[論文レビュー] Semi-discrete optimal transport - the case p=1

Valentin Hartmann, Dominic Schuhmacher|arXiv (Cornell University)|Jun 23, 2017

Markov Chains and Monte Carlo Methods参考文献 13被引用数 8

ひとこと要約

本稿では、p=1（ユークリッドコスト）における半離散的最適輸送のための新規アルゴリズムを提示する。重み付きボロノイタイル化とL-BFGS最適化を活用し、連続測度と有限個の点からなる測度の間で正確な輸送計画を計算する。主な貢献は、輸送写像によって誘導される一意な解を保証する、安定で収束性を有する手法であり、テストケースおよび適合度パーティショニングや空間的リソース配分への応用において実証された性能を示している。

ABSTRACT

We consider the problem of finding an optimal transport plan between an absolutely continuous measure $μ$ on $\mathcal{X} \subset \mathbb{R}^d$ and a finitely supported measure $ν$ on $\mathbb{R}^d$ when the transport cost is the Euclidean distance. We may think of this problem as closest distance allocation of some ressource continuously distributed over space to a finite number of processing sites with capacity constraints. This article gives a detailed discussion of the problem, including a comparison with the much better studied case of squared Euclidean cost ("the case $p=2$"). We present an algorithm for computing the optimal transport plan, which is similar to the approach for $p=2$ by Aurenhammer, Hoffmann and Aronov [Algorithmica 20, 61-76, 1998] and Mérigot [Computer Graphics Forum 30, 1583--1592, 2011]. We show the necessary results to make the approach work for the Euclidean cost, evaluate its performance on a set of test cases, and give a number of applications. The later include goodness-of-fit partitions, a novel visual tool for assessing whether a finite sample is consistent with a posited probability density.

研究の動機と目的

• ユークリッドコスト（p=1）を伴う半離散的最適輸送のための効率的でないアルゴリズムの欠如に応えること。これはp=2のケースに比べてあまり研究が進んでいない。
• 連続測度μと有限台を持つ測度νの間の最適輸送計画を計算するための計算的に効率的で収束性を有するアルゴリズムを開発すること。
• p=2のより複雑な場合とは異なり、輸送写像によって誘導される一意な解を保証する理論的かつアルゴリズム的枠組みを提供すること。
• 本手法の性能をテストケースで評価し、適合度パーティショニングや空間的リソース配分といった実用的問題への応用を示すこと。
• 拡張および改善策として、適応的マルチスケール粗化および高精度のための数値精錬技術を検討すること。

提案手法

• アルゴリズムはマルチスケールアプローチを採用し、初期にνの粗い近似から始め、反復的に精錬することで収束性を向上させる。
• 重み付きボロノイタイル化を用いて、νの台点からの近接性に基づき連続測度μの最適なパーティショニングを定義する。
• 凸かつ区分線形な目的関数Φ（輸送コストに関連）を最小化するためにL-BFGSアルゴリズムを最適化に用いる。
• 標準的なL-BFGSの条件のもとで収束性を保証し、すべてのテスト例で経験的に収束が観察された。
• p=2のAHAアルゴリズムからの主要な適合は、p=1のコスト関数の滑らかでない性質に適合させたものである。
• 有限台と連続的ソースを持つ輸送問題を解くことで、リソース配分における容量制約を処理する。

実験結果

リサーチクエスチョン

• RQ1 滑らかでないコスト関数を有するp=1における半離散的最適輸送のための高速かつ収束性を有するアルゴリズムを開発できるか？
• RQ2 提案手法の性能は、既存手法と比較して収束速度および精度の面でどのように異なるか？
• RQ3 半離散的輸送問題において、p=1（ユークリッド距離）をp=2（二乗ユークリッド距離）よりも理論的および実用的利点があるとされるのはどのような点か？
• RQ4 この手法は、適合度テストや空間的リソース配分といった実用的データ解析応用でどのように効果的に利用できるか？
• RQ5 マルチスケール粗化、適応的しきい値、数値精錬技術を用いたアルゴリズムの向上はどのように可能か？

主な発見

• 提案手法はすべてのテスト例で収束を示し、L-BFGSステップの形式的収束証明が存在しないにもかかわらず、安定性を示している。
• 輸送写像によって誘導される一意な最適輸送計画を生成する。これはp=2の場合は常に保証されない望ましい性質である。
• テストケースにおいて良好な性能を発揮し、最大10^5個の台点を含む問題に対しても計算効率が適している。
• 連続的および離散的測度間のワッサーシュタイン-1距離の正確な計算が可能であり、統計的および幾何的データ解析において価値がある。
• 適合度パーティショニングや空間的リソース配分といった応用は、空間的パターンの検出や分配ネットワークの最適化において本手法の実用的有用性を示している。
• 著者らは、今後の研究のための有望な方向性を特定しており、マルチスケール精錬における適応的しきい値や、数値精度を向上させるカスタム最適化の開発が挙げられる。