[논문 리뷰] The discrete moment problem with nonconvex shape constraints

Xi Chen, Simai He외 3명|arXiv (Cornell University)|2017. 08. 07.

Risk and Portfolio Optimization참고 문헌 39인용 수 3

한 줄 요약

이 논문은 역볼록 최적화를 활용하여 비볼록 형태 제약 조건(특히 로그-볼록성과 증가하는 고장률(IFR) 분포)을 갖는 이산 모멘트 문제를 정확하게 해결하는 알고리즘을 개발한다. 최적의 극단점 해가 m개의 모멘트에 대해 최대 m개의 조각으로 이루어진 조각별 기하분포임을 증명함으로써, 저차원 매개변수 공간에서의 효율적 계산과 단모양 근사보다 더 날카운 경계를 도출할 수 있다.

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.

연구 동기 및 목표

• 로그-볼록성 및 IFR와 같은 비볼록 형태 제약 조건을 갖는 이산 모멘트 문제에 대한 이론적 및 계산적 프레임워크가 부족한 데 대응하기 위해.
• 이러한 비볼록 제약 조건 하에서 최적의 극단점 분포의 구조를 규명하기 위해.
• 저차원 매개변수 공간에서 이러한 문제를 정확하게 해결하기 위한 계산 알고리즘을 개발하기 위해.
• 수치적 결과를 통해 로그-볼록성 제약 조건이 단모양 근사보다 더 날카운 꼬리 확률 경계를 도출할 수 있음을 보여주기 위해.
• 로그-볼록성 또는 IFR 분포가 흔한 실용적 복잡 최적화 설정에 모멘트 문제 해법의 적용 범위를 확장하기 위해.

제안 방법

• 글로벌 최적화에서 덜 알려진 도구인 역볼록 최적화를 사용하여 비볼록 형태 제약 조건 하에서 최적 해의 분석과 구조 규명을 수행한다.
• 암시 함수의 도함수를 포함하는 비선형 방정식계로 문제를 변환함으로써 최적성 조건을 분석한다.
• 최적성 조건의 근을 구하기 위해 일변량 구간에서 뉴턴 방법을 적용하여 전역 최적해로 수렴함을 보장한다.
• 분포의 중간 색인에서 로그-볼록성을 확보하기 위해 α + β ≤ 0 제약 조건을 도입한다.
• 원래의 고차원 문제를 핵심 매개변수(α, β)에 대한 저차원 매개변수 탐색으로 축소하여 정확한 해 계산이 가능하게 한다.
• 카르쉬-쿠른-터커(KKT) 조건과 암시 함수 도함수로부터 유도된 방정식계를 바탕으로 한 매개변수화된 공식을 활용한다.

실험 결과

연구 질문

• RQ1 비볼록 로그-볼록 형태 제약 조건이 있는 이산 모멘트 문제의 최적 극단점 해의 구조적 형태는 무엇인가?
• RQ2 역볼록 최적화는 비볼록 분포 제약 조건 하에서 전역 최적해를 특성화하는 데 어떻게 적용될 수 있는가?
• RQ3 이산 모멘트 문제에서 로그-볼록성 제약을 적용할 경우 단모양 제약보다 더 날카운 꼬리 확률 경계를 얻을 수 있는가?
• RQ4 저차원 매개변수 공간에서 이러한 문제를 정확하게 해결하는 데 필요한 계산 복잡도와 실현 가능성은 어떠한가?
• RQ5 로그-볼록성 및 IFR 제약 조건은 모멘트만 또는 단모양 제약 조건에 비해 복잡 최적화 결과를 얼마나 향상시키는가?

주요 결과

• m개의 모멘트와 로그-볼록성 제약 조건을 갖는 이산 모멘트 문제의 최적 극단점 해는 최대 m개의 조각으로 이루어진 조각별 기하분포이다.
• 제안된 알고리즘은 문제를 핵심 매개변수에 대한 일변량 탐색으로 축소함으로써 정확한 해를 계산하고 전역 최적화를 가능하게 한다.
• 수치적 결과는 로그-볼록성 제약 조건이 단모양 근사보다 꼬리 확률에 대해 훨씬 날카운 상한 및 하한 경계를 도출함을 보여준다.
• n=5, S₁=1.9, S₂=1.3일 때, 로그-볼록 경계는 0.9000–1.0000이며, 단모양 근사에서는 0.8750–1.0000이다.
• n=11, S₁=5.2, S₂=15.1일 때, 로그-볼록 경계는 0.9310–0.9921이며, 단모양 경계는 더 느슨한 0.9208–1.0000이다.
• 모든 테스트 사례에서 이 방법은 더 날카운 경계를 도출하여, 로그-볼록성과 같은 더 강력한 형태 제약 조건을 적용하는 것이 가치 있음을 확인한다.