[논문 리뷰] Determining a stationary mean field game system from full/partial boundary measurement

Minghui Ding, Hongyu Liu외 1명|arXiv (Cornell University)|2023. 08. 13.

Stochastic processes and financial applications인용 수 5

한 줄 요약

이 논문은 전체 또는 부분 경계 측정값에서부터 Dirichlet-to-Neumann (DN) 사상에 의한 정적 평균장게임(MFG) 시스템에서 할인 함수 $ r(x), k(x) $ 및 비용 함수 $ F(x,m) $의 유일한 식별 가능성을 확립한다. 비선형 결합, 확률 측도 제약 조건, 제한된 데이터 등의 과제를 다루기 위해 복소 기하학적 옹도(CGO) 해와 Runge 근사법을 통합한 향상된 고차 선형화 방법을 제안하며, 일반 조건 하에서 유일성을 증명한다.

ABSTRACT

In this paper, we propose and study the utilization of the Dirichlet-to-Neumann (DN) map to uniquely identify the discount functions $r, k$ and cost function $F$ in a stationary mean field game (MFG) system. This study features several technical novelties that make it highly intriguing and challenging. Firstly, it involves a coupling of two nonlinear elliptic partial differential equations. Secondly, the simultaneous recovery of multiple parameters poses a significant implementation challenge. Thirdly, there is the probability measure constraint of the coupled equations to consider. Finally, the limited information available from partial boundary measurements adds another layer of complexity to the problem. Considering these challenges and problems, we present an enhanced higher-order linearization method to tackle the inverse problem related to the MFG system. Our proposed approach involves linearizing around a pair of zero solutions and fulfilling the probability measurement constraint by adjusting the positive input at the boundary. It is worth emphasizing that this technique is not only applicable for uniquely identifying multiple parameters using full-boundary measurements but also highly effective for utilizing partial-boundary measurements.

연구 동기 및 목표

• 정적 평균장게임 시스템에서 경계 측정값으로부터 다수의 매개변수—$ r(x), k(x), F(x,m) $—를 식별하는 역문제를 다루는 것.
• 전체 또는 부분 경계에서 Dirichlet-to-Neumann (DN) 사상에 의한 이러한 매개변수의 유일한 식별 가능성을 확립하는 것.
• 두 개의 타원형 편미분방정식 간의 비선형 결합, $ m $에 대한 확률 측도 제약 조건, 부분 측정값으로 인한 정보 부족 등의 과제를 극복하는 것.
• 에이전트 분포 $ m $의 음이 아닌 성질을 유지하는 새로운 고차 선형화 프레임워크를 개발하는 것.
• 실제 센서 환경에서 더 현실적인 부분 경계 데이터에까지 역방법의 적용 가능성을 확장하는 것.

제안 방법

• 비선형 MFG 시스템을 분리하기 위해 영 해를 중심으로 선형화함으로써 향상된 고차 선형화 방법을 제안한다.
• 특수한 위상 함수를 가진 복소 기하학적 옹도(CGO) 해를 사용하여 시스템을 탐사하고 매개변수 정보를 추출한다.
• Compact support를 가진 해를 전체 영역으로 확장하기 위해 Runge 근사법을 적용하여 전역 복원을 가능하게 한다.
• 경계 데이터 $ g > 0 $를 확보함으로써 확률 측도 제약 조건을 구현하여 $ \Omega $ 내에서 $ m \geq 0 $로 전파된다.
• 3단계 전략을 활용: 1차 선형화로 $ r $ 복원, 2차 선형화로 $ F $ 복원, 귀납법을 통해 고차항으로 확장.
• 푸리에 분석과 Paley-Wiener 정리를 활용하여 푸리에 변환이 0이면 매개변수 차이가 0임을 보이고, 유일성을 증명한다.

실험 결과

연구 질문

• RQ1 할인 함수 $ r(x) $와 $ k(x) $, 비용 함수 $ F(x,m) $는 전체 경계에서의 DN 사상으로부터 유일하게 결정될 수 있는가?
• RQ2 부분 경계 측정값만 존재할 경우에도 유일한 식별 가능성은 유지되는가?
• RQ3 MFG 시스템에서의 비선형 결합과 확률 측도 제약 조건은 역매개변수 복원 과정에서 어떻게 다뤄질 수 있는가?
• RQ4 제한된 데이터로부터 다수의 비선형 매개변수를 동시에 복원하기 위해 어떤 새로운 분석 기법이 필요한가?
• RQ5 고차 선형화는 물리적 제약 조건인 $ m \geq 0 $를 유지하면서도 유일성을 보장하도록 적응 가능한가?

주요 결과

• 전체 경계에서의 Dirichlet-to-Neumann 사상은 정적 MFG 시스템에서 매개변수 $ r(x), k(x), F(x,m) $를 유일하게 결정한다.
• 부분 경계 측정값에 대해서도 유일한 식별 가능성이 확립되어, 역방법의 적용 범위가 현실적인 상황으로 확장된다.
• 양성 경계 데이터 $ g > 0 $를 확보함으로써 에이전트 분포 $ m $의 음이 아닌 성질이 성공적으로 유지되며, 이는 $ \Omega $ 내에서 $ m \geq 0 $를 의미한다.
• 고차 선형화와 CGO 해를 통해 $ r_1 - r_2 $의 푸리에 변환이 열린 코너에서 0이 됨을 보여 $ r_1 \equiv r_2 $임을 증명한다.
• $ (F_1^{(2)} - F_2^{(2)})m^{(1)} $의 푸리에 변환이 0이므로 $ F_1^{(2)} - F_2^{(2)} $가 $ \Omega $ 내에서 0이 되며, $ m^{(1)} > 0 $ 이므로 $ F_1 \equiv F_2 $임을 유추할 수 있다.
• 수학적 귀납법을 통해 이 방법은 모든 차수로 확장되며, $ F_1(x,z) = F_2(x,z) $ for all $ z \in \mathbb{R}^+ $임을 증명함으로써 $ F $의 완전한 유일성을 확립한다.