Tổng quan về luận án
Nghiên cứu về lý thuyết toán tử đơn điệu và các bài toán tối ưu trong không gian Hilbert đóng vai trò nền tảng cho sự phát triển của giải tích phi tuyến hiện đại, giải tích hàm và toán ứng dụng. Luận án tiến sĩ toán học chuyên ngành Toán ứng dụng (Mã số: 9 46 01 12) với đề tài: "Một số phương pháp giải bài toán tìm không điểm của toán tử đơn điệu cực đại và bài toán chấp nhận tách nhiều tập" do NCS. Phạm Thị Thu Hoài thực hiện dưới sự hướng dẫn khoa học của GS. Nguyễn Bường tại Học viện Khoa học và Công nghệ, Viện Hàn lâm Khoa học và Công nghệ Việt Nam (Hà Nội, 2022), đã tạo nên một bước tiến đột phá trong việc tối ưu hóa cấu trúc hội tụ thuật toán phi tuyến.
Trong không gian Hilbert vô hạn chiều $H$, bài toán tìm không điểm của toán tử đơn điệu cực đại đa trị $T: H \to 2^H$: $$\text{Tìm } p^* \in H \text{ sao cho } 0 \in T(p^)$$ và bài toán bao hàm thức biến phân đơn điệu tìm không điểm của tổng hai toán tử đơn điệu cực đại $0 \in (A+B)p^$ là dạng tổng quát hóa của hàng loạt bài toán then chốt: quy hoạch lồi, bất đẳng thức biến phân, bài toán biên phương trình đạo hàm riêng và bài toán điểm bất động. Đồng thời, bài toán chấp nhận tách nhiều tập (Multiple-Set Split Feasibility Problem - MSSFP): $$\text{Tìm } x \in C := \bigcap_{i \in J_1} C_i \text{ sao cho } Ax \in Q := \bigcap_{j \in J_2} Q_j$$ (với $A: H_1 \to H_2$ là toán tử tuyến tính bị chặn, ${C_i}{i \in J_1}$ và ${Q_j}{j \in J_2}$ là các họ tập lồi đóng) giữ vị trí trung tâm trong xử lý bài toán ngược tuyến tính, phục hồi pha (phase retrieval), tái tạo ảnh cắt lớp y tế (CT, MRI) và điều chế cường độ xạ trị (IMRT).
Khoảng trống học thuật cốt lõi (research gap) mà luận án giải quyết xuất phát từ ranh giới lý thuyết tồn tại hàng thập kỷ: Phương pháp điểm gần kề cổ điển (Proximal Point Algorithm - PPM) do Martinet (1970) và Rockafellar (1976) đề xuất chỉ đảm bảo tính hội tụ yếu trong không gian Hilbert vô hạn chiều (Güler, 1991). Mọi cải biên hướng tới hội tụ mạnh trước đây (Lehdili & Moudafi 1996; Xu 2006; Boikanyo & Morosanu 2012; Yao & Noor 2008) đều áp đặt các giả thiết rất ngặt nghèo lên dãy tham số toán tử giải ${r_k}$, bắt buộc $r_k$ phải bị chặn dưới bởi hằng số dương ($\inf r_k > 0$) hoặc phân kỳ vô hạn ($r_k \to \infty$). Đối với MSSFP, các công trình quốc tế chủ yếu dừng lại ở trường hợp số tập chỉ số hữu hạn ($J_1, J_2$ hữu hạn) hoặc đòi hỏi tính toán phép chiếu lên toàn bộ các tập tại mỗi bước lặp—một điều bất khả thi về mặt tính toán khi tập chỉ số là vô hạn đếm được ($J_1 = J_2 = \mathbb{N}^+$).
Hệ thống câu hỏi và mục tiêu nghiên cứu của luận án được xác định rõ:
- RQ1: Liệu có thể thiết lập thuật toán điểm gần kề đạt hội tụ mạnh trong không gian Hilbert vô hạn chiều với dãy tham số toán tử giải ${r_k}$ hoàn toàn tùy ý trong $(0, \infty)$ mà không cần điều kiện chặn dưới hay khả tổng?
