[论文解读] The difference vectors for convex sets and a resolution of the geometry conjecture

Salihah Alwadani, Heinz H. Bauschke+2 more|arXiv (Cornell University)|Dec 8, 2020

Point processes and geometric inequalities参考文献 23被引用 4

一句话总结

该论文通过证明希尔伯特空间中非空闭凸集上投影算子的循环复合的不动点集等于平移集合的交集，从而解决了长期存在的几何猜想，其中平移向量（差值向量）通过单调算子理论和Attouch-Théra对偶性显式表征。该解提供了这些向量的完整、构造性公式，解决了超过25年未解的猜想。

ABSTRACT

The geometry conjecture, which was posed nearly a quarter of a century ago, states that the fixed point set of the composition of projectors onto nonempty closed convex sets in Hilbert space is actually equal to the intersection of certain translations of the underlying sets. In this paper, we provide a complete resolution of the geometry conjecture. Our proof relies on monotone operator theory. We revisit previously known results and provide various illustrative examples. Comments on the numerical computation of the quantities involved are also presented.

研究动机与目标

• 解决几何猜想，该猜想认为投影算子循环复合的不动点集等于平移凸集的交集。
• 显式表征猜想中差值向量（平移向量）的性质，尤其是在不动点集为空时的情形。
• 通过乘积空间重构和对偶性，建立凸集循环与单调算子理论之间的联系。
• 开发用于计算差值向量的数值方法，特别是利用Seeger算法近似投影到乘积集与对角线之和的集合。
• 在未来工作中将框架扩展至下松弛投影算子和更一般的邻近算子。

提出的方法

• 在乘积希尔伯特空间中通过原始集合的笛卡尔积和对角子空间重构问题。
• 应用Attouch-Théra对偶性，将循环投影算子的不动点集与乘积空间中单调包含问题的解联系起来。
• 利用循环右移算子及其性质，表征不动点集和相关差值向量的结构。
• 将差值向量作为涉及恒等算子和移位算子之和的算子逆的对偶单调包含问题的解来推导。
• 采用带自适应参数的前向-后向算法，数值计算不动点和差值向量，通过强极限确保收敛性。
• 使用Seeger算法近似投影到集合 $\overline{{\mathbf{C}} + {\boldsymbol{\Delta}}}$，这对数值实现至关重要。

实验结果

研究问题

• RQ1 在循环投影算子的不动点集为空时，是否存在差值向量的统一公式？
• RQ2 能否利用单调算子理论，特别是Attouch-Théra对偶性，解决该几何猜想？
• RQ3 凸集循环与乘积空间中单调包含问题解之间的确切关系是什么？
• RQ4 当不动点集非空或为空时，差值向量如何进行数值计算？
• RQ5 该框架能否扩展至下松弛投影算子或更一般的邻近算子？

主要发现

• 几何猜想得到完全肯定的解决：投影算子循环复合的不动点集等于平移凸集的交集，且平移向量被显式确定。
• 差值向量由 $\mathbf{v} = (\mathbf{e} - \mathbf{y})$ 给出，其中 $\mathbf{e}$ 和 $\mathbf{y}$ 是涉及循环右移算子和对角子空间的对偶单调包含问题的解。
• 当 $m=2$ 时，差值向量显式为 $P_{\overline{C_2 - C_1}}(0)$ 和 $P_{\overline{C_1 - C_2}}(0)$，确认了已知结果并将其推广至一般情形。
• 当 $\gamma = \frac{1}{2}$ 或 $\gamma = \frac{m}{m+2}$ 时，前向-后向算法强收敛于解，后者选择使算法的内算子具有利普希茨连续性。
• 当 $m=2$ 时，解在扰动下保持稳定，但当 $m \geq 3$ 且不动点集为空时，差值向量的唯一性丧失。
• 通过Seeger算法近似投影到 $\overline{{\mathbf{C}} + {\boldsymbol{\Delta}}}$，可实现差值向量的数值计算，从而支持实际应用。