[论文解读] Minimal time functions and the smallest intersecting ball problem generated by unbounded dynamics

Nguyen Mau Nam, C.I Villalobos+1 more|arXiv (Cornell University)|Dec 24, 2011

Facility Location and Emergency Management参考文献 16被引用 3

一句话总结

本文引入并分析了由无界动力系统生成的最小时间函数，将经典的最小相交球问题推广至赋范空间中的凸目标集。通过利用次微分微分学与次梯度法，作者推导出次梯度的显式公式，并证明了算法的收敛性，通过数值例子展示了其有效性，最优解收敛至如 9.10208 的值。

ABSTRACT

The smallest enclosing circle problem introduced in the 19th century by J. J. Sylvester [20] aks for the circle of smallest radius enclosing a given set of finite points in the plane. An extension of the smallest enclosing circle problem called the smallest intersecting ball problem was considered in [17,18]: given a finite number of nonempty closed subsets of a normed space, find a ball with the smallest radius that intersects all of the sets. In this paper we initiate the study of minimal time functions generated by unbounded dynamics and discuss their applications to extensions of the smallest intersecting ball problem. This approach continues our effort in applying convex and nonsmooth analysis to the well-established field of facility location.

研究动机与目标

• 将最小相交球问题推广至赋范空间中的无界动力系统，推广经典设施选址模型。
• 研究无界、闭、凸动力系统 F 的最小时间函数，其中原点不一定是内点。
• 开发广义微分工具——特别是最小时间函数的次微分公式——适用于无界动力系统。
• 将这些工具应用于通过非光滑优化技术求解扩展的最小相交球问题。
• 在凸性与自然假设下，建立最大最小时间函数的次梯度法的收敛性。

提出的方法

• 将最小相交球问题建模为最小化最大最小时间函数：$\mathcal{T}(x) = \max_{i=1,\dots,m} \mathcal{T}^F_{\Omega_i}(x)$，其中 $\mathcal{T}^F_Q(x) = \inf\{t \geq 0 : (x + tF) \cap Q \neq \emptyset\}$。
• 利用渐近锥理论刻画当 $F$ 无界时 $\mathcal{T}^F_Q$ 的次微分，将其与 $Q$ 的法锥及衰退锥 $F_\infty$ 联系起来。
• 推导出显式次梯度公式：$\partial \mathcal{T}^F_Q(x) = \{x^* \in X^* : \langle x^*, v \rangle \leq \rho_F(v) \text{ 对所有 } v \in X\}$，其中 $\rho_F$ 是 $F$ 的闵可夫斯基支撑函数。
• 应用次梯度法：$x_{k+1} = x_k - \alpha_k x_k^*$，其中 $x_k^* \in \partial \mathcal{T}(x_k)$，且 $\alpha_k = 1/k$ 以保证收敛。
• 显式计算约束集 $\Omega$（如球体）上的投影，以确保每次迭代的可行性。
• 使用最大函数的次微分规则：$\partial \max_i f_i(x) = \text{conv} \bigcup_{i \in I(x)} \partial f_i(x)$，其中 $I(x) = \{i : f_i(x) = \max_j f_j(x)\}$。

实验结果

研究问题

• RQ1 最小时间函数如何推广至无界动力系统？其关键分析性质是什么？
• RQ2 当 $F$ 为无界、闭、凸集时，最小时间函数 $\mathcal{T}^F_Q(x)$ 的次微分结构如何？
• RQ3 渐近锥 $F_\infty$ 如何影响最小时间函数的次微分？
• RQ4 次梯度法能否有效应用于具有无界动力系统与凸目标集的最小相交球问题？
• RQ5 在此设置下，次梯度算法的收敛性保证与数值性能如何？

主要发现

• 最小时间函数 $\mathcal{T}^F_Q(x)$ 的次微分通过闵可夫斯基支撑函数 $\rho_F$ 与 $Q$ 的法锥表征，为非光滑优化提供了完整的分析工具。
• 在自然假设下，对于无界 $F$，次微分公式 $\partial \mathcal{T}^F_Q(x) = \{x^* \in X^* : \langle x^*, v \rangle \leq \rho_F(v) \text{ 对所有 } v \in X\}$ 成立。
• 在定理 5.2 中证明，采用 $\alpha_k = 1/k$ 的次梯度法收敛至 $\mathcal{T}(x)$ 的极小化点。
• 在例 5.1 中，算法在 500,000 次迭代后收敛至 $\bar{x} \approx (-3.10208, -3.10208)$，最优值 $\overline{V} \approx 9.10208$。
• 在例 5.2 中，针对 8 个方形目标集与圆形约束集，算法收敛至相同的最优解与最优值，验证了其鲁棒性。
• 该方法能有效处理非单点目标集（如方形）与无界动力系统，将经典最小包围圆结果推广至更广泛的设施选址模型。