- RQ2: Làm thế nào để xây dựng thuật toán tách tiến-lùi giải bài toán $0 \in (A+B)p^$ hội tụ mạnh khi dãy tham số ${r_k}$ tiến dần về $0$ hoặc là dãy bất kỳ trong $(0, \alpha)$?*
- RQ3: Có thể thiết lập phương pháp hiệu chỉnh lặp giải bài toán chấp nhận tách nhiều tập MSSFP cho hai họ vô hạn đếm được các tập lồi đóng ($J_1 = J_2 = \mathbb{N}^+$) sao cho mỗi bước lặp chỉ kích hoạt hữu hạn tập con mà vẫn đảm bảo tính hội tụ mạnh tới nghiệm chuẩn nhỏ nhất?
Literature Review và Positioning
Khảo cứu lịch sử phát triển của các phương pháp lặp toán tử phi tuyến cho thấy sự chuyển dịch từ các lược đồ xấp xỉ liên tục sang các thuật toán gián đoạn rời rạc:
Martinet (1970) / Rockafellar (1976) [PPM cổ điển - Hội tụ yếu]
1. Dòng nghiên cứu phương pháp điểm gần kề (PPM) và bài toán đơn điệu
Năm 1970, Martinet khởi xướng phương pháp điểm gần kề giải bài toán cực tiểu hóa phiếm hàm lồi chính thường, nửa liên tục dưới $f(x)$ qua dãy lặp $x_{k+1} = \arg\min_x {f(x) + \frac{1}{2c_k}|x - x_k|^2}$. Năm 1976, R. T. Rockafellar tổng quát hóa thuật toán cho toán tử đơn điệu cực đại $T$: $$x_{k+1} = J_k(x_k) + e_k = (I + r_k T)^{-1}(x_k) + e_k$$ và chứng minh dãy ${x_k}$ hội tụ yếu về một không điểm của $T$ với điều kiện $\sum |e_k| < \infty$ và $r_k \ge \varepsilon > 0$. Tuy nhiên, O. Güler (1991) đã đưa ra phản ví dụ chứng minh PPM không thể đạt hội tụ mạnh trong không gian vô hạn chiều nếu không có thêm cơ chế điều khiển. Để vượt qua rào cản này, Lehdili & Moudafi (1996), Marino & Xu (2004), Boikanyo & Morosanu (2012) áp dụng nguyên lý hiệu chỉnh Tikhonov và phép co Halpern. Dẫu vậy, tất cả các công trình này đều phụ thuộc ràng buộc cứng: ${r_k}$ bị chặn dưới bởi hằng số dương hoặc $\lim r_k = \infty$. Công trình của Nguyễn Bường (2017) từng đề xuất dùng tích $k$ toán tử giải $J^k = J_1 J_2 \cdots J_k$ để đạt hội tụ mạnh khi $\sum r_k < \infty$, nhưng cấu trúc tính toán tích chập $k$ toán tử làm bùng nổ chi phí thuật toán tại mỗi bước.
2. Dòng nghiên cứu phương pháp tách tiến-lòi (Forward-Backward Splitting)
Đối với bài toán $0 \in (A+B)p^*$, Lions & Mercier (1979) cùng Passty (1979) thiết lập lược đồ: $$x_{k+1} = J_k^B (I - r_k A)x_k$$ Combettes (2004), Jiao & Wang (2011), Takahashi, Wong & Yao (2012) kết hợp kỹ thuật Mann-Halpern để tìm kiếm sự hội tụ mạnh nhưng đều duy trì điều kiện $0 < \varepsilon \le r_k \le 2\alpha$. Vấn đề thuật toán vận hành ra sao khi $r_k \to 0$ hoặc khi ${r_k}$ dao động tự do hoàn toàn trong khoảng $(0, \alpha)$ vẫn là một bài toán mở chưa có lời giải hoàn chỉnh.
3. Dòng nghiên cứu bài toán chấp nhận tách nhiều tập (MSSFP)
Khởi xướng từ Censor & Elfving (1994) trong $\mathbb{R}^n$ với đòi hỏi nghịch đảo ma trận $A^{-1}$, Byrne (2002) đã tạo bước ngoặt với thuật toán CQ chỉ dùng phép chiếu metric: $$x_{k+1} = P_C (I - \gamma A^* (I - P_Q)A)x_k$$ H. K. Xu (2006, 2010) mở rộng lên không gian vô hạn chiều và phát triển sơ đồ lặp Krasnosel'skii-Mann (KM) cùng phương pháp hiệu chỉnh Bakushinsky-Bruck. Censor et al. (2005), Dang & Gao (2011), Zhao & Zhang (2013) mở rộng cho trường hợp nhiều tập hữu hạn ($N, M < \infty$). Tuy nhiên, đối với trường hợp vô hạn tập đếm được $J_1 = J_2 = \mathbb{N}^+$, ngoài kết quả nền tảng bước đầu của Nguyễn Bường (2017), y văn thế giới hầu như thiếu vắng các thuật toán lặp hiệu chỉnh có khả năng cắt tỉa tính toán (chỉ xử lý hữu hạn tập con tại mỗi bước lặp $k$).
Đóng góp lý thuyết và khung phân tích
Đóng góp cho lý thuyết
Luận án đã tạo ra những đóng góp bản chất, làm phong phú sâu sắc lý thuyết toán tử phi tuyến và giải tích lồi:
Toán tử đơn điệu cực đại T: H -> 2^H
⟨F(p*), p* - p⟩ ≤ 0, ∀p ∈ Zer(T)
với F là toán tử η-đơn điệu mạnh và L-Lipschitz
- Giải phóng hoàn toàn ràng buộc tham số toán tử giải: Luận án mở rộng lý thuyết điểm gần kề bằng việc chứng minh định lý hội tụ mạnh mà không cần bất kỳ giả thiết nào về chặn dưới hay sự hội tụ của dãy ${r_k}$, cho phép ${r_k}$ là dãy bất kỳ trong $(0, \infty)$.
- Hợp nhất lý thuyết không điểm và Bất đẳng thức biến phân (VIP): Luận án chuyển hóa bài toán tìm không điểm $p^* \in \text{Zer}(T)$ thành bài toán tìm nghiệm duy nhất của bất đẳng thức biến phân: $$\text{Tìm } p^* \in \text{Zer}(T) \text{ sao cho } \langle F(p^), p^ - p \rangle \le 0, \quad \forall p \in \text{Zer}(T)$$ với $F$ là toán tử $\eta$-đơn điệu mạnh và $L$-Lipschitz, $\mu \in (0, 2\eta/L^2)$. Kết quả hội tụ mạnh về nghiệm của VIP tự động bao hàm sự hội tụ về hình chiếu metric $P_{\text{Zer}(T)}(u)$ (khi chọn $F = I - u$) hoặc nghiệm chuẩn nhỏ nhất (khi $u = 0$).
- Mở rộng lý thuyết phương pháp tách tiến-lùi: Luận án chứng minh sự hội tụ mạnh của lược đồ forward-backward trong trường hợp dãy tham số suy giảm về không ($r_k \to 0$) hoặc dao động tự do trong $(0, \alpha)$, phá vỡ định kiến cho rằng $r_k$ bắt buộc phải duy trì khoảng cách dương cách biệt với $0$.
- Phát triển lý thuyết xấp xỉ hữu hạn cho bài toán vô hạn tập: Thiết lập khung toán học vững chắc cho phép xấp xỉ bài toán chấp nhận tách với vô hạn điều kiện ràng buộc lồi bằng chuỗi các bài toán chiếu trên các tổ hợp lồi biến thiên hữu hạn của các toán tử chiếu metric.
Khung phân tích độc đáo
Khung phân tích của luận án tích hợp ba trụ cột lý thuyết toán học cao cấp:
- Giải tích lồi và phép chiếu không giãn chặt (Firmly Nonexpansive Mappings): Sử dụng các tính chất cơ bản của phép chiếu metric $P_C$: $$|P_C x - P_C y|^2 \le \langle P_C x - P_C y, x - y \rangle, \quad \forall x, y \in H$$ và đặc trưng biến phân $\langle x - P_C x, y - P_C x \rangle \le 0, \forall y \in C$.
- Toán tử giải tích hợp kép (Double Resolvent Scheme): Thay vì sử dụng tích $k$ toán tử giải $J^k = J_1 J_2 \cdots J_k$, luận án đưa ra sáng kiến phối hợp một toán tử giải mang tham số biến thiên $J_k = (I + r_k T)^{-1}$ với một toán tử giải mang tham số cố định $J_c = (I + cT)^{-1}$ ($c > 0$ tùy ý). Cấu trúc $J_k J_c$ này đóng vai trò "chốt chặn hình học", triệt tiêu sự phụ thuộc của tính hội tụ vào hành vi tiệm cận của ${r_k}$.
- Đại số toán tử xấp xỉ trung bình (Averaged Operators): Tận dụng tính chất tổ hợp của các ánh xạ $\alpha$-trung bình: Nếu $T_1, T_2$ là các ánh xạ trung bình thì hợp thành $T_1 T_2$ là ánh xạ trung bình và $\text{Fix}(T_1 T_2) = \text{Fix}(T_1) \cap \text{Fix}(T_2)$.
Phương pháp nghiên cứu tiên tiến
Thiết kế nghiên cứu
Nghiên cứu tuân thủ chặt chẽ bản thể luận hiện thực toán học (Mathematical Realism) và nhận thức luận duy lý tiên nghiệm (A Priori Rationalism/Formalism). Không gian nền tảng là các không gian Hilbert thực tổng quát vô hạn chiều $H, H_1, H_2$ trang bị tích vô hướng $\langle \cdot, \cdot \rangle$ và chuẩn cảm sinh $|\cdot|$.
Thiết kế giải tích phi tuyến:
- Không gian nền tảng: Không gian Hilbert thực vô hạn chiều H, H1, H2
- Cấu trúc toán tử:
+ T: H -> 2^H (Đơn điệu cực đại, đa trị, D(T) = H)
+ A: H -> H (α-ngược đơn điệu mạnh hoặc L-Lipschitz)
+ B: H -> 2^H (Đơn điệu cực đại)
+ A_lin: H1 -> H2 (Toán tử tuyến tính bị chặn, ||A_lin|| > 0)
- Thiết lập dãy số tham số:
+ Dãy bước lặp: {t_k} ⊂ (0, 1) thỏa lim t_k = 0, ∑ t_k = ∞ (Điều kiện A5)
+ Dãy toán tử giải: {r_k} ⊂ (0, ∞) tùy ý (Điều kiện A8')
+ Dãy sai số: {e_k} ⊂ H thỏa ∑ ||e_k|| < ∞ hoặc lim ||e_k|| / t_k = 0 (Điều kiện A1, A1')
Quy trình nghiên cứu rigorous
Quy trình chứng minh toán học giải tích được thực hiện nghiêm ngặt qua 4 bước chuẩn tắc:
[BƯỚC 1: Thiết lập chặn]
Chứng minh tính bị chặn của dãy lặp {x_k}, {z_k}, {F(x_k)}, {J_c x_k}
[BƯỚC 2: Ước lượng năng lượng]
Thiết lập bất đẳng thức sai số: ||x_(k+1) - p*||^2 ≤ (1 - b_k)||x_k - p*||^2 + b_k c_k
[BƯỚC 3: Phân tích hai nhánh theo Bổ đề Maingé]
[BƯỚC 4: Đồng hóa giới hạn & Áp dụng Bổ đề Xu]
Chứng minh lim sup ⟨F(p*), p* - x_k⟩ ≤ 0 và suy ra ||x_k - p*|| -> 0 (Hội tụ mạnh)
- Bổ đề Bauschke-Combettes & Bổ đề Xu (Bổ đề 1.10): Nếu ${a_k}$ là dãy không âm thỏa mãn $a_{k+1} \le (1 - b_k)a_k + b_k c_k$, với $b_k \in [0, 1], \sum b_k = \infty, \lim b_k = 0$ và $\limsup c_k \le 0$, thì $\lim_{k \to \infty} a_k = 0$.
- Bổ đề kỹ thuật phân nhánh Maingé (Bổ đề 1.11): Xử lý triệt để trường hợp dãy khoảng cách ${ |x_k - p^*| }$ không đơn điệu bằng cách xây dựng dãy chỉ số $m_k = \max{l \le k : a_l \le a_{l+1}}$ thỏa mãn $m_k \to \infty, a_{m_k} \le a_{m_k+1}$ và $a_k \le a_{m_k+1}$.
- Bổ đề độ mờ nghịch đảo và đặc trưng biến phân (Bổ đề 1.14): Với mọi dãy bị chặn ${x_k} \subset H$ thỏa $\lim |J_c x_k - x_k| = 0$, ta có: $$\limsup_{k \to \infty} \langle F(p^), p^ - x_k \rangle \le 0$$ trong đó $p^*$ là nghiệm duy nhất của bất đẳng thức biến phân trên $\text{Fix}(J_c) = \text{Zer}(T)$.
Data và phân tích
Luận án thực hiện kiểm thử mô phỏng số học (Numerical Experiments) trên các môi trường tính toán chuẩn (MATLAB/Python) với các lớp bài toán cụ thể:
- Bài toán quy hoạch lồi và tìm nghiệm phương trình tích phân phi tuyến: Không gian kiểm thử $H = L^2([0, 1])$ với tích vô hướng $\langle u, v \rangle = \int_0^1 u(t)v(t)dt$ và chuẩn $L^2$.
- Bài toán hệ phương trình đại số phi tuyến: Không gian ma trận và vector nhiều chiều $\mathbb{R}^n$ ($n = 100, 1000, 5000$).
- Thiết lập tham số thực nghiệm chuẩn hóa:
- Tham số bước lặp: $t_k = \frac{1}{k+1}$ hoặc $t_k = \frac{1}{\sqrt{k+1}}$ (thỏa mãn $\sum t_k = \infty, \lim t_k = 0$).
- Tham số toán tử giải tùy ý: Thử nghiệm đồng thời các kịch bản $r_k = 10^6$ (rất lớn), $r_k = \frac{1}{k^2}$ (tiến về 0 với tốc độ nhanh), $r_k = 1 + (-1)^k 0.5$ (dao động không tuần hoàn quanh 1).
- Tiêu chí dừng thuật toán: Sai số tương đối $|x_{k+1} - x_k| < 10^{-6}$ hoặc $|A x_k - P_Q A x_k| < 10^{-6}$.
- Độ mạnh mẽ (Robustness Checks): Kiểm tra tính ổn định trước nhiễu sai số ngẫu nhiên $e_k \sim \mathcal{N}(0, \sigma^2)$ với điều kiện $\sum |e_k| < \infty$.
Phát hiện đột phá và implications
Những phát hiện then chốt
Luận án đã chứng minh thành công 4 định lý hội tụ mạnh trụ cột với các phát hiện cốt lõi:
| STT | Thuật toán đề xuất | Cấu trúc công thức lặp | Điều kiện đột phá |
|---|---|---|---|
| 1 | PPM cải biên 1 bước (Định lý 2.1) | $z^{k+1} = J_k J_c (I - t_k \mu F)z^k + e_k$ | ${r_k} \subset (0, \infty)$ hoàn toàn tùy ý; loại bỏ hoàn toàn $\inf r_k > 0$. |
| 2 | PPM lồi kết hợp (Định lý 2.2) | $z^{k+1} = (1 - \beta_k)(I - t_k \mu F)J_c z^k + \beta_k J_k z^k + e_k$ | $\beta_k \in [a, b] \subset (0, 1)$, ${r_k}$ tùy ý trong $(0, \infty)$. |
| 3 | PPM hai bước lặp (Định lý 2.3) | $\begin{cases} \tilde{x}^{k+1} = J_k(x_k + e_{k+1}) \ x_{k+1} = t_k u + (1 - t_k)J_c \tilde{x}^{k+1} \end{cases}$ | Sai số yếu $|e_{k+1}| \le \eta_k |\tilde{x}^{k+1} - x_k|$ với $\sum \eta_k^2 < \infty$. |
| 4 | Hiệu chỉnh lặp MSSFP vô hạn tập (Định lý 4.1) | $\begin{cases} x_{k+1} = (I - t_k F)T_k x_k \ T_k = U_k(I - \gamma A^*(I - V_k)A) \end{cases}$ | $J_1 = J_2 = \mathbb{N}^+$; mỗi bước chỉ tính tổ hợp lồi $k$ số hạng $U_k, V_k$. |
So sánh hành vi tiệm cận của dãy tham số toán tử giải {r_k}:
- Rockafellar (1976), Marino & Xu (2004):
- Xu (2006), Boikanyo & Morosanu (2012):
- Nguyễn Bường (2017):
- Luận án Phạm Thị Thu Hoài (2022):
- Chứng minh toán học sự hội tụ mạnh không phụ thuộc ${r_k}$: "Dãy ${x_k}$ xác định bởi thuật toán $z^{k+1} = J_k J_c (I - t_k \mu F)z^k + e_k$ hội tụ mạnh tới nghiệm duy nhất $p^$ của bất đẳng thức biến phân $\langle F(p^), p^ - p \rangle \le 0, \forall p \in \text{Zer}(T)$ với ${r_k}$ là một dãy số dương bất kỳ trong $(0, \infty)$."*
- Loại bỏ hiện tượng "Kẹt điểm tính toán" (Computational Stagnation): Trong thực tế tính toán, việc chọn $r_k$ quá lớn làm toán tử giải $J_k$ bị biến dạng mạnh thành phép chiếu, trong khi $r_k$ quá nhỏ làm $J_k \approx I$ (thuật toán dậm chân tại chỗ). Bằng cách ghép nối $J_k$ với $J_c$ cố định, sai số do $r_k$ nhỏ bị triệt tiêu hoàn toàn bởi $J_c$.
- Cơ chế cắt tỉa vô hạn tập trong MSSFP: Tại bước thứ $k$, toán tử tổ hợp chỉ kích hoạt $k$ tập con đầu tiên: $$U_k = \frac{1}{\sum_{i=1}^k \alpha_i} \sum_{i=1}^k \alpha_i P_{C_i}, \quad V_k = \frac{1}{\sum_{j=1}^k \beta_j} \sum_{j=1}^k \beta_j P_{Q_j}$$ với $\sum_{i=1}^\infty \alpha_i = 1, \sum_{j=1}^\infty \beta_j = 1$. Dãy ${x_k}$ vẫn hội tụ mạnh về nghiệm $x^* \in \left(\bigcap_{i=1}^\infty C_i\right) \cap A^{-1}\left(\bigcap_{j=1}^\infty Q_j\right)$.
Implications đa chiều
- Đột phá lý thuyết giải tích hàm: Hoàn thiện lý thuyết hội tụ của giải tích biến phân phi tuyến, cung cấp lời giải trọn vẹn cho câu hỏi mở của Marino-Xu (2004) và Boikanyo-Morosanu (2012) về tính tự do của dãy tham số $r_k$.
- Cải tiến phương pháp tính: Giảm thiểu độ phức tạp tính toán từ $\mathcal{O}(k \cdot C_{\text{resolvent}})$ của phương pháp tích chập toán tử xuống hằng số cố định $\mathcal{O}(2 \cdot C_{\text{resolvent}})$ tại mỗi bước lặp.
- Ứng dụng y sinh và chẩn đoán hình ảnh: Trong xạ trị điều biến cường độ (IMRT), các ràng buộc liều lượng bức xạ lên mô lành và khối u được biểu diễn bằng giao của hàng ngàn tập lồi $C_i, Q_j$. Thuật toán của luận án cho phép nạp thêm các ràng buộc liều lượng mới theo thời gian thực ($k \to \infty$) mà không cần tái khởi động quy trình lặp từ đầu.
Limitations và Future Research
Dưới góc nhìn phản biện học thuật khách quan, luận án tồn tại một số giới hạn nghiên cứu cần tiếp tục hoàn thiện:
- Tốc độ hội tụ chưa được lượng hóa tường minh: Các định lý mới chỉ xác lập tính hội tụ mạnh tiệm cận ($|x_k - x^*| \to 0$ khi $k \to \infty$) mà chưa thiết lập được đánh giá tốc độ hội tụ cụ thể (như $\mathcal{O}(1/k)$ hay $\mathcal{O}(1/k^2)$ dạng Nesterov accelerated).
- Giả thiết toán tử tuyến tính bị chặn: Đối với MSSFP, toán tử $A$ bắt buộc phải là toán tử tuyến tính bị chặn ($A \in \mathcal{L}(H_1, H_2)$). Trong nhiều bài toán thực tế của phương trình đạo hàm riêng, $A$ là toán tử vi phân không bị chặn.
- Chi phí tính toán phép chiếu metric chính xác: Thuật toán giả định các phép chiếu $P_{C_i}$ và $P_{Q_j}$ có thể tính toán đóng hoặc giải chính xác, điều này gặp thách thức nếu các tập $C_i$ là các tập mức phức tạp của các hàm phi lồi.
Chương trình nghiên cứu 5–10 năm tới (Future Research Agenda)
- Hướng 1: Kết hợp kỹ thuật quán tính (Inertial Extrapolation / Nesterov Momentum) vào sơ đồ $J_k J_c$ để tăng tốc độ hội tụ của thuật toán đạt cấp số nhân hoặc $\mathcal{O}(1/k^2)$.
- Hướng 2: Mở rộng bài toán chấp nhận tách nhiều tập sang trường hợp toán tử $A$ là toán tử phi tuyến hoặc toán tử không bị chặn trong không gian Banach phản xạ ngặt.
- Hướng 3: Nghiên cứu bài toán chấp nhận tách ngẫu nhiên (Stochastic Split Feasibility) khi các tập ràng buộc $C_i, Q_j$ chịu tác động của nhiễu phân phối xác suất.
- Hướng 4: Triển khai gói phần mềm mã nguồn mở chuyên dụng giải các bài toán ngược quy mô lớn (Large-scale Inverse Problems) dựa trên thuật toán hiệu chỉnh lặp vô hạn tập.
Tác động và ảnh hưởng
Nghiên cứu của tác giả Phạm Thị Thu Hoài mang lại giá trị học thuật và thực tiễn sâu rộng:
- Tác động học thuật quốc tế: Các kết quả chính của luận án đã được công bố trên các tạp chí chuyên ngành quốc tế uy tín (ISI/Scopus) và báo cáo tại các diễn đàn khoa học đỉnh cao:
- Hội thảo Tối ưu và Tính toán khoa học toàn quốc lần thứ 15 (Ba Vì, 2017) và lần thứ 17 (Ba Vì, 2019).
- Hội thảo Quốc gia lần thứ XXIII về một số vấn đề chọn lọc của CNTT & Truyền thông (Quảng Ninh, 2020).
- Seminar chuyên đề thường niên tại Nhóm Toán ứng dụng, Viện Công nghệ thông tin, Viện Hàn lâm KH&CN Việt Nam.
- Tiềm năng trích dẫn: Đóng vai trò tài liệu tham khảo chuẩn mực cho các nghiên cứu sinh tiến sĩ và các nhà toán học chuyên sâu về giải tích biến phân, lý thuyết tối ưu và giải tích phi tuyến.
- Chuyển giao công nghệ và công nghiệp: Cung cấp lõi thuật toán tối ưu hóa cho các hệ thống phần mềm xử lý ảnh y tế chất lượng cao, giảm thiểu liều lượng tia X gây hại cho bệnh nhân mà vẫn bảo đảm độ phân giải tái tạo hình ảnh cắt lớp.
Đối tượng hưởng lợi
- Nghiên cứu sinh & Nhà toán học giải tích: Thụ hưởng các bổ đề kỹ thuật sắc bén (phân nhánh Maingé, toán tử giải $J_k J_c$) để giải quyết các bài toán liên quan đến toán tử đa trị, đơn điệu cực đại và điểm bất động.
- Kỹ sư thuật toán & Khoa học dữ liệu: Ứng dụng thuật toán tách tiến-lùi cải tiến để giải các bài toán tối ưu hóa phân tán (Distributed Convex Optimization), học máy thống kê (Lasso, Elastic Net đa ràng buộc).
- Kỹ sư y sinh học & Chẩn đoán hình ảnh: Khai thác thuật toán chấp nhận tách nhiều tập để lập trình các bộ giải tái tạo ảnh CT/MRI thời gian thực với chi phí bộ nhớ thấp.
Câu hỏi chuyên sâu
1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?
Trả lời: Đóng góp độc đáo nhất là việc phát minh ra cấu trúc toán tử giải kép $J_k J_c$ (kết hợp toán tử giải biến thiên $J_k$ với toán tử giải cố định $J_c$). Cấu trúc này đã phá vỡ rào cản kinh điển của Rockafellar (1976), Lehdili & Moudafi (1996) và Boikanyo & Morosanu (2012), lần đầu tiên chứng minh được sự hội tụ mạnh của phương pháp điểm gần kề trong không gian Hilbert vô hạn chiều với dãy tham số ${r_k}$ là dãy số dương hoàn toàn bất kỳ trong $(0, \infty)$ (Điều kiện $A8'$), giải phóng hoàn toàn điều kiện $\inf r_k > 0$ hay $r_k \to \infty$.
2. Sự đổi mới phương pháp luận khi so sánh với 2 nghiên cứu quốc tế điển hình?
Trả lời:
- So với Boikanyo & Morosanu (2012): Boikanyo & Morosanu bắt buộc $r_k \ge \varepsilon > 0$. Luận án loại bỏ hoàn toàn hằng số $\varepsilon$, cho phép $r_k$ tiến về $0$ hoặc dao động bất kỳ.
- So với Nguyễn Bường (2017): Nguyễn Bường sử dụng tích chập $k$ toán tử giải $J^k = J_1 J_2 \cdots J_k$ đòi hỏi $k$ phép tính phức tạp tại bước thứ $k$ và yêu cầu $\sum r_k < \infty$. Luận án rút gọn chỉ còn 2 phép tính toán tử giải ($J_k$ và $J_c$) tại mỗi bước lặp, giảm thiểu triệt để chi phí bộ nhớ và thời gian tính toán.
3. Phát hiện bất ngờ nhất về mặt toán học trong luận án là gì?
Trả lời: Đó là hiện tượng tính hội tụ mạnh không phụ thuộc vào hành vi tiệm cận của dãy sai số $e_k$ khi chuẩn hóa qua bước lặp $t_k$. Cụ thể, điều kiện sai số chỉ cần thỏa mãn $\lim_{k \to \infty} \frac{|e_k|}{t_k} = 0$ thay vì đòi hỏi chuỗi sai số phải khả tổng tuyệt đối $\sum |e_k| < \infty$. Điều này cho phép thuật toán dung nạp mức độ nhiễu tính toán tương đối lớn ở các bước lặp ban đầu.
4. Luận án có cung cấp quy trình tái lập (Replication Protocol) tường minh không?
Trả lời: Toàn bộ thuật toán đều được mô tả dưới dạng các công thức sai phân giải tích tường minh, bao gồm: công thức khởi tạo $x_1 \in H$, quy tắc xác định bước lặp $t_k = 1/(k+1)$, quy tắc chọn trọng số $\alpha_i, \beta_j$ thỏa chuỗi hội tụ về 1, và các tiêu chuẩn hội tụ được chứng minh bằng chuỗi bất đẳng thức giải tích hoàn chỉnh, cho phép tái lập 100% trên mọi ngôn ngữ lập trình khoa học.
5. Kế hoạch nghiên cứu 10 năm tới được vạch ra như thế nào?
Trả lời: Trọng tâm 10 năm tới là: (1) Tích hợp bước nhảy quán tính Inertial-type vào toán tử $J_k J_c$ để nâng tốc độ hội tụ; (2) Mở rộng lý thuyết chấp nhận tách cho toán tử đơn điệu đa trị không liên tục trên không gian Banach; (3) Tối ưu hóa thuật toán lặp song song (Parallel Splitting Methods) trên nền tảng điện toán đám mây và GPU để xử lý các bài toán Big Data y sinh.
Kết luận
Luận án tiến sĩ của NCS. Phạm Thị Thu Hoài đã xác lập những bước tiến học thuật xuất sắc và toàn diện trong chuyên ngành Toán ứng dụng:
- Thiết lập chuẩn mực mới cho phương pháp điểm gần kề (PPM): Chứng minh thành công sự hội tụ mạnh trong không gian Hilbert vô hạn chiều với dãy tham số toán tử giải ${r_k}$ hoàn toàn tùy ý trong $(0, \infty)$, hóa giải hạn chế tồn tại hơn 45 năm kể từ công trình của Rockafellar (1976).
- Đột phá trong phương pháp tách tiến-lùi: Phát triển các lược đồ lặp giải bài toán $0 \in (A+B)p^*$ đạt hội tụ mạnh khi dãy tham số tiệm cận về 0 hoặc nằm tự do trong khoảng $(0, \alpha)$.
- Giải pháp hữu hạn hóa triệt để cho bài toán vô hạn tập (MSSFP): Đề xuất thuật toán hiệu chỉnh lặp cho hai họ vô hạn đếm được các tập lồi đóng ($J_1 = J_2 = \mathbb{N}^+$), trong đó mỗi bước tính toán chỉ kích hoạt hữu hạn tập con, mở đường cho việc giải quyết các bài toán tối ưu hóa vô hạn chiều trong thực tiễn.
- Hợp nhất lý thuyết biến phân: Quy tụ thành công các bài toán tìm không điểm, bài toán quy hoạch lồi, bài toán chấp nhận tách về bài toán bất đẳng thức biến phân duy nhất nghiệm, tạo nên một chỉnh thể lý thuyết giải tích lồi mạch lạc.
- Tiềm năng ứng dụng vượt trội: Đặt nền móng thuật toán vững chắc cho các công nghệ mũi nhọn: tái tạo hình ảnh y khoa cắt lớp, lập kế hoạch xạ trị tối ưu IMRT và xử lý tín hiệu số trong khoa học dữ liệu hiện đại.