[论文解读] The Fermat Rule for Set Optimization Problems with Lipschitzian Set-Valued Mappings

Gemayqzel Bouza, Ernest Quintana+2 more|arXiv (Cornell University)|Jul 26, 2021

Optimization and Variational Analysis参考文献 51被引用 4

一句话总结

本文在集值目标映射满足Lipschitz性假设的前提下，利用下界和上界小于集关系，为集优化问题建立了Fermat法则。通过分析标量化泛函及其极限次微分，作者在不依赖凸性、紧致性或像集中强极小元存在的条件下，推导出必要最优性条件。

ABSTRACT

In this paper, we consider set optimization problems where the solution concept is given by the set approach. Specifically, we deal with the lower less and the upper less set relations. First, we derive the convexity and Lipschitzianity of suitable scalarizing functionals under the assumption that the set-valued objective mapping has certain convexity and Lipschitzianity properties. Then, we obtain upper estimates of the limiting subdifferential of these functionals. These results, together with the properties of the scalarization functionals, allow us to obtain a Fermat rule for set optimization problems with Lipschitzian data.

研究动机与目标

• 在集方法框架下，特别是使用下界小于（≤ₗ）和上界小于（≤ᵤ）集关系，发展集优化问题的必要最优性条件。
• 解决现有方法中对凸性、紧致性或像集中强极小元存在性的要求所带来的局限性。
• 通过基于Lipschitz集值映射构造的标量化泛函的极限次微分，建立最优性条件。
• 通过在原空间和对偶空间中利用广义微分，将Fermat型法则的适用范围扩展至集优化。
• 为未来集优化中收敛于驻点的算法开发提供理论基础。

提出的方法

• 在假设目标映射具有凸性和Lipschitz性条件下，推导出由集值目标映射构造的标量化泛函的凸性和Lipschitz性性质。
• 利用广义微分工具，对这些标量化泛函的极限次微分给出上界估计。
• 通过下界小于（≤ₗ）和上界小于（≤ᵤ）关系，应用集方法在像空间的幂集中定义极小解。
• 利用切导数和共导数结构，通过次微分包含关系刻画平稳性。
• 通过将集值映射嵌入赋范空间，将集优化问题与标准向量优化问题关联起来。
• 基于距离型泛函和集差的导向导数概念，分析最优性。

实验结果

研究问题

• RQ1 在不假设像集凸性或紧致性的前提下，如何为下界小于（≤ₗ）和上界小于（≤ᵤ）集关系下的集优化问题推导出必要最优性条件？
• RQ2 在集优化中，由Lipschitz集值映射诱导的标量化泛函的极限次微分具有何种性质？
• RQ3 所提出的最优性条件在何种程度上推广或改进了现有结果中对强极小元或紧致像集的要求？
• RQ4 能否通过类似的标量化和次微分技术，将Fermat法则推广至下界小于和上界小于关系之外的其他集关系？
• RQ5 所提出的框架在多大程度上可支持集优化问题收敛算法的开发？

主要发现

• 本文在集值目标映射满足Lipschitz性条件下，为下界小于（≤ₗ）和上界小于（≤ᵤ）集关系下的集优化问题建立了Fermat法则。
• 通过广义共导数和法锥结构，对标量化泛函的极限次微分给出上界估计，从而实现平稳性的刻画。
• 所提出的最优性条件无需像集为凸集或紧致集，也无需强极小元的存在，克服了先前方法的关键局限。
• 在示例情形中，点 ̄x 被证明同时为 ≤ₗ-和 ≤ᵤ-平稳点，通过显式计算次微分和共导数包含关系得到验证。
• 结果对孤立像集也具有鲁棒性，如示例中法锥计算所示：N(f(̄x), F(̄x)) = ℝ²。
• 该框架可推广至Jahn、Ha以及Karaman等人引入的其他集关系，表明其应用范围远超当前研究范畴。