[논문 리뷰] Subdifferential characterization of continuous probability functions under Gaussian distribution

Abderrahim Hantoute, René Henrion외 1명|arXiv (Cornell University)|2017. 05. 29.

Probabilistic and Robust Engineering Design인용 수 7

한 줄 요약

이 논문은 가우시안 분포 하에서 연속적 확률 함수의 초미분 공식을 유도하며, 구형-극좌표 분해와 중간 성장 성질을 갖는 방향성 원뿔을 활용한다. 이 함수들이 국소 리프시츠 연속성 또는 미분 가능성이 되는 조건을 규명하며, 무한차원 결정 변수와 매끄럽지 않은 입력 데이터가 있는 경우에도 적용 가능하다.

ABSTRACT

Probability functions figure prominently in optimization problems of engineering. They may be nonsmooth even if all input data are smooth.This fact motivates the consideration of subdifferentials for such typically just continuous functions. The aim of this paper is to provide subdifferential formulae in the case of Gaussian distributions for possibly infinite-dimensional decision variables and nonsmooth (locally Lipschitzian) input data. These formulae are based on the spheric-radial decomposition of Gaussian random vectors on the one hand and on a cone of directions of moderate growth on the other. By successively adding additional hypotheses, conditions are satisfied under which the probability function is locally Lipschitzian or even differentiable.

연구 동기 및 목표

• 공 ingeneering 최적화에서 매끄러운 입력 데이터가 연속적이지만 비미분 가능성이 되는 비매끄러운 확률 함수 문제를 다루기 위해.
• 가우시안 분포를 따르는 랜덤 벡터를 포함하는 초미분 분석을 무한차원 결정 변수까지 확장하기 위해.
• 이러한 확률 함수들이 국소 리프시츠 연속성 또는 미분 가능성이 되는 충분한 조건을 설정하기 위해.
• 구형-극좌표 분해와 방향성 성장 원뿔을 활용한 엄밀한 분석 프레임워크를 제공하기 위해.

제안 방법

• 초미분 분석을 위해 가우시안 랜덤 벡터의 구형-극좌표 분해를 활용하여 각도 및 반경 성분을 분리한다.
• 무한차원 설정에서 방향 도함수의 행동을 제어하기 위해 중간 성장 성질을 갖는 방향성 원뿔을 도입한다.
• 변분 해석 및 비매끄러운 최적화 도구를 적용하여 초미분 표현을 유도한다.
• 가우시안 측도의 구조와 입력 데이터의 국소 리프시츠 성질을 조합하여 공식을 유도한다.
• 입력 데이터와 결정 공간의 기하학적 성질에 대한 순차적 가정을 통해 정규성 조건을 설정한다.
• 반경 성분과 방향성 성장 간의 상호작용을 활용하여 초미분 존재성과 표현 가능성을 보장한다.

실험 결과

연구 질문

• RQ1 입력 데이터가 국소 리프시츠일 때, 가우시안 랜덤 벡터를 포함하는 확률 함수가 어떤 조건에서 국소 리프시츠 연속성이 되는가?
• RQ2 무한차원 결정 공간에서 이러한 확률 함수의 초미분은 어떻게 특성화할 수 있는가?
• RQ3 가우시안 벡터의 구형-극좌표 분해가 초미분 공식 유도에 어떤 역할을 하는가?
• RQ4 방향성 성장 원뿔은 가우시안 분포 하에서 확률 함수의 정규성에 어떤 영향을 미치는가?
• RQ5 비매끄러운 입력 데이터가 있음에도 불구하고 확률 함수가 언제 미분 가능성이 되는가?

주요 결과

• 구형-극좌표 분해와 방향성 성장 원뿔을 활용하여 가우시안 분포 하에서의 확률 함수에 대한 초미분 공식을 도출하였다.
• 입력 데이터와 결정 공간에 대한 약간의 정규성 가정 하에 확률 함수가 국소 리프시츠 연속성임을 입증하였다.
• 입력 데이터와 성장 원뿔에 추가적인 구조적 조건이 만족될 경우 확률 함수의 미분 가능성을 확립하였다.
• 이 프레임워크는 무한차원 결정 변수에 적용 가능하여 고전적 결과를 더 넓은 최적화 설정으로 확장하였다.
• 이 결과들은 가우시안 불확실성을 갖는 확률 제약 조건을 포함하는 비매끄러운 최적화의 이론적 기초를 제공한다.
• 특성화는 공 ingineering 최적화 문제에서 확률 목표 함수를 갖는 하향 기반 방법의 사용을 가능하게 한다.