[論文レビュー] A large deviation approach to optimal transport

Christian Léonard|ArXiv.org|Oct 8, 2007

Geometric Analysis and Curvature Flows参考文献 12被引用数 10

ひとこと要約

本稿は、独立粒子系の経験測度が最適輸送コストをレート関数とする二重インデックスの大偏差原理（LDP）に従うように構築することにより、Monge-Kantorovich最適輸送問題を解くための大偏差原理（LDP）フレームワークを導入する。主な結果は、正規化された相対エントロピーが最適輸送コストにΓ収束することであり、|x−y|pを含む広範なコスト関数クラスにおける輸送コストおよび輸送計画の新たな近似手法を提供する。

ABSTRACT

A probabilistic method for solving the Monge-Kantorovich mass transport problem on $R^d$ is introduced. A system of empirical measures of independent particles is built in such a way that it obeys a doubly indexed large deviation principle with an optimal transport cost as its rate function. As a consequence, new approximation results for the optimal cost function and the optimal transport plans are derived. They follow from the Gamma-convergence of a sequence of normalized relative entropies toward the optimal transport cost. A wide class of cost functions including the standard power cost functions $|x-y|^p$ enter this framework.

研究の動機と目的

• Monge-Kantorovich質量輸送問題を解くための確率的手法を開発すること。
• 独立粒子の経験測度に対して、レート関数が最適輸送コストである二重インデックスの大偏差原理を確立すること。
• 正規化された相対エントロピーのΓ収束を介して、最適輸送コストおよび輸送計画の新たな近似結果を導出すること。
• |x−y|p（p≥1）を含む広範なコスト関数クラスへのフレームワークの拡張。
• LDPと相対エントロピーの相互作用を通じて、粒子系の漸近的挙動と最適輸送を結びつけること。

提案手法

• 初期位置 {z_{n,i}} を、初期位置の経験測度が源測度 μ に収束するように選ぶ n 個の独立粒子系を構築する。
• 各粒子の最終位置を X^{k}_{n,i}(1) = z_{n,i} + Y_i / √k と定義する。ここで Y_i は ℝ^d 内の i.i.d. 標準正規ベクトルである。
• 最終位置の経験測度を N^k_n = (1/n) ∑ δ_{X^{k}_{n,i}(1)} と定義する。これは ℙ(ℝ^d) 内の確率的要素である。
• 各固定 k に対して、{N^k_n} が速度 n で LDP を満たし、レート関数が ν ↦ inf_{ρ∈Π(μ,ν)} H(ρ|π^k) であることを示す。ここで H は相対エントロピー、π^k は (Z, Z+Y/√k) の分布である。
• n→∞ および k→∞ の両方のスケーリング極限の共同漸近的挙動を解析し、速度 k で Y/√k の LDP とレート関数 |u|²/2 を活用する。
• 正規化された相対エントロピー H(ρ|π^k)/k が Γ-liminf として最適輸送コスト T_c(μ,ν) に収束することを証明し、輸送コストおよび計画の近似結果を得る。

実験結果

リサーチクエスチョン

• RQ1 独立粒子の経験測度に対して、レート関数が最適輸送コストに一致する大偏差原理を構築可能か？
• RQ2 二つのスケーリング極限（n→∞ および k→∞）の相互作用が、どのように最適輸送コストがレート関数として出現するか？
• RQ3 正規化された相対エントロピーのΓ極限による最適輸送コストの近似は、どの程度達成可能か？
• RQ4 このフレームワークは、二乗コストを超える一般コスト関数（例：|x−y|^p for p≥1）へ拡張可能か？
• RQ5 最適輸送計画の構造は、粒子系の大偏差挙動から回復可能か？

主な発見

• 経験測度 {N^k_n} は、n,k→∞ の共同極限において、最適輸送コスト T_c(μ,ν) をレート関数とする二重インデックスの大偏差原理を満たす。
• 正規化された相対エントロピー H(ρ|π^k)/k は Γ-liminf として最適輸送コスト T_c(μ,ν) に収束し、バリエーション的近似を確立する。
• 二乗コスト c(x₀,x₁)=|x₁−x₀|²/2 の場合、Y/√k の LDP のレート関数はまさにこのコストに一致し、ガウス型拡散と輸送コストを結びつける。
• 相対エントロピーのΓ収束を通じて、|x−y|^p（p≥1）を含む広範なコスト関数クラスへの適用が可能である。
• 最適輸送コスト T_c(μ,ν) は、相対エントロピーの列のΓ極限として回復され、確率的近似スキームを提供する。
• 弱収束の下でも収束は安定であり、双対性および凸解析を通じて、有限次元および無限次元設定の両方で成立する。