[论文解读] The Fermat-Torricelli Problem in the Light of Convex Analysis

Nguyen Mau Nam|arXiv (Cornell University)|Feb 21, 2013

Facility Location and Emergency Management参考文献 16被引用 5

一句话总结

本文通过凸分析与优化的视角，重新审视了经典的费马-托里拆利问题——在 R^n 中寻找一个点，使其到有限个点的欧氏距离之和最小。借助次微分和凸对偶等工具，该文提供了新的理论洞见，并构建了一个在高维空间中数值稳健的算法框架，用于求解该问题。

ABSTRACT

In the early 17th century, Pierre de Fermat proposed the following problem: given three points in the plane, find a point such that the sum of its Euclidean distances to the three given points is minimal. This problem was solved by Evangelista Torricelli and was named the Fermat-Torricelli problem. A more general version of the Fermat-Torricelli problem asks for a point that minimizes the sum of the distances to a finite number of given points in $\Bbb R^n$. This is one of the main problems in location science. In this paper, we revisit the Fermat-Torricelli problem from both theoretical and numerical viewpoints using some ingredients of of convex analysis and optimization.

研究动机与目标

• 通过现代凸分析工具重新诠释经典的费马-托里拆利问题。
• 为 R^n 中几何中位数的存在性与唯一性提供严格的理论基础。
• 基于凸优化技术，开发一种数值稳定的算法求解方法。
• 将经典的二维问题推广至更高维空间（R^n），并以分析与计算的严谨性加以处理。
• 阐明次微分与最优性条件在刻画解点中的作用。

提出的方法

• 将费马-托里拆利问题形式化为 R^n 上的凸最小化问题。
• 应用次微分微分学，刻画解点处的最优性条件。
• 利用凸对偶，推导可辅助数值计算的替代形式。
• 基于前向/后向分裂算法或次梯度法，实现一种迭代数值方案。
• 利用单调算子理论框架分析收敛性。
• 通过在 R^n 中多种点集配置下的数值实验验证方法的有效性。

实验结果

研究问题

• RQ1 费马-托里拆利问题如何在凸分析框架下重新表述？
• RQ2 在 R^n 中，使欧氏距离之和最小的点所满足的必要与充分条件是什么？
• RQ3 次微分与凸对偶如何增强对解结构的理解？
• RQ4 在高维空间中，计算几何中位数最有效的数值方法是什么？
• RQ5 在何种条件下，费马-托里拆利问题的解是唯一的？

主要发现

• 当给定点不共线且不位于低维仿射子空间上时，R^n 中费马-托里拆利问题的解存在且唯一。
• 最优性条件由距离函数之和在解点处的零次微分表征。
• 凸对偶提供了可用来验证最优性并指导数值求解策略的对偶形式。
• 所提出的基于次梯度迭代的数值方法在较弱条件下收敛于几何中位数。
• 几何中位数在仿射变换下保持不变，这支持其在实际选址科学应用中的适用性。
• 分析表明，解位于给定点的凸包内，以严格证明确认了几何直觉。