[论文解读] Optimality Conditions for Convex Stochastic Optimization Problems in Banach Spaces with Almost Sure State Constraints

Caroline Geiersbach, Winnifried Wollner|arXiv (Cornell University)|Sep 9, 2020

Risk and Portfolio Optimization参考文献 33被引用 9

一句话总结

本文在具有几乎必然状态约束的反射性、可分巴拿赫空间中，为凸随机优化问题建立了必要且充分的一阶最优性条件，其中第二阶段变量属于博赫纳空间 $L^rown( ext{X}_2)$。通过采用扰动方法并利用 $L^rown$ 空间在绝对连续部分与奇异部分的分解，作者证明在严格可行性与相对完备回收条件下，拉格朗日乘子为 $L^1(\Omega, X_2^*)$ 中的可积向量值函数，避免了普通测度的不规则性。

ABSTRACT

We analyze a convex stochastic optimization problem where the state is assumed to belong to the Bochner space of essentially bounded random variables with images in a reflexive and separable Banach space. For this problem, we obtain optimality conditions that are, with an appropriate model, necessary and sufficient. Additionally, the Lagrange multipliers associated with optimality conditions are integrable vector-valued functions and not only measures. A model problem is given demonstrating the application to PDE-constrained optimization under uncertainty with an outlook for further applications.

研究动机与目标

• 为具有几乎必然状态约束的无限维巴拿赫空间中的凸随机优化问题，发展一阶最优性条件。
• 解决在不确定性下PDE约束优化中，关于逐点几乎必然状态约束的理论不完善问题。
• 确保与这些约束相关的拉格朗日乘子为可积函数而非一般测度，从而提升数值可处理性。
• 将罗卡费拉与韦茨的随机优化理论从有限维空间 $L^\frown(\Omega, \mathbb{R}^n)$ 推广至具有反射性、可分巴拿赫空间值的博赫纳空间 $L^\frown(\Omega, X)$。
• 通过确保乘子行为良好，为具有几乎必然状态约束的问题中的惩罚法与障碍法提供理论基础。

提出的方法

• 将问题表述为两阶段随机优化问题，其中第一阶段变量 $x_1$ 属于一个反射性、可分的巴拿赫空间，第二阶段变量 $x_2(\omega)$ 属于 $L^\frown(\Omega, X_2)$。
• 应用扰动方法构造广义拉格朗日函数并推导鞍点条件。
• 利用伊夫与莱文的理论，将 $L^\frown(\Omega, X)$ 分解为绝对连续部分与奇异部分，在严格可行性和相对完备回收条件下消除奇异部分。
• 通过刻画博赫纳空间设定下凸积分泛函 $E[J(x_1, x_2(\cdot))]$ 的次微分，推导最优性条件。
• 通过共轭函数与支撑函数的结构，证明状态约束的拉格朗日乘子属于 $L^1(\Omega, X_2^*)$，而非 $(L^\frown(\Omega, X_2))^*$ 的对偶空间。
• 通过一个涉及不确定性下PDE约束优化的显式模型问题，验证了最优性条件的有效性。

实验结果

研究问题

• RQ1 能否为具有几乎必然状态约束的无限维巴拿赫空间中的凸随机优化问题，推导出必要且充分的最优性条件？
• RQ2 在何种条件下，几乎必然状态约束的拉格朗日乘子会保持在 $L^1(\Omega, X_2^*)$ 中，而非更大的对偶空间 $(L^\frown(\Omega, X_2))^*$ 中？
• RQ3 博赫纳空间 $L^\frown(\Omega, X)$ 的奇异部分如何影响最优性条件？在何种条件下可将其消除？
• RQ4 该理论能否推广至不确定性下PDE约束优化问题，其中状态需满足几乎必然的逐点边界约束？
• RQ5 该类问题的可交换性原理是否成立？其与静态与两阶段公式等价性之间有何关系？

主要发现

• 本文证明，在严格可行性与相对完备回收条件下，博赫纳空间 $L^\frown(\Omega, X)$ 的奇异部分在最优性条件中消失，从而保证了拉格朗日乘子的正则性。
• 证明了与几乎必然状态约束相关的拉格朗日乘子属于 $L^1(\Omega, X_2^*)$ 中的可积函数，避免使用一般测度，显著提升了数值适用性。
• 所提出的最优性条件对给定类别的巴拿赫空间中凸随机优化问题而言，既必要又充分。
• 广义拉格朗日函数被显式展开，揭示了在博赫纳空间框架下，等式与不等式约束的对偶变量通过支撑函数与共轭函数相互关联。
• 通过一个模型PDE约束问题验证了理论的有效性，展示了其在偏微分方程不确定性量化中的适用性。
• 研究结果支持在几乎必然状态约束问题中使用惩罚法与障碍法，因为乘子行为良好且可积，从而支持稳定算法实现。