Phương pháp hàm phạt cho bài toán bất đẳng thức biến phân

Tổng quan về luận án

Luận án "Phương pháp hàm phạt cho bài toán bất đẳng thức biến phân" của Đậu Xuân Lương, chuyên ngành Toán giải tích, mã số 62 46 01 01, đại diện cho một bước tiến quan trọng trong lĩnh vực tối ưu hóa và cân bằng toán học. Bối cảnh khoa học của nghiên cứu này bắt nguồn từ sự phát triển mạnh mẽ của lý thuyết bất đẳng thức biến phân kể từ những năm 1960, như đã được ghi nhận trong các công trình kinh điển [50, 20, 32]. Các bài toán bất đẳng thức biến phân đóng vai trò là công cụ mạnh mẽ và thống nhất để mô hình hóa nhiều bài toán cân bằng trong thực tiễn, từ cân bằng mạng giao thông ([8, 47, 9, 42, 41]), cân bằng tài chính, cân bằng nhập cư, hệ thống môi trường cho đến mạng kiến thức ([11, 25, 26, 10, 40, 41, 29]). Tính tiên phong của nghiên cứu thể hiện ở việc giải quyết những thách thức cố hữu trong việc áp dụng các phương pháp giải số cho các dạng bài toán phức tạp này.

Nghiên cứu này xác định một số research gap cụ thể trong tài liệu hiện có. Thứ nhất, phương pháp chiếu, dù đơn giản và hiệu quả cho các bài toán đơn điệu, lại vấp phải "trở ngại duy nhất... là ta phải tính hình chiếu của một điểm lên một miền lồi bất kỳ, và đó là một bài toán rất khó trong trường hợp tổng quát, khi mà miền đó không có hình dạng đặc biệt" (trang 2). Luận án nhằm khắc phục hạn chế này bằng cách kết hợp phương pháp hàm phạt. Thứ hai, đối với bài toán bất đẳng thức biến phân vector yếu (WVVIP), mặc dù đã có nhiều nghiên cứu về sự tồn tại nghiệm ([6, 4, 3, 31, 12]), nhưng "cho tới nay chỉ có một vài công trình nghiên cứu về các thuật toán để giải bài toán bất đẳng thức biến phân vector yếu ([18, 19])... chưa có bất cứ công trình nào nghiên cứu áp dụng phương pháp này cho bài toán bất đẳng thức biến phân vector yếu mà chúng tôi được biết" (trang 3). Cuối cùng, trong lĩnh vực tối ưu đa mục tiêu (MOP), các kết quả hội tụ của phương pháp hàm phạt trước đây, đặc biệt là trong [34] của Liu và Feng, "dựa trên giả thiết rằng điểm giới hạn x của dãy các nghiệm Pareto yếu của các bài toán phạt nằm trong miền ràng buộc D. Giả thiết này là một điểm bất lợi... nảy sinh yêu cầu phải có một mô hình hàm phạt cho các kết quả hội tụ tốt hơn, khắc phục được nhược điểm của mô hình đề xuất trong [34]" (trang 4).

Từ những lỗ hổng nghiên cứu này, luận án đặt ra các câu hỏi nghiên cứu và giả thuyết chính:

1. Làm thế nào để kết hợp phương pháp hàm phạt và phương pháp chiếu để xây dựng một thuật toán hoàn chỉnh giải quyết hiệu quả bài toán bất đẳng thức biến phân dạng VIP(D, f) khi miền D phức tạp?
   • Giả thuyết: Một thuật toán kết hợp có thể chuyển bài toán ràng buộc phức tạp thành một chuỗi bài toán phạt với ràng buộc đơn giản hơn, sau đó sử dụng phương pháp chiếu hiệu quả trên các miền đơn giản này.
2. Phương pháp hàm phạt có thể được áp dụng để giải bài toán bất đẳng thức biến phân vector yếu (WVVIP) với ràng buộc trên miền D lồi đóng bất kỳ, chuyển nó về một dãy các bài toán phạt không ràng buộc hoặc với ràng buộc đơn giản hơn (K ⊃ D), đảm bảo tính hội tụ của dãy nghiệm?
   • Giả thuyết: Việc thay đổi vị trí của tham số phạt và giới thiệu điều kiện D-bức sẽ cho phép chứng minh sự tồn tại và hội tụ nghiệm của các bài toán phạt WVVIP.
3. Có thể phát triển một mô hình hàm phạt cho bài toán tối ưu đa mục tiêu (MOP) sử dụng hàm phạt ngoài để đạt được các kết quả hội tụ tốt hơn, khắc phục nhược điểm của các mô hình hiện có như trong [34]?
   • Giả thuyết: Việc sử dụng hàm phạt ngoài và kỹ thuật chứng minh cụ thể sẽ đảm bảo tính chấp nhận được của điểm giới hạn của dãy nghiệm Pareto yếu của các bài toán phạt, mà không yêu cầu điểm giới hạn nằm trong miền ràng buộc ban đầu.

