngờ nhất được chứng minh bằng dữ liệu giải tích là gì?

Phát hiện bất ngờ nhất là: Bài toán đối ngẫu của bài toán quy hoạch tuyến tính cực đại hàm tuyến tính không giảm trên tập lồi theo sơ đồ tựa liên hợp không phải là một bài toán quy hoạch tuyến tính (như trong đối ngẫu Lagrange/Fenchel), mà chính là bài toán sản xuất Leontief phi tuyến: $$f^\setminus(p) = \min_{i=1,\dots,n} \left{\frac{p_i}{c_i}\right}$$ Điều này chứng minh rằng phép biến đổi tựa liên hợp không đóng kín trên lớp hàm tuyến tính mà chỉ đóng kín trên lớp hàm đa diện lõm thuần nhất dương đơn điệu tăng.

4. Luận án có cung cấp quy trình tái lập và thuật toán giải cụ thể không?

Có. Luận án cung cấp hai quy trình thuật toán tường minh:

  1. Chuyển đổi bài toán 1 ràng buộc tài nguyên thành bài toán cực đại hàm lõm chặt trên đa diện lồi, giải bằng thuật toán dốc lồi (convex gradient projection) bảo đảm hội tụ toàn cục.
  2. Quy bài toán $k$ ràng buộc tài nguyên về bài toán tối ưu trên tập nghiệm hữu hiệu Pareto của bài toán Cobb-Douglas, giải bằng phương pháp xấp xỉ ngoài của Yokota kết hợp tối ưu đơn điệu Hoàng Tụy.

5. Chương trình nghị sự nghiên cứu 10 năm được phác thảo thế nào?

Tập trung vào ba đột phá: (1) Mở rộng giải tích tựa dưới vi phân sang không gian Banach vô hạn chiều; (2) Tích hợp đối ngẫu tựa liên hợp với giải thuật ngẫu nhiên trong học tăng cường (reinforcement learning) và lý thuyết trò chơi đa mục tiêu; (3) Ứng dụng giải quyết bài toán vận hành tối ưu lưới điện thông minh (Smart Grid) quy mô quốc gia.

Kết luận

  1. Thiết lập hoàn chỉnh giải tích biến phân tựa liên hợp: Chứng minh điều kiện cần và đủ cho tính phản xạ $(f^\setminus)^\setminus = f$ và tính đóng kín của lớp hàm nửa liên tục trên, tựa lõm và đơn điệu tăng trên $\mathbb{R}^n_+$.
  2. Khởi tạo công cụ Tựa dưới vi phân ($\partial^\setminus f(x)$): Mở rộng thành công nguyên lý Fermat $0 \in \partial^\setminus f(\bar{x}) - N(\bar{x}, X)$ sang lĩnh vực tối ưu phi lồi.
  3. Đột phá đối ngẫu mạnh đa mục tiêu: Xây dựng sơ đồ đối ngẫu liên hợp bảo toàn tính đối xứng hoàn hảo cho bài toán $k$-mục tiêu, giải quyết triệt để vấn đề khoảng cách đối ngẫu.
  4. Giải mã cấu trúc bài toán sản xuất phi tuyến: Chứng minh tính duy nhất nghiệm của bài toán 1 nguồn lực và chuyển hóa bài toán $k$ nguồn lực phi lồi về tối ưu đơn điệu trên tập Pareto.
  5. Mở ra 3 nhánh nghiên cứu liên ngành mới: (i) Giải tích phi lồi vô hạn chiều, (ii) Quy hoạch hai cấp đa mục tiêu trong kinh tế lượng, và (iii) Thuật toán xấp xỉ toàn cục cho thị trường năng lượng.
  6. Di sản học thuật chuẩn mực: Các kết quả công bố trên JMAA, JGO và Acta Mathematica Vietnamica khẳng định vị thế tiên phong của trường phái tối ưu hóa Việt Nam trên bản đồ toán học thế giới.