[论文解读] Connections between Optimal Transport, Combinatorial Optimization and Hydrodynamics

Yann Brenier|arXiv (Cornell University)|Oct 1, 2014

Geometric Analysis and Curvature Flows参考文献 24被引用 4

一句话总结

本文通过广义耗散解概念的梯度流框架，建立了组合优化中的NP难二次分配问题（QAP）与流体力学中二维不可压缩欧拉方程的定态解之间的新联系。引入了一类与压力无关的时变输运方程，并通过结合最优输运与流体力学原理的变分方法，证明了这些解的全局存在性与唯一性。

ABSTRACT

There are well-established connections between combinatorial optimization, optimal transport theory and Hydrodynamics, through the linear assignment problem in combinatorics, the Monge-Kantorovich problem in optimal transport theory and the model of inviscid, potential, pressure-less fluids in Hydrodynamics. Here, we consider the more challenging quadratic assignment problem (which is NP, while the linear assignment problem is just P) and find, in some particular case, a correspondence with the problem of finding stationary solutions of Euler's equations for incompressible fluids. For that purpose, we introduce and analyze a suitable "gradient flow" equation. Combining some ideas of P.-L. Lions (for the Euler equations) and Ambrosio-Gigli-Savar\\'e (for the heat equation), we provide for the initial value problem a concept of generalized "dissipative" solutions which always exist globally in time and are unique whenever theyare smooth.

研究动机与目标

• 建立NP难二次分配问题（QAP）与二维不可压缩欧拉方程定态解之间的对应关系。
• 为流体梯度流系统发展一种广义的“耗散”解概念，以确保全局存在性与唯一性。
• 通过构造一个随时间演化的输运方程，其速度场无散且保持初始数据的律，从而在最优输运理论、组合优化与流体力学之间建立桥梁。
• 证明在固定律约束下狄利克雷能量的最小化问题恰好对应于一个离散QAP，从而将连续流体力学与离散组合问题联系起来。

提出的方法

• 建立梯度流方程 ∂tϕ + ∇·(ϕv) = 0，其中 v 无散且投影到 L² 向量场空间上，v 由凸泛函 K 的次梯度驱动。
• 通过涉及相对熵项 ηK[vt, ωt] 与耗散不等式 (5.1) 的变分不等式，引入耗散解概念，以确保全局存在性。
• 利用 DiPerna-Lions 理论处理不规则向量场的常微分方程，即使 v 的正则性较弱，也能保持 ϕ 的律。
• 应用勒让德-弗朗茨变换关联对偶变量，推导出最优性条件 vt = K∗′[Gt]，其中 Gt = P(E′[ϕt]∇ϕt)。
• 在格点上对流体问题进行离散化，证明在固定律下最小化狄利克雷能量将导出一个成本矩阵为 c(i,j) = |ϕ0(Ai) − ϕ0(Aj)|² 的 QAP。
• 采用光滑逼近方案 K_M,ε(v) = K(v) + ε||∇Mv||²，以确保一致有界性与紧致性，从而在弱拓扑下实现极限的取法。

实验结果

研究问题

• RQ1 NP难的二次分配问题（QAP）能否与二维不可压缩欧拉方程的定态解建立联系？
• RQ2 是否存在一种广义的耗散解概念，可保证流体梯度流系统的全局存在性与唯一性？
• RQ3 当场量 ϕ 的正则性较差时，如何通过无散速度场在时间演化中保持其律？
• RQ4 相对熵 ηK[vt, ωt] 在确保梯度流向狄利克雷能量最小化器收敛的稳定性与收敛性方面起什么作用？
• RQ5 流体最小化问题的离散版本在多大程度上能恢复具有几何成本矩阵 c(i,j) = |ϕ0(Ai) − ϕ0(Aj)|² 的 QAP？

主要发现

• 对于任意初始数据具有有限狄利克雷积分的情况，在 D = Td 时，流体梯度流系统 (3.1, 5.1, 5.2) 存在全局耗散解。
• 该解概念可确保即使 v 仅属于 L¹ 且空间变差有界，ϕt 的律对所有 t ≥ 0 均保持不变。
• 在固定律约束下狄利克雷能量的最小化问题，恰好对应于一个成本矩阵为 c(i,j) = |ϕ0(Ai) − ϕ0(Aj)|² 的离散QAP。
• 耗散解概念与 Benamou-Brenier 公式一致，并将最优输运框架推广至非线性、非凸情形。
• 证明依赖于光滑逼近方案 K_M,ε(v) = K(v) + ε||∇Mv||²，该方案确保了弱拓扑下的统一有界性与紧致性。
• 关键不等式 (5.10) 表明，在耗散条件下，解与参考梯度场 βt 之间的距离会衰减，从而在光滑情形下证明了稳定性与唯一性。