[論文レビュー] Are Quasi-Monte Carlo algorithms efficient for two-stage stochastic programs?

Holger Heitsch, Hernan Leövey+1 more|arXiv (Cornell University)|Jun 1, 2012

Mathematical Approximation and Integration参考文献 42被引用数 1

ひとこと要約

本稿は、区分線形被積分関数を伴う2段階の確率的計画問題に対する準モンテカルロ（QMC）アルゴリズムの効率性を調査する。弱い幾何的条件が満たされる場合——特に分布が正規分布である場合には一般に成立する——QMC手法は、$O(n^{-1+\nu})$の収束率（$\nu \in (0, \frac{1}{2}]$）を達成でき、次第に最適な収束率に近づく。特に、次元削減とねずみ算の低分散系列を組み合わせることでその効果が顕著になる。

ABSTRACT

Quasi-Monte Carlo algorithms are studied for designing discrete approximationsof two-stage linear stochastic programs. Their integrands are piecewiselinear, but neither smooth nor lie in the function spaces considered for QMC erroranalysis. We show that under some weak geometric condition on the two-stagemodel all terms of their ANOVA decomposition, except the one of highest order,are smooth. Hence, Quasi-Monte Carlo algorithms may achieve the optimal rateof convergence $O(n^{-1+\delta}$ with $\delta \in (0,\frac{1}{2}]$ and a constant not depending on the dimension. The geometric condition is shown to be generically satisfied if the underlyingdistribution is normal. We discuss sensitivity indices, effective dimensionsand dimension reduction techniques for two-stage integrands. Numerical experimentsshow that indeed convergence rates close to the optimal rate are achievedwhen using randomly scrambled Sobol' point sets and randomly shifted latticerules accompanied with suitable dimension reduction techniques.

研究の動機と目的

• 非滑らかで区分線形の被積分関数を伴う2段階の確率的計画問題に対する準モンテカルロ（QMC）手法の実現可能性と効率性を評価すること。
• 被積分関数の滑らかさに欠ける状況下でも、QMCが近似的に最適な収束率に達するための条件を同定すること。
• 被積分関数のANOVA分解の構造を分析し、有効次元を理解し、次元削減の指針を導くこと。
• 実用的状況下におけるQMCの数値的性能を、ねずみ算のソボル点と確率的シフト付き格子則を用いて評価すること。

提案手法

• 2段階の確率的計画問題における被積分関数のANOVA分解を分析し、低次の項の滑らかさの性質を特定する。
• モデルに弱い幾何的条件が成立する場合、最高次の項を除くすべてのANOVA項が滑らかであることを確立し、QMCの収束解析を可能にする。
• 高次の有効次元性がQMCの性能を妨げることが多いことから、次元削減技術を適用する。
• 収束の向上と誤差分散の低減を図るため、確率的スラッシュ付きソボル点集合と確率的シフト付き格子則を用いる。
• 幾何的条件の下で、理論的収束率$O(n^{-1+\nu})$（$\nu \in (0, \frac{1}{2}]$）を導出する。
• 理論的結果の妥当性を確認するため、QMCと標準モンテカルロ法を比較する数値実験を実施する。

実験結果

リサーチクエスチョン

• RQ1 区分線形被積分関数を伴う2段階の確率的計画問題に対して、準モンテカルロ手法が近似的に最適な収束率に達することができるか？
• RQ2 2段階モデルの幾何的または構造的条件下で、被積分関数のANOVA分解が滑らかな低次の項を生じる条件は何か？
• RQ3 感度インデックスと有効次元は、この文脈におけるQMCの性能にどのように影響するか？
• RQ4 次元削減技術は、高次元の確率的計画問題におけるQMCの効率をどの程度向上できるか？
• RQ5 ねずみ算のソボル系列と確率的シフト付き格子則は、実際の応用において理論的最適収束率に近い収束率を達成できるか？

主な発見

• 2段階モデルに弱い幾何的条件が成立する場合、最高次の項を除くすべてのANOVA項が滑らかであり、QMCの収束解析が可能になる。
• この幾何的条件は、元の確率分布が正規分布である場合には一般に満たされるため、結果は広く適用可能である。
• 提示された条件下で、QMC手法は$O(n^{-1+\nu})$（$\nu \in (0, \frac{1}{2}]$）の収束率を達成でき、最適な収束率に近づく。
• 数値実験により、確率的スラッシュ付きソボル点集合と確率的シフト付き格子則を用いたQMCが、理論的最適収束率に近い収束率を達成することが確認された。
• 有効な次元削減技術は、高次元被積分関数における次元の呪いを緩和することで、QMCの性能を顕著に向上させる。
• 理論的解析と数値的妥当性の両面から、適切な次元削減が施された場合、QMCは2段階の確率的計画問題に対して極めて効率的な手法であることが示された。