[論文レビュー] B-Splines for Sparse Grids: Algorithms and Application to Higher-Dimensional Optimization

Julian Valentin|arXiv (Cornell University)|Jan 1, 2019

Advanced Numerical Analysis Techniques参考文献 64被引用数 11

ひとこと要約

本稿では、計算コストを低減しつつ高次元最適化を効率的に行えるようにするため、スパースグリッド上に階層的Bスプラインを導入する手法を提案する。次元的および空間的適応性を持つスパースグリッドにおける階層化および補間のための新規アルゴリズムを提案し、トポロジー最適化、筋骨格モデリング、動的ポートフォリオ選択といった複雑な最適化問題において高い精度を達成する。

ABSTRACT

In simulation technology, computationally expensive objective functions are often replaced by cheap surrogates, which can be obtained by interpolation. Full grid interpolation methods suffer from the so-called curse of dimensionality, rendering them infeasible if the parameter domain of the function is higher-dimensional (four or more parameters). Sparse grids constitute a discretization method that drastically eases the curse, while the approximation quality deteriorates only insignificantly. However, conventional basis functions such as piecewise linear functions are not smooth (continuously differentiable). Hence, these basis functions are unsuitable for applications in which gradients are required. One example for such an application is gradient-based optimization, in which the availability of gradients greatly improves the speed of convergence and the accuracy of the results. This thesis demonstrates that hierarchical B-splines on sparse grids are well-suited for obtaining smooth interpolants for higher dimensionalities. The thesis is organized in two main parts: In the first part, we derive new B-spline bases on sparse grids and study their implications on theory and algorithms. In the second part, we consider three real-world applications in optimization: topology optimization, biomechanical continuum-mechanics, and dynamic portfolio choice models in finance. The results reveal that the optimization problems of these applications can be solved accurately and efficiently with hierarchical B-splines on sparse grids.

研究の動機と目的

• スパースグリッドとBスプライン基底関数を用いることで、高次元最適化の計算ボトルネックを克服すること。
• 次元的および空間的適応性を持つスパースグリッドにおける階層化および補間のための効率的アルゴリズムを開発すること。
• 弾性テンソルの近似や動的ポートフォリオモデルを含む、最大5次元の問題において、高精度なスラッグモデル化と最適化を可能にすること。
• ノット・ア・ノットおよびノーマル境界条件を備えた階層的Bスプラインを用いることで、最適化における高い精度を確保すること。
• 構造的トポロジー最適化や筋骨格モデリングを含む実世界の応用において、本手法の有効性を実証すること。

提案手法

• スパースグリッドの基底として階層的Bスプラインを提案し、局所的リファインメントと自由度の削減を可能にする。
• 効率的な計算を実現するため、一方向性原理と幅優先探索に基づく階層化アルゴリズムを導入する。
• 基本スプラインおよび弱基本スプラインを用いて、関数値の効率的補間と評価を可能にする。
• 組み合わせ技法を適用してスパースグリッドの部分グリッドからの関数値再構築を実現し、計算複雑性を低減する。
• ノット・ア・ノットおよびノーマル境界条件を備えた階層的Bスプラインを用いることで、近似精度と境界挙動を向上させる。
• 勾配ベース最適化とスパースグリッド上のBスプラインスラッグモデルを統合し、高次元問題の効率的解決を実現する。

実験結果

リサーチクエスチョン

• RQ1 適応的スパースグリッド上での階層的Bスプラインは、高次元最適化において高精度なスラッグモデル化を達成できるか？
• RQ2 異なるBスプラインタイプ（ノット・ア・ノット、ノーマル）は、スパースグリッド上での補間精度および境界挙動にどのように影響を与えるか？
• RQ3 提案された階層化アルゴリズムは、高次元における空間的および次元的適応性を持つグリッドに対しても効率的にスケーリング可能か？
• RQ4 Bスプラインスパースグリッド手法は、トポロジー最適化や動的ポートフォリオモデルといった実世界の応用において効果的か？
• RQ5 グリッドの適応性および基底関数の選択は、最適化における収束性と計算コストにどのような影響を与えるか？

主な発見

• ノット・ア・ノット条件を備えた階層的Bスプラインは、スパースグリッド上ですべての3次以下の多項式を正確に表現でき、高精度な近似を可能にする。
• 提案された階層化アルゴリズムは、空間的適応グリッド上での計算速度が標準的手法と比較して最大10倍速くなった。
• トポロジー最適化において、本手法は標準的手法と比較して剛性値を最大16%低減し、最適性ギャップは1%未満に抑えられた。
• 動的ポートフォリオモデルでは、5次元問題に対して15,000グリッドポイントで3時間未満で収束を達成した。
• 空間的適応グリッド生成により、相対L2誤差が10,000〜15,000グリッドポイントで5%未満に抑えられ、計算コストが顕著に低減された。
• 制約付きおよび非凸最適化タスクを含む多様なテスト問題において、本手法は強固な性能を示した。