[논문 리뷰] The Split Common Null Point Problem

C.L. Byrne, Yair Censor외 2명|arXiv (Cornell University)|2011. 08. 30.

Optimization and Variational Analysis참고 문헌 42인용 수 112

한 줄 요약

이 논문은 두 힐버트 공간을 유한선형 연산자로 연결한 맵핑에서 최대 단조성 다중집합 매핑의 영점을 찾기 위한 Split Common Null Point Problem (SCNPP)을 도입한다. 이는 Split Variational Inequality Problem (SVIP)의 일반화이다. 논문은 네 가지 반복 알고리즘을 제안하며, 한 알고리즘은 약한 수렴을 보이고 나머지 세 알고리즘은 강한 수렴을 보장한다. 이는 분할 가능성 방법의 적용 범위를 영점 문제와 단조성 포함 문제로 확장한다.

ABSTRACT

We introduce and study the Split Common Null Point Problem (SCNPP) for set-valued maximal monotone mappings in Hilbert spaces. This problem generalizes our Split Variational Inequality Problem (SVIP) [Y. Censor, A. Gibali and S. Reich, Algorithms for the split variational inequality problem, Numerical Algorithms 59 (2012), 301--323]. The SCNPP with only two set-valued mappings entails finding a zero of a maximal monotone mapping in one space, the image of which under a given bounded linear transformation is a zero of another maximal monotone mapping. We present four iterative algorithms that solve such problems in Hilbert spaces, and establish weak convergence for one and strong convergence for the other three.

연구 동기 및 목표

• Split Common Null Point Problem (SCNPP)을 Split Variational Inference Problem (SVIP) 및 기타 분할 가능 문제의 일반화로 제작하고 연구한다.
• 분할 알고리즘의 적용 범위를 최대 단조성 다중집합 매핑을 포함하는 단조성 포함 문제로 확장한다.
• 힐버트 공간에서 SCNPP를 해결할 수 있는 반복 알고리즘을 개발하고 수렴 보장을 제공한다.
• 기존 문제들인 Split Feasibility Problem (SFP), Convex Feasibility Problem (CFP), Split Minimization Problem (SMP)을 하나의 프레임워크로 통합하고 일반화한다.

제안 방법

• SCNPP(p,r)를 H₁ 내의 점 x* ∈ H₁을 찾는 것으로 정의한다. 이때 0 ∈ ∩_{i=1}^p B_i(x*) 이고, y*_j = A_j(x*)는 0 ∈ ∩_{j=1}^r F_j(y*_j) 를 만족한다. 여기서 A_j: H₁ → H₂ 는 유계 선형 연산자이다.
• 최대 단조성 연산자의 해석자 J_λ^B 및 J_λ^F 를 사용하여 전진-후진 분할 및 완화된 투영 방법을 적용한다.
• 평균화된 연산자와 약한 수렴에서 강한 수렴으로의 전환 원리를 활용하여, 약한 수렴 알고리즘을 이완 단계를 통해 강한 수렴으로 전환한다.
• 해석자와 선형 연산자의 복합에 대해 Krasnosel’skiï-Mann 반복 프레임워크를 적용하여, 힐버트 공간의 구조를 기반으로 수렴을 보장한다.
• 강한 수렴을 달성하기 위해 새로운 반복 업데이트 규칙 x^{k+1} = P_{H(x⁰,xᵏ) ∩ H(xᵏ,S₁/₂(xᵏ))}(x⁰) 을 도입한다. 이는 추가적인 가정 없이도 수렴을 보장한다.
• S = J_λ^{B₁}(I - γA*(I - J_λ^{F₁})A) 는 평균화되고 비확장성임을 증명하여, 엄밀히 비확장성 연산자를 통한 수렴 분석의 기초를 마련한다.

실험 결과

연구 질문

• RQ1 Split Variational Inequality Problem (SVIP)는 최대 단조성 다중집합 매핑을 포함하는 영점 문제로 일반화될 수 있는가?
• RQ2 힐버트 공간에서 SCNPP를 해결할 수 있는 반복 알고리즘은 무엇이며, 수렴 보장이 가능한가?
• RQ3 추가적인 가정 없이 SCNPP의 맥락에서 약한 수렴을 강한 수렴으로 향상시킬 수 있는가?
• RQ4 SCNPP는 Split Feasibility Problem, Split Minimization Problem, Split Equilibrium Problem와 같은 기존 문제들을 어떻게 통합하고 일반화하는가?
• RQ5 SCNPP 프레임워크는 역-강한 단조성 연산자 외에도 단조성 및 허미컨티누우스 연산자를 수용할 수 있는가?

주요 결과

• SCNPP(p,r)는 SVIP를 일반화하며, 목적 함수의 미분 가능성 조건 없이도 Split Feasibility Problem (SFP), Convex Feasibility Problem (CFP), Split Minimization Problem (SMP) 등의 특수 케이스를 포함한다.
• 제안된 네 알고리즘 중 하나는 SCNPP의 해로 약한 수렴을 보이고, 나머지 세 알고리즘은 동일한 조건 하에 강한 수렴을 보장한다.
• 세 알고리즘의 강한 수렴은 표준 반복 업데이트를 두 개의 반구간의 교차에 대한 투영으로 대체하는 이완 기법을 통해 달성되며, 추가 가정 없이도 수렴을 보장한다.
• S = J_λ^{B₁}(I - γA*(I - J_λ^{F₁})A) 는 평균화되고 비확장성임을 입증하여, 수렴 분석의 기초가 된다.
• 이 프레임워크는 Moudafi의 Split Minimization Variational Inequality (SMVI) 문제를 역-강한 단조성 연산자 외에도 단조성 및 허미컨티누우스 연산자를 포함하도록 확장하여 적용 범위를 넓힌다.
• SCNPP 프레임워크는 A_j = I 이고 H₁ = H₂ 를 설정함으로써 '분할'과 '공통' 문제 유형을 혼합 적용할 수 있으며, 이는 공통 및 분할 영점 문제를 통합적으로 다룰 수 있도록 한다.