Khung lý thuyết của luận án được xây dựng dựa trên nền tảng của lý thuyết bất đẳng thức biến phân và tối ưu. Các lý thuyết cốt lõi được sử dụng bao gồm:

• Lý thuyết bất đẳng thức biến phân (Variational Inequality Theory): Nền tảng cho các bài toán cân bằng, được đề xuất bởi Giannessi [16] cho dạng vector.
• Lý thuyết hàm phạt (Penalty Function Theory): Phát triển bởi các nhà toán học như L. D. Mưu [38], được sử dụng để chuyển bài toán ràng buộc thành bài toán không ràng buộc hoặc ràng buộc đơn giản hơn.
• Lý thuyết phép chiếu (Projection Theory): Công cụ giải quyết các bài toán tối ưu với ràng buộc, đặc biệt là phương pháp chiếu hai lần của Fukushima [15].
• Lý thuyết tối ưu đa mục tiêu (Multiobjective Optimization Theory): Với các khái niệm nghiệm Pareto của Edgeworth [13] và Pareto [44].
• Lý thuyết ánh xạ đơn điệu và liên tục Lipschitz: Các điều kiện tiên quyết quan trọng để đảm bảo sự tồn tại, duy nhất nghiệm và tính hội tụ của các thuật toán.

Luận án mang lại ba đóng góp đột phá chính với tác động định lượng rõ ràng:

1. Thuật toán kết hợp phạt-chiếu hiệu quả: Phát triển "Thuật toán 3" (trang 23), một phương pháp kết hợp sáng tạo giữa hàm phạt và phép chiếu. Thuật toán này đã được triển khai bằng ngôn ngữ C, cho thấy hiệu suất đáng kể. Trong các thử nghiệm giải bài toán Nash ([28]) với số chiều $n$ lên tới 50, thời gian chạy chỉ mất từ 1 đến 420 giây (Bảng I & II), với độ chính xác $\epsilon = 10^{-6}$, chứng minh khả năng giải quyết các bài toán quy mô lớn mà phương pháp chiếu truyền thống gặp khó khăn.
2. Ứng dụng hàm phạt cho bất đẳng thức biến phân vector yếu lần đầu tiên: Luận án là công trình tiên phong trong việc áp dụng phương pháp hàm phạt cho WVVIP, một lỗ hổng nghiên cứu được thừa nhận (trang 3). Nghiên cứu đã chứng minh sự tồn tại nghiệm cho các bài toán phạt WVVIP(K, F(t)) dưới điều kiện D-bức (Bổ đề 2.3) và thiết lập các định lý hội tụ (Bổ đề 2.1, Định lý 2.2), mở ra hướng nghiên cứu mới cho việc giải số các bài toán cân bằng vector.
3. Cải thiện hội tụ trong tối ưu đa mục tiêu: Luận án đã "sử dụng hàm phạt ngoài và áp dụng kỹ thuật chứng minh trong [38], nhờ đó thu được các kết quả hội tụ tốt hơn các kết quả nêu trong [34]" (trang 6). Cụ thể, nghiên cứu khắc phục giả thiết bất lợi của Liu và Feng [34] bằng cách chứng minh rằng một điểm giới hạn bất kỳ của dãy nghiệm Pareto yếu của các bài toán phạt là một điểm chấp nhận được và là nghiệm của bài toán ban đầu (Định lý 3.2), ngay cả khi nó không nhất thiết phải nằm trong miền ràng buộc D của bài toán phạt.
4. Điều kiện D-bức để đảm bảo sự tồn tại nghiệm: Giới thiệu khái niệm D-bức trên K cho ánh xạ F (trang 40) và chứng minh rằng điều kiện này là đủ để đảm bảo sự tồn tại nghiệm của các bài toán phạt WVVIP(K, F(t)) (Bổ đề 2.3), một đóng góp quan trọng cho lý thuyết WVVIP.

Phạm vi nghiên cứu của luận án tập trung vào bài toán bất đẳng thức biến phân (dạng thường và dạng vector yếu) và bài toán tối ưu đa mục tiêu trong không gian Euclid hữu hạn chiều $R^k$. Điều này cho phép tập trung vào các chứng minh lý thuyết chặt chẽ và triển khai thuật toán hiệu quả, cung cấp các giải pháp có ý nghĩa thực tiễn cho nhiều vấn đề kỹ thuật và kinh tế. Tác động của nghiên cứu này không chỉ giới hạn trong lĩnh vực toán học thuần túy mà còn mở rộng ra khả năng giải quyết các mô hình cân bằng phức tạp trong khoa học và đời sống.

Literature Review và Positioning

Nghiên cứu này tổng hợp các dòng nghiên cứu chính trong lĩnh vực bất đẳng thức biến phân, tối ưu và phương pháp giải số, đồng thời xác định vị trí của mình một cách rõ ràng trong bối cảnh học thuật quốc tế.

Các dòng nghiên cứu lớn được tổng hợp bao gồm:

• Lý thuyết bất đẳng thức biến phân (VIP): Nền tảng được thiết lập từ những năm 1960 với các công trình của Hartman và Stampacchia [50], Kinderlehrer và Stampacchia [20], và Lions và Stampacchia [32]. Những công trình này đã chỉ ra khả năng ứng dụng của VIP trong nhiều bài toán cân bằng như cân bằng mạng giao thông (Dafermos [8], Nagurney [42]), cân bằng giá không gian (Nagurney [41]), cân bằng tài chính và môi trường (Bell và Iida [10], Coşkun et al. [25]).
• Phương pháp chiếu (Projection Methods): Được xem là một lớp phương pháp "đơn giản và hiệu quả" (trang 2) cho VIP, đặc biệt khi ánh xạ là giả đơn điệu và liên tục. Các phương pháp chiếu, đặc biệt là phương pháp chiếu hai lần của M. Fukushima [15], đã được nghiên cứu rộng rãi để đảm bảo tính hội tụ.
• Phương pháp hàm phạt (Penalty Function Methods): Là một công cụ quan trọng để giải các bài toán có ