[論文レビュー] Determining a stationary mean field game system from full/partial boundary measurement

Minghui Ding, Hongyu Liu+1 more|arXiv (Cornell University)|Aug 13, 2023

Stochastic processes and financial applications被引用数 5

ひとこと要約

本稿は、完全または部分的な境界測定からのディリクレ・トゥ・ノイマン（DN）写像を用いて、定常平均場ゲーム（MFG）系における割引関数 $ r(x), k(x) $ および費用関数 $ F(x,m) $ の一意同定可能性を確立する。非線形結合、確率測度制約、限られたデータといった課題に対処するため、複素幾何学的光（CGO）解とランジュ近似を組み合わせた強化された高次線形化法を導入し、一般条件下での一意性を証明する。

ABSTRACT

In this paper, we propose and study the utilization of the Dirichlet-to-Neumann (DN) map to uniquely identify the discount functions $r, k$ and cost function $F$ in a stationary mean field game (MFG) system. This study features several technical novelties that make it highly intriguing and challenging. Firstly, it involves a coupling of two nonlinear elliptic partial differential equations. Secondly, the simultaneous recovery of multiple parameters poses a significant implementation challenge. Thirdly, there is the probability measure constraint of the coupled equations to consider. Finally, the limited information available from partial boundary measurements adds another layer of complexity to the problem. Considering these challenges and problems, we present an enhanced higher-order linearization method to tackle the inverse problem related to the MFG system. Our proposed approach involves linearizing around a pair of zero solutions and fulfilling the probability measurement constraint by adjusting the positive input at the boundary. It is worth emphasizing that this technique is not only applicable for uniquely identifying multiple parameters using full-boundary measurements but also highly effective for utilizing partial-boundary measurements.

研究の動機と目的

• 境界測定から定常平均場ゲーム系における複数のパラメータ—$ r(x), k(x), F(x,m) $—を同定する逆問題に対処すること。
• 完全または部分的な境界上でディリクレ・トゥ・ノイマン（DN）写像を用いて、これらのパラメータの一意同定可能性を確立すること。
• 2つの楕円型偏微分方程式の非線形結合、$ m $ における確率測度制約、および部分測定からの限られた情報といった課題に対処すること。
• エージェント分布 $ m $ の非負性を保つ新しい高次線形化フレームワークを構築すること。
• 実用的センシング状況においてより現実的である部分境界データへの逆手法の適用範囲を拡張すること。

提案手法

• 非線形MFG系を分解するために、ゼロ解のまわりで線形化する強化された高次線形化法を提案する。
• 特別な位相関数を有する複素幾何学的光（CGO）解を用いて、系をプローブし、パラメータ情報を抽出する。
• ランジュ近似を適用して、コンパクトに台を持つ解を全領域に拡張し、グローバル回復を可能にする。
• 境界データ $ g > 0 $ を保証することで、$ \Omega $ 内で $ m \geq 0 $ となるように確率測度制約を課す。
• 3段階の戦略を採用：一次線形化で $ r $ を回復、二次線形化で $ F $ を回復、帰納法により高次項へ拡張。
• フーリエ解析とペーリー＝ウィーナー定理を用い、フーリエ変換が消えることからパラメータ差がゼロであることを示し、一意性を証明する。

実験結果

リサーチクエスチョン

• RQ1 境界の全領域上でDN写像が得られる場合、割引関数 $ r(x) $ と $ k(x) $、および費用関数 $ F(x,m) $ は一意に特定可能か？
• RQ2 部分的な境界測定しか得られない場合でも、一意同定可能性は達成可能か？
• RQ3 MFG系における非線形結合と確率測度制約は、逆パラメータ回復においてどのように取り扱えるか？
• RQ4 限られたデータから複数の非線形パラメータを同時に回復するために、どのような新しい解析的手法が必要か？
• RQ5 高次線形化は、物理的制約 $ m \geq 0 $ を保ちながら一意性を保証するために適応可能か？

主な発見

• 完全境界上でのディリクレ・トゥ・ノイマン写像は、定常MFG系におけるパラメータ $ r(x), k(x), F(x,m) $ の一意同定を保証する。
• 部分境界測定に対しても一意同定性が確立されており、逆手法の実用的応用範囲が拡張されている。
• 境界データ $ g > 0 $ を保証することで、エージェント分布 $ m $ の非負性が成功裏に保持され、$ \Omega $ 内で $ m \geq 0 $ が成立する。
• 高次線形化とCGO解を用いて、$ r_1 - r_2 $ のフーリエ変換が開錐内で消えることから、$ r_1 \equiv r_2 $ であることを証明する。
• $ (F_1^{(2)} - F_2^{(2)})m^{(1)} $ のフーリエ変換が消えることから、$ F_1^{(2)} - F_2^{(2)} $ が $ \Omega $ 内で消える。$ m^{(1)} > 0 $ であるため、$ F_1 \equiv F_2 $ が導かれる。
• 数学的帰納法により、この手法はすべての次数にまで拡張され、$ F_1(x,z) = F_2(x,z) $ がすべての $ z \in \mathbb{R}^+ $ に対して成立することが示され、$ F $ の完全な一意性が確立される。