[论文解读] Entropic approximation for multi-dimensional martingale optimal transport

Hadrien De March|arXiv (Cornell University)|Dec 28, 2018

Spectral Theory in Mathematical Physics参考文献 1被引用 12

一句话总结

本文提出了一种新颖的熵正则化算法，结合牛顿法求解多维鞅最优传输问题，实现了更快的收敛速度和更优的数值性能。该方法提供了理论收敛速率，给出了熵正则化的通用误差界，并提出了一种处理非凸有序矩条件的实用方案。

ABSTRACT

We study the existing algorithms that solve the multidimensional martingale optimal transport. Then we provide a new algorithm based on entropic regularization and Newton's method. Then we provide theoretical convergence rate results and we check that this algorithm performs better through numerical experiments. We also give a simple way to deal with the absence of convex ordering among the marginals. Furthermore, we provide a new universal bound on the error linked to entropy.

研究动机与目标

• 解决具有有限矩的多维鞅最优传输问题时面临的计算挑战。
• 开发一种数值效率更高的算法，优于现有的Bregman投影和Sinkhorn方法。
• 为所提出的熵正则化方法提供理论收敛速率。
• 提出一种实用方法，以处理目标测度 $ \nu $ 相对于 $ \mu $ 不满足凸序关系的情况。
• 建立鞅最优传输中熵近似的通用误差界。

提出的方法

• 提出一种基于熵正则化与牛顿法的新算法，用于求解鞅最优传输的对偶问题。
• 采用混合策略，结合初始的Bregman投影步骤与切换至截断牛顿算法，以实现更快的收敛速度。
• 应用熵正则化以平滑优化问题，通过迭代求解器实现高效计算。
• 利用熵解的Gibbs结构，推导出对偶最优解的显式公式。
• 基于误差减少量或迭代次数，实现Bregman投影与牛顿步骤之间的动态切换准则。
• 使用代价函数 $ c $ 和具有有限一阶矩的目标测度 $ \mu, \nu $，在离散网格上定义传输问题。

实验结果

研究问题

• RQ1 熵正则化与牛顿法结合是否能显著提升多维鞅最优传输求解器的收敛速度？
• RQ2 所提出的熵正则化算法在鞅最优传输中的理论收敛速率是多少？
• RQ3 该算法如何处理目标测度 $ \nu $ 相对于 $ \mu $ 不满足凸序关系的情况？
• RQ4 在此背景下，熵正则化引入的误差是否存在通用上界？
• RQ5 在多维设置中，最优耦合是否如经验观察所示，集中于少数映射上？

主要发现

• 所提出的混合算法——结合Bregman投影与截断牛顿步骤——在单维与双维测试案例中，计算时间均快于纯Bregman或牛顿方法。
• 对于 $ 160 \times 160 $ 网格且 $ \varepsilon = 7.4 \times 10^{-3} $ 的情况，该混合算法在双维问题中表现出最优异的性能。
• 熵近似误差具有通用有界性，提供了独立于特定代价函数或矩条件的理论保证。
• 数值实验确认，在一维情况下，最优耦合的支撑集至多包含两个映射，提示该性质可能对几乎所有 $ \mu, \nu $ 成立。
• 在二维情况下，最优耦合的条件核根据条件值的不同，集中于1至4个点之间，表明不存在简单的通用结构。
• 通过一种简单而实用的修改，该算法成功处理了非凸有序矩条件，显著拓展了其适用范围。