[論文レビュー] The discrete moment problem with nonconvex shape constraints

Xi Chen, Simai He+3 more|arXiv (Cornell University)|Aug 7, 2017

Risk and Portfolio Optimization参考文献 39被引用数 3

ひとこと要約

本稿では、逆凸最適化を活用して非凸形状制約（特に対数凹型および増加失敗率（IFR）分布）を伴う離散モーメント問題を正確に解くアルゴリズムを開発する。最適な極値解が、m 個のモーメントに対して高々 m 片の区分的幾何的構造を持つことを証明し、低次元パrameter空間における効率的な計算を可能にするとともに、単峰性の緩和よりも tighter な境界をもたらす。

ABSTRACT

The discrete moment problem is a foundational problem in distribution-free robust optimization, where the goal is to find a worst-case distribution that satisfies a given set of moments. This paper studies the discrete moment problems with additional "shape constraints" that guarantee the worst case distribution is either log-concave or has an increasing failure rate. These classes of shape constraints have not previously been studied in the literature, in part due to their inherent nonconvexities. Nonetheless, these classes of distributions are useful in practice. We characterize the structure of optimal extreme point distributions by developing new results in reverse convex optimization, a lesser-known tool previously employed in designing global optimization algorithms. We are able to show, for example, that an optimal extreme point solution to a moment problem with $m$ moments and log-concave shape constraints is piecewise geometric with at most $m$ pieces. Moreover, this structure allows us to design an exact algorithm for computing optimal solutions in a low-dimensional space of parameters. Moreover, We describe a computational approach to solving these low-dimensional problems, including numerical results for a representative set of instances.

研究の動機と目的

• 対数凹型や IFR などの非凸形状制約を伴う離散モーメント問題に対する理論的および計算的フレームワークの不足に対処すること。
• これらの非凸制約下での最適極値分布の構造を同定すること。
• 低次元パrameter空間におけるこれらの問題を正確に解く計算アルゴリズムを開発すること。
• 数値結果を通じて、対数凹型制約が単峰性の緩和よりも tighter な境界をもたらすことを示すこと。
• 対数凹型または IFR 分布が一般的な実用的ロバスト最適化設定へのモーメント問題の解法の適用範囲を拡張すること。

提案手法

• グローバル最適化におけるあまり知られていない手法である逆凸最適化を用い、非凸形状制約下での最適解の構造を分析・同定する。
• 陰関数の微分を含む非線形方程式系に問題を変換することで、最適性の解析的条件を導出する。
• 1次元区間上でニュートン法を適用し、最適性条件の根を求める。これにより、グローバル最適解への収束が保証される。
• 分布の中間インデックスにおける対数凹型を保証するために、制約 α + β ≤ 0 を課す。
• 元の高次元問題を、臨界パrameter（α, β）に関する低次元パラメトリック探索に還元し、正確な解の計算を可能にする。
• KKT 条件および陰関数の微分から導かれる方程式系を解くことで、最適解が決定されるパラメトリック定式化を採用する。

実験結果

リサーチクエスチョン

• RQ1 非凸対数凹型形状制約を伴う離散モーメント問題の最適極値解の構造的形態は何か？
• RQ2 逆凸最適化は、非凸分布制約下でのグローバル最適解をどのように特徴づけられるか？
• RQ3 離散モーメント問題において、対数凹型制約を課すことで、単峰性と比較してより tight な尾確率の境界が達成可能か？
• RQ4 低次元パrameter空間におけるこのような問題の正確な解法の計算複雑性と実行可能性は何か？
• RQ5 対数凹型および IFR 制約は、モーメントのみまたは単峰性制約と比較して、ロバスト最適化の結果をどの程度改善するか？

主な発見

• m 個のモーメントと対数凹型制約を伴う離散モーメント問題の最適極値解は、高々 m 片の区分的幾何的構造を持つ。
• 提案されたアルゴリズムは、臨界パrameterに関する1次元探索に問題を還元することで正確な解を計算し、グローバル最適化を可能にする。
• 数値結果から、対数凹型制約が単峰性の緩和よりも顕著に tighter な上界および下界を尾確率に対して得ることを示している。
• n=5, S₁=1.9, S₂=1.3 の場合、対数凹型境界は 0.9000–1.0000 であるのに対し、単峰性緩和では 0.8750–1.0000 となる。
• n=11, S₁=5.2, S₂=15.1 の場合、対数凹型境界は 0.9310–0.9921 であるが、単峰性緩和ではより緩い 0.9208–1.0000 となる。
• 全テスト例において、本手法はより tight な境界を達成しており、対数凹型のようなより強い形状制約を課すことの価値を確認している。