Tổng quan về luận án

Luận án tiến sĩ toán học với đề tài "Một số phương pháp lặp giải bài toán không điểm chung" của nghiên cứu sinh Nguyễn Minh Trang (Chuyên ngành: Toán ứng dụng, Mã số: 9 46 01 12, thực hiện tại Trường Đại học Khoa học – Đại học Thái Nguyên dưới sự hướng dẫn khoa học của PGS. Trương Minh Tuyên và PGS. Nguyễn Thị Thu Thủy) là một công trình nghiên cứu hàn lâm chuyên sâu thuộc lĩnh vực Giải tích phi tuyến và Tối ưu hóa hiện đại. Nghiên cứu tập trung giải quyết bài toán tìm phần tử $x \in S := \cap_{i=1}^N A_i^{-1} 0 \neq \emptyset$ đối với họ hữu hạn các toán tử loại đơn điệu trong không gian Banach, cũng như bài toán không điểm chung tách (Split Common Null Point Problem - SCNPP): tìm $x \in \Omega_0 := \cap_{i=1}^N A_i^{-1} 0 \cap T^{-1}(\cap_{k=1}^M B_k^{-1} 0) \neq \emptyset$ giữa hai không gian Hilbert thực $H_1$ và $H_2$ thông qua toán tử chuyển tuyến tính bị chặn $T$.

Bối cảnh khoa học của đề tài xuất phát từ vai trò trung tâm của bài toán không điểm: "Nhiều bài toán vật lý quan trọng có thể mô hình hóa dưới dạng bài toán giá trị ban đầu $\frac{du}{dt} + Au(t) = 0, u(t_0) = u_0$, trong đó $A$ là toán tử $j$-đơn điệu trong không gian Banach." Khi hệ đạt trạng thái cân bằng ($\frac{du}{dt} = 0$), phương trình chuyển về dạng không điểm $Au = 0$. Hơn nữa, với hàm lồi nửa liên tục dưới $f$, dưới vi phân $\partial f$ là toán tử đơn điệu cực đại, quy bài toán cực tiểu hóa lồi về bài toán tìm không điểm $0 \in \partial f(x)$.

Research gap cốt lõi mà luận án nhận diện và trực tiếp giải quyết gồm ba nút thắt lý thuyết lớn:

  1. Phương pháp điểm gần kề cổ điển (Martinet, 1970; Rockafellar, 1976) và phương pháp CQ (Byrne, 2002) chỉ đảm bảo hội tụ yếu trong không gian vô hạn chiều (Guler, 1991; Bauschke et al., 2006).
  2. Các thuật toán chiếu co hẹp hiện hữu (Takahashi et al., 2008) chủ yếu áp dụng điểm gần kề chính xác và đòi hỏi phép chiếu mêtric tuyệt đối, chưa tính tới sai số tính toán thực tế trong không gian Banach tổng quát.
  3. Hầu hết các phương pháp CQ giải SCNPP đều áp đặt cỡ bước $\gamma \in (0, 2/|T|^2)$ phụ thuộc vào chuẩn toán tử $|T|$ – một đại lượng cực kỳ tốn kém và phức tạp để tính toán chính xác trên các ma trận lớn hoặc toán tử vi phân.

Luận án đặt ra ba câu hỏi nghiên cứu và hệ giả thuyết chính:

  • (RQ1/H1): Xây dựng được thuật toán điểm gần kề không chính xác kết hợp phép chiếu mêtric gần đúng để thiết lập sự hội tụ mạnh trong không gian Banach lồi đều và trơn khi sai số triệt tiêu $(\varepsilon_n r_{i,n} \to 0, \delta_n \to 0)$.
  • (RQ2/H2): Nới lỏng hoàn toàn các điều kiện hội tụ nghiêm ngặt của phương pháp đường dốc nhất lai ghép cho bài toán bất đẳng thức biến phân $VI^*(F, \cap_{i=1}^N A_i^{-1} 0)$ đối với họ toán tử $m$-$j$-đơn điệu theo cả cơ chế lặp xoay vòng và song song.
  • (RQ3/H3): Thiết kế thành công thuật toán song song tự thích nghi cỡ bước không phụ thuộc chuẩn toán tử $|T|$ cho bài toán SCNPP và điểm bất động chung tách (SCFPP) trong không gian Hilbert.

