[论文解读] Power and beauty of interval methods

M. Gutowski|ArXiv.org|Feb 11, 2003

Numerical Methods and Algorithms参考文献 3被引用 12

一句话总结

本文提出区间方法作为一种严格的框架，用于可靠的数值计算，能够对具有不确定性的问题提供解的保证边界。通过使用区间算术和诸如盒子切片等算法，可数学上确保证明解的存在性或非存在性，其可靠性优于概率方法或模糊方法，且无需分布假设。

ABSTRACT

Interval calculus is a relatively new branch of mathematics. Initially understood as a set of tools to assess the quality of numerical calculations (rigorous control of rounding errors), it became a discipline in its own rights today. Interval methods are usefull whenever we have to deal with uncertainties, which can be rigorously bounded. Fuzzy sets, rough sets and probability calculus can perform similar tasks, yet only the interval methods are able to (dis)prove, with mathematical rigor, the (non)existence of desired solution(s). Known are several problems, not presented here, which cannot be effectively solved by any other means. This paper presents basic notions and main ideas of interval calculus and two examples of useful algorithms.

研究动机与目标

• 建立区间微积分作为一门自包含的可靠计算学科，实现严格的误差控制。
• 通过提供解的数学可证明边界，克服概率方法和模糊方法的局限性。
• 展示区间方法在传统方法失效的问题中的强大能力，尤其是在全局优化和约束满足问题中。
• 开发并验证诸如盒子切片等算法，用于在有界不确定性下的参数估计。
• 表明区间方法能够自动检测异常值并识别被低估的不确定性，从而确保解的可靠性。

提出的方法

• 通过向外舍入定义区间算术，以确保所有运算的可能结果均被包含在计算出的区间内。
• 区间上的代数运算通过端点算术计算，由于依赖性问题，乘法具有次分配性。
• 区间壳运算将两个区间合并为最小的包含区间，从而在区间算术中实现集合运算。
• 使用盒子切片算法计算在有界不确定性下的回归问题中参数的保证边界。
• 应用区间牛顿法证明非线性系统解的存在性和唯一性，其收敛性由摩尔证明。
• 通过硬件或软件中的向外舍入，确保所有舍入误差被限制，从而在数值结果中保持数学严谨性。

实验结果

研究问题

• RQ1 区间方法能否在数学上严格证明非线性系统解的存在性或非存在性？
• RQ2 在不假设特定分布的情况下，区间方法与概率方法和模糊方法相比，在处理有界不确定性时表现如何？
• RQ3 区间算术在多大程度上能够检测并标记被低估的不确定性或数据中的异常值？
• RQ4 传统最小二乘法在应用于有界不确定性时存在哪些局限性？区间方法如何克服这些局限性？
• RQ5 即使‘最可能’的估计值落在区间边界之外，基于区间的算法（如盒子切片）能否产生比经典方法更紧、更可靠的边界？

主要发现

• 区间方法能够数学上证明解的非存在性，这是概率或模糊逻辑无法实现的能力。
• 盒子切片算法产生与输入不确定性直接相关的参数保证边界，且无需对误差分布做任何假设。
• 在一个示例中，参数的‘最可能’最小二乘估计值位于盒子切片算法生成的区间边界之外，这证明了区间结果的可靠性。
• 该方法自然地处理因变量和自变量中的不确定性，避免了复杂统计建模的需要。
• 更多数据会导致参数区间更窄，完全符合常识，且无需假设误差对称性或正态性。
• 被低估的不确定性可被可靠检测到，因为这可能导致无法找到解，从而防止对结果产生错误的信心。