Khung lý thuyết của công trình tích hợp cấu trúc không gian Banach phản xạ, trơn, lồi đều, hình học cầu đơn vị Kadec-Klee, lý thuyết toán tử đơn điệu cực đại, $\varepsilon$-mở rộng Burachik-Svaiter và hội tụ tập hợp theo nghĩa Mosco. Ý nghĩa khoa học và thực tiễn được định lượng thông qua việc giải quyết bài toán chấp nhận tách đa tập (MSFP) ứng dụng trong tái tạo ảnh chụp X-quang y tế và quy hoạch liều xạ trị điều biến cường độ IMRT ($U$ thể tích mô đích, $V$ chùm tia, ma trận hấp thụ $D$).

Literature Review và Positioning

Lý thuyết tìm không điểm của toán tử đơn điệu khởi nguồn từ thuật toán điểm gần kề (Proximal Point Algorithm - PPA) của Martinet (1970) cho hàm lồi và được mở rộng đột phá bởi Rockafellar (1976) cho toán tử đơn điệu cực đại $A: H \to 2^H$ qua dãy lặp $x_{n+1} = J_{c_n}^A x_n = (I + c_n A)^{-1} x_n$. Tuy nhiên, hạn chế căn bản của PPA là chỉ đạt được sự hội tụ yếu. Guler (1991) đã xây dựng phản ví dụ kinh điển chứng minh PPA không hội tụ mạnh trong không gian Hilbert vô hạn chiều, được củng cố thêm bởi Bauschke et al. (2006).

Để khắc phục hiện tượng trôi nghiệm và thiết lập hội tụ mạnh, một cuộc tranh luận học thuật sâu sắc đã diễn ra với ba trường phái cải tiến chính:

  1. Trường phái hiệu chỉnh và xấp xỉ gắn kết (Viscosity & Tikhonov): Lehdili và Moudafi (1996), Xu (2004, 2006), Halpern (1967), Chen và Zhu (2006, 2008), Jung (2009) kết hợp hàm co hoặc tham số hiệu chỉnh $Tikhonov$ nhằm kéo dãy lặp về điểm chuẩn tắc.
  2. Trường phái phép chiếu lai ghép và co hẹp (Hybrid & Shrinking Projection): Solodov và Svaiter (1999, 2000) đề xuất phương pháp siêu phẳng và lát cắt lồi $C_n \cap Q_n$. Kế thừa tư tưởng này, Takahashi, Takeuchi và Kubota (2008) giới thiệu phương pháp chiếu co hẹp xác định $C_{n+1} = {z \in C_n : |y_n - z| \le |x_n - z|}$. Tuy nhiên, hạn chế của Takahashi et al. (2008) là sử dụng toán tử giải chính xác và giả định phép chiếu mêtric không có sai số.
  3. Trường phái đường dốc nhất lai ghép (Hybrid Steepest Descent): Yamada (2001) đề xuất phương pháp giải bất đẳng thức biến phân $VI(F, C)$ trên tập điểm bất động của ánh xạ không giãn. Ceng, Hadjisavvas và Wong (2008) phát triển phương pháp này cho toán tử $m$-$j$-đơn điệu trong không gian Banach nhưng buộc phải áp đặt chuỗi điều kiện vi phân tham số rất ngặt: $\sum | \beta_{n+1} - \beta_n | < \infty$, $\sum | \lambda_{n+1} - \lambda_n | < \infty$, và $\sum | r_{n+1} - r_n | < \infty$.
Tiến trình phát triển lý thuyết toán tử và định vị của Luận án:
[Martinet (1970), Rockafellar (1976): PPA hội tụ yếu] 
       │
       ├─► [Guler (1991), Bauschke (2006): Chứng minh PPA không hội tụ mạnh]
       │
       ├─► [Solodov & Svaiter (1999), Takahashi et al. (2008): Chiếu co hẹp chính xác]
       │         │
       │         └─► [ĐỊNH VỊ LUẬN ÁN - CHƯƠNG 2]: Chiếu co hẹp không chính xác εn-mở rộng + sai số δn
       │
       ├─► [Yamada (2001), Ceng et al. (2008): Phương pháp đường dốc nhất với ràng buộc tham số ngặt]
       │         │
       │         └─► [ĐỊNH VỊ LUẬN ÁN - CHƯƠNG 2]: Loại bỏ hoàn toàn điều kiện vi phân chuỗi tham số
       │
       └─► [Byrne (2002, 2012), Censor et al. (2005): Thuật toán CQ phụ thuộc chuẩn ||T||]
                 │
                 └─► [ĐỊNH VỊ LUẬN ÁN - CHƯƠNG 3, 4]: Thuật toán lặp song song tự thích nghi cỡ bước

Đối với bài toán không điểm chung tách (SCNPP), Byrne et al. (2012) giới thiệu dãy lặp $x_{n+1} = J_\alpha^A(I - \gamma T^* (I - J_\beta^B)T)x_n$ với $\gamma \in (0, 2/|T|^2)$, xuất phát từ thuật toán CQ của Byrne (2002) cho bài toán chấp nhận tách (SFP) của Censor và Elfving (1994). Hạn chế lớn nhất là: "hầu hết các phương pháp này đều dựa trên phương pháp CQ, trong đó cỡ bước phụ thuộc vào chuẩn của toán tử chuyển $T$... trong thực tế việc tính toán chuẩn toán tử thường không đơn giản." Mặc dù López et al. (2012) và Yang (2014) tìm cách biến thiên cỡ bước nhưng chỉ đạt hội tụ yếu; các nghiên cứu hội tụ mạnh của Boikanyo (2015) và Wang (2017) cho SFP chưa thể bao quát được toán tử đa trị đơn điệu cực đại của bài toán SCNPP. Luận án đã định vị chính xác vào khoảng trống này để phát triển thuật toán song song hội tụ mạnh độc lập với chuẩn $|T|$.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án tạo ra những bước tiến mang tính đột phá, mở rộng và hoàn thiện hệ thống lý thuyết giải tích phi tuyến thông qua 4 đóng góp bản lề:

  1. Mở rộng lý thuyết điểm gần kề sang toán tử $\varepsilon$-mở rộng không chính xác: Thay vì giải bao hàm thức $0 \in j(y_n - x_n) + r_n A y_n$, luận án giải phương trình với $\varepsilon_n$-mở rộng Burachik-Svaiter: $$j(y_{i,n} - x_n) + r_{i,n} A_i^{\varepsilon_n} y_{i,n} \ni 0, \quad i=1,2,\dots,N$$ Đồng thời nới lỏng phép chiếu mêtric $x_{n+1} = P_{C_{n+1}} u$ thành tìm nghiệm xấp xỉ $|u - x_{n+1}|^2 \le d^2(u, C_{n+1}) + \delta_{n+1}$. "Điểm cải tiến của các phương pháp mới là chúng tôi sẽ sử dụng thuật toán điểm gần kề không chính xác (inexact proximal point) theo nghĩa thay toán tử ban đầu bằng toán tử mở rộng của nó, thêm nữa, phép chiếu sử dụng trong phương pháp là phép chiếu “gần đúng” (quan tâm đến sai số tính toán khi thực hiện phép chiếu)."
  2. Loại bỏ triệt để hệ điều kiện vi phân tham số của Ceng et al. (2008): Đối với toán tử $m$-$j$-đơn điệu trong không gian Banach, luận án chứng minh dãy lặp hội tụ mạnh về nghiệm duy nhất của $VI^*(F, \cap_{i=1}^N A_i^{-1} 0)$ chỉ với điều kiện cơ bản $\sum_{n=0}^\infty \lambda_n = \infty$, $\lim \lambda_n = 0$, $\beta_{n,i} \in (\alpha, \beta) \subset (0, 1)$ và $r_{n,i} \ge r > 0$, giải phóng hoàn toàn giả định $\sum |\beta_{n+1}-\beta_n| < \infty$, $\sum |\lambda_{n+1}-\lambda_n| < \infty$, $\sum |r_{n+1}-r_n| < \infty$.
  3. Cơ chế tính toán cỡ bước tự thích nghi (Self-Adaptive Step-Size): Loại bỏ sự phụ thuộc vào chuẩn toán tử $|T|$ trong không gian Hilbert, cho phép cập nhật cỡ bước $\gamma_n$ tự động tại mỗi bước lặp thông qua giá trị hàm dư sai gradient.
  4. Chứng minh giải tích mới về hội tụ Mosco và tính chất điểm bất động: Xây dựng chứng minh độc lập cho mệnh đề dãy giảm các tập con lồi đóng trong không gian Banach phản xạ thỏa mãn $C_0 = \text{M-lim}{n\to\infty} C_n$ (khác phương pháp chứng minh gốc của Mosco, 1969) và định lý tổ hợp lồi ánh xạ không giãn $\text{Fix}(\sum{i=1}^N \lambda_i T_i) = \cap_{i=1}^N \text{Fix}(T_i)$ trong không gian Banach lồi đều.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp ba cấu trúc toán học cao cấp:

  • Khung hình học Banach: Không gian lồi đều (Uniformly Convex), lồi chặt (Strictly Convex), trơn (Smooth) với chuẩn khả vi Gâteaux đều, kết hợp ánh xạ đối ngẫu chuẩn tắc $j: E \to E^*$, phép chiếu mêtric $P_C$ và tính chất hình học Kadec-Klee (hội tụ yếu kết hợp hội tụ chuẩn suy ra hội tụ mạnh).
  • Khung toán tử phi tuyến: Bao gồm lớp toán tử đơn điệu cực đại, toán tử $j$-đơn điệu, $m$-$j$-đơn điệu, toán tử giải $J_r^A = (I + rA)^{-1}$, giải mêtric $Q_r^A$, ánh xạ $\lambda$-giả co chặt ($\lambda$-strictly pseudocontractive) và ánh xạ $\delta$-$j$-đơn điệu mạnh.
  • Khung xấp xỉ không chính xác: Dựa trên $\varepsilon$-mở rộng $A^\varepsilon x = {u \in E^* : \langle y - x, v - u \rangle \ge -\varepsilon, \forall (y,v) \in G(A)}$ có đồ thị demi-đóng, kiểm soát sự suy biến qua dãy sai số hội tụ ${\varepsilon_n}$ và ${\delta_n}$.
         ┌─────────────────────────────────────────────────────────────┐
         │             CẤU TRÚC HÌNH HỌC KHÔNG GIAN                    │
         │ Banach phản xạ, lồi đều, trơn, tính chất Kadec-Klee (E)     │
         └──────────────────────────────┬──────────────────────────────┘
                                        │
         ┌──────────────────────────────▼──────────────────────────────┐
         │               LỚP TOÁN TỬ VÀ ÁNH XẠ ĐỐI NGẪU                │
         │    Toán tử đơn điệu cực đại, m-j-đơn điệu, ε-mở rộng A^ε,   │
         │    Ánh xạ đối ngẫu chuẩn tắc j, Giải mêtric Q_r^A           │
         └──────────────────────────────┬──────────────────────────────┘
                                        │
         ┌──────────────────────────────▼──────────────────────────────┐
         │                HỆ THỐNG THUẬT TOÁN ĐỀ XUẤT                  │
         │ 1. Chiếu co hẹp không chính xác (Thuật toán 2.1 & 2.2)       │
         │ 2. Đường dốc nhất lai ghép Xoay vòng / Song song            │
         │ 3. Phương pháp CQ song song tự thích nghi cỡ bước (SCNPP)   │
         └──────────────────────────────┬──────────────────────────────┘
                                        │
         ┌──────────────────────────────▼──────────────────────────────┐
         │                    ỨNG DỤNG MÔ PHỎNG SỐ                     │
         │ Bài toán cực tiểu chung, Điểm bất động tách (SCFPP),        │
         │ Chấp nhận tách đa tập (MSFP), Xạ trị IMRT, X-ray Tomography │
         └─────────────────────────────────────────────────────────────┘

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu vận hành trên nền tảng phương pháp luận Diễn dịch Toán học Chặt chẽ (Rigorous Mathematical Deduction) kết hợp Thực nghiệm Tính toán Số học (Numerical Scientific Computation). Thiết kế giải tích xây dựng các dãy lặp xác định trong không gian vô hạn chiều và phân tích tiệm cận thông qua các hàm Lyapunov rời rạc, bất đẳng thức giải tích hàm và bổ đề giải tích chuỗi thực ma-trận (Bổ đề Maingé, Bổ đề Xu).

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu trải qua 4 giai đoạn chuẩn hóa:

  1. Thiết lập bài toán và mô hình toán tử: Xác định tập nghiệm $S = \cap_{i=1}^N A_i^{-1} 0$ hoặc $\Omega_0 = \cap_{i=1}^N A_i^{-1} 0 \cap T^{-1}(\cap_{k=1}^M B_k^{-1} 0)$.
  2. Thiết kế thuật toán lặp:
    • Thuật toán 2.1 (Lấy max): $y_{i,n}$ giải từ $j(y_{i,n} - x_n) + r_{i,n} A_i^{\varepsilon_n} y_{i,n} \ni 0$; chọn $i_n$ sao cho $|y_{i_n, n} - x_n| = \max_i |y_{i,n} - x_n|$; xây dựng nửa không gian $C_{n+1} = {z \in C_n : \langle y_n - z, j(x_n - y_n) \rangle \ge -\varepsilon_n r_{i_n, n}}$; tìm $x_{n+1} \in {z \in C_{n+1} : |u - z|^2 \le d^2(u, C_{n+1}) + \delta_{n+1}}$.
    • Thuật toán 2.2 (Giao các nửa không gian): Xây dựng $C_{n+1}^i = {z \in C_n : \langle y_{i,n} - z, j(x_n - y_{i,n}) \rangle \ge -\varepsilon_n r_{i,n}}$, lấy $C_{n+1} = \cap_{i=1}^N C_{n+1}^i$.
    • Thuật toán đường dốc nhất xoay vòng (Cyclic): $y_n^0 = x_n$, $y_n^i = (1 - \beta_n^i) y_n^{i-1} + \beta_n^i J_{r_n^i}^{A_i} y_n^{i-1}$, $x_{n+1} = (I - \lambda_n F)(y_n^N)$.
    • Thuật toán song song (Parallel): $y_n = \sum_{i=1}^N \omega_i [(1 - \beta_n^i) x_n + \beta_n^i J_{r_n^i}^{A_i} x_n]$, $x_{n+1} = (I - \lambda_n F)(y_n)$.
  3. Phân tích hội tụ giải tích: Thiết lập tính bị chặn của dãy lặp ${x_n}$, áp dụng bổ đề dãy không giảm Maingé (2008) xử lý trường hợp không đơn điệu, chứng minh tính demi-đóng của toán tử và suy ra $x_n \to P_S u$.
  4. Kiểm chứng thực nghiệm: Lập trình giải các bài toán tối ưu bậc hai phụ bằng phần mềm MATLAB, kiểm chứng tốc độ suy giảm sai số qua các bước lặp.

Data và phân tích

Thực nghiệm số được kiểm thử trên các không gian hàm và không gian Euclid với cấu hình tham số chính xác:

  • Không gian kiểm thử: Không gian Euclid $R^m$, không gian dãy số $l_2$, và không gian hàm khả tích $L_2[0, 1]$.
  • Môi trường tính toán: MATLAB sử dụng thuật toán Lập trình bậc hai (Quadratic Programming Algorithm) để giải bài toán chiếu mêtric $x_{n+1} = \text{argmin}{z \in C{n+1}} \frac{1}{2}|z - u|^2$.
  • Thông số hội tụ: Các dãy tham số được cấu hình chính xác: $\varepsilon_n = \frac{1}{n^2}$, $\delta_n = \frac{1}{n^3}$, $r_{i,n} = 1 + \frac{1}{n}$, $\lambda_n = \frac{1}{n^{0.6}}$, $\beta_{n}^i = \frac{1}{2} + \frac{1}{4i}$. Tiêu chuẩn dừng thuật toán: $|x_{n+1} - x_n| < 10^{-6}$ hoặc sai số hàm mục tiêu đạt ngưỡng dung sai máy tính $10^{-8}$.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Khả năng kháng sai số tuyệt đối của thuật toán chiếu co hẹp: Định lý 2.1 và 2.2 chứng minh rằng ngay cả khi sử dụng toán tử mở rộng $\varepsilon_n$ và chấp nhận sai số $\delta_n$ trong phép chiếu tại mỗi bước, dãy lặp ${x_n}$ vẫn hội tụ mạnh về duy nhất hình chiếu $P_S u$ với điều kiện hội tụ tiệm cận tuyến tính của sai số: $$\lim_{n\to\infty} \varepsilon_n r_{i,n} = 0 \quad \text{và} \quad \lim_{n\to\infty} \delta_n = 0$$
  2. Sự vượt trội của cấu trúc song song so với cấu trúc xoay vòng: Dữ liệu số từ các Bảng 2.1 - 2.5 và Bảng 4.1 - 4.2 chỉ ra rằng phương pháp lặp song song giảm thời gian tính toán (CPU time) từ 35% đến 58% so với phương pháp xoay vòng tuần tự khi số lượng toán tử $N \ge 10$.
  3. Hiện tượng hội tụ không phụ thuộc điều kiện vi phân chuỗi: Chứng minh thành công sự hội tụ của thuật toán đường dốc nhất mà không cần $\sum |\lambda_{n+1}-\lambda_n| < \infty$, giải thích bản chất hình học rằng tính co rút của toán tử giải $J_r^A$ kết hợp tính $\delta$-$j$-đơn điệu mạnh của $F$ đã đủ triệt tiêu năng lượng phân kỳ.
  4. Tính khả thi của thuật toán CQ tự thích nghi cỡ bước: Dữ liệu thực nghiệm tại Chương 3 (Bảng 3.1 - 3.4, Hình 3.1 - 3.3) xác nhận thuật toán tự cập nhật cỡ bước $\gamma_n$ hội tụ chính xác về nghiệm của bài toán SCNPP mà không cần bất kỳ ước lượng nào về chuẩn ma trận $|T|$, loại bỏ hoàn toàn nguy cơ phân kỳ do chọn sai cỡ bước tĩnh.

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp một khung thống nhất liên kết giải tích phi tuyến trong không gian Banach và Hilbert, giải quyết trọn vẹn bài toán xác định không điểm chung, điểm bất động chung tách và bất đẳng thức biến phân.
  • Về mặt phương pháp luận: Thiết lập chuẩn mực mới cho việc thiết kế thuật toán xấp xỉ không chính xác (inexact methods), mở ra phương pháp luận tính toán bền vững trước sai số làm tròn số học.
  • Về mặt ứng dụng kỹ thuật và y tế:
    • Mô hình chụp ảnh cắt lớp X-quang: Tối ưu hóa việc giải hệ phương trình suy giảm cường độ $\sum_{k=1}^M x_k a_{ik} = y_i, i=1,\dots,N$ (dạng $Ax = y, x \ge 0$), tái tạo ảnh lát cắt sinh lý sắc nét với số lần chiếu tia tối thiểu.
    • Mô hình xạ trị IMRT: Giải bài toán chấp nhận tách đa tập $\bar{x} \in C_+ \cap \cap_{n=1}^N C_n$ sao cho liều hấp thụ $\bar{h} = D\bar{x} \in \cap_{m=1}^M Q_m$, đảm bảo phân bố liều bức xạ tập trung hủy diệt khối u đích trong khi bảo vệ nghiêm ngặt các cơ quan lành xung quanh.

Limitations và Future Research

Luận án thẳng thắn chỉ rõ 3 giới hạn nghiên cứu:

  1. Rào cản tính toán trong không gian Banach vô hạn chiều: Các thuật toán tại Chương 2 yêu cầu tính toán ánh xạ đối ngẫu chuẩn tắc $j$ và giải mêtric $Q_r^A$. Ngoài các không gian chuẩn mực như $L_p, l_p$, việc tính $j(x)$ trong các không gian Banach tổng quát phức tạp đòi hỏi chi phí giải tích rất cao.
  2. Quy mô giải bài toán phụ bậc hai: Khi số lượng bước lặp tăng lên, số lượng siêu phẳng xác định tập $C_{n+1}$ trong Thuật toán 2.2 tăng theo cấp số cộng, dẫn đến kích thước ma trận ràng buộc trong bài toán Quadratic Programming của MATLAB mở rộng liên tục, làm tăng bộ nhớ tính toán.
  3. Phạm vi toán tử chuyển: Toán tử $T$ mới dừng lại ở lớp toán tử tuyến tính bị chặn, chưa bao quát được các toán tử phi tuyến chuyển vùng giữa các đa tạp phi Euclid.

Hướng nghiên cứu tiếp theo được vạch rõ:

  • Mở rộng thuật toán tự thích nghi cỡ bước sang không gian Banach phản xạ và trơn đều.
  • Nghiên cứu tốc độ hội tụ tuyến tính/siêu tuyến tính bằng cách tích hợp kỹ thuật gia tốc Nesterov hoặc quán tính Inertial.
  • Phát triển các thuật toán ngẫu nhiên (Stochastic proximal algorithms) để xử lý dữ liệu lớn trong học máy (Machine Learning).

Tác động và ảnh hưởng

  • Tác động học thuật: Các kết quả nghiên cứu của luận án đã được công bố trên 4 công trình khoa học chuyên ngành uy tín, được báo cáo tại các diễn đàn đỉnh cao như Hội thảo “Những hướng mới trong tối ưu tính toán và ứng dụng” (VIASM, 2021), Vietnam - USA Joint Mathematical Meeting (Quy Nhơn, 2019), thu hút sự quan tâm của cộng đồng giải tích tối ưu trong và ngoài nước.
  • Chuyển đổi công nghệ y tế: Cung cấp nền tảng thuật toán cốt lõi cho các phần mềm lập kế hoạch xạ trị (Treatment Planning Systems - TPS) trong xạ trị IMRT và thuật toán tái tạo ảnh CT/X-ray thế hệ mới.
  • Giá trị kinh tế - xã hội: Giảm thiểu thời gian tính toán mô phỏng liều lượng xạ trị, nâng cao hiệu quả điều trị ung thư và hạ giá thành xử lý dữ liệu chẩn đoán hình ảnh y khoa.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà toán học: Tiếp cận khung phương pháp luận hiện đại về kỹ thuật mở rộng toán tử $\varepsilon$-subdifferential và giải thuật tự thích nghi không phụ thuộc chuẩn.
  • Chuyên gia Tối ưu hóa & Khoa học Dữ liệu: Khai thác các thuật toán song song giải bài toán chấp nhận lồi đa tập quy mô lớn trong xử lý tín hiệu và thị giác máy tính.
  • Kỹ sư Vật lý Y khoa & Y sinh: Ứng dụng trực tiếp thuật toán SCNPP/MSFP vào tối ưu hóa chùm tia bức xạ và nâng cao độ chính xác của ảnh chụp cắt lớp.

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 tích hợp thành công $\varepsilon$-mở rộng Burachik-Svaiter và sai số chiếu $\delta_n$ vào phương pháp chiếu co hẹp trong không gian Banach lồi đều, trơn. Công trình đã mở rộng trực tiếp lý thuyết chiếu co hẹp kinh điển của Takahashi, Takeuchi và Kubota (2008) từ dạng điểm gần kề chính xác trên không gian Hilbert sang mô hình không chính xác tổng quát trên không gian Banach.

2. Đột phá phương pháp luận của luận án khi so sánh với các nghiên cứu quốc tế tiền nhiệm? So với nghiên cứu của Ceng et al. (2008), luận án đã giải phóng hoàn toàn 3 điều kiện vi phân chuỗi ngặt $\sum |\beta_{n+1}-\beta_n| < \infty$, $\sum |\lambda_{n+1}-\lambda_n| < \infty$, $\sum |r_{n+1}-r_n| < \infty$. So với thuật toán CQ của Byrne (2002, 2012), luận án thiết kế thành công cơ chế cỡ bước biến thiên tự thích nghi, triệt tiêu sự phụ thuộc bắt buộc vào $|T|$.

3. Phát hiện bất ngờ nhất trong quá trình thực nghiệm số là gì? Phương pháp chiếu giao các nửa không gian (Thuật toán 2.2) có tốc độ hội tụ số học nhanh hơn đáng kể so với phương pháp lấy max (Thuật toán 2.1), mặc dù chi phí lưu trữ hình học tại mỗi bước lặp của Thuật toán 2.2 lớn hơn.

4. Luận án có cung cấp quy trình tái lập thực nghiệm (Replication Protocol) không? Có. Toàn bộ tham số số học ($\varepsilon_n, \delta_n, r_{i,n}, \lambda_n, \beta_n$), cấu trúc toán tử, miền ràng buộc và giao thức giải thuật trình bày tại Mục 2.4, 3.3, 4.3 đều được chuẩn hóa bằng mã lệnh Quadratic Programming trên môi trường MATLAB.

5. Chương trình nghị sự nghiên cứu 10 năm tới mở ra từ luận án là gì? Thiết lập lý thuyết hội tụ của phương pháp lặp đa bước kết hợp hiệu ứng quán tính (Inertial Accelerated Methods) cho bài toán không điểm tách trên đa tạp Riemann và không gian Hadamard.

Kết luận

Luận án tiến sĩ của tác giả Nguyễn Minh Trang đã hoàn thành xuất sắc các mục tiêu nghiên cứu với 5 đóng góp học thuật cốt lõi:

  1. Đề xuất thành công 2 thuật toán chiếu co hẹp không chính xác mới giải bài toán không điểm chung của toán tử đơn điệu cực đại trong không gian Banach, thiết lập định lý hội tụ mạnh khi có sai số chiếu.
  2. Xây dựng thuật toán đường dốc nhất xoay vòng và song song giải $VI^*(F, \cap_{i=1}^N A_i^{-1} 0)$ cho toán tử $m$-$j$-đơn điệu dưới hệ điều kiện tham số tối thiểu.
  3. Phát triển thuật toán song song tự thích nghi cỡ bước cho bài toán không điểm chung tách (SCNPP) trong không gian Hilbert, giải phóng sự lệ thuộc vào chuẩn toán tử $|T|$.
  4. Đưa ra hệ thuật toán song song giải bài toán điểm bất động chung tách (SCFPP) và liên hệ giải tích chặt chẽ với bài toán chấp nhận tách đa tập (MSFP).
  5. Chứng minh tính ứng dụng thực tiễn vượt trội thông qua mô hình hóa toán học bài toán chụp ảnh X-quang cắt lớp và kỹ thuật xạ trị điều biến cường độ IMRT.

Công trình ghi dấu ấn học thuật vững chắc, thúc đẩy sự tiến bộ của chuyên ngành Toán ứng dụng và mở ra nhiều hướng nghiên cứu liên ngành giá trị cao trong tối ưu hóa tính toán đương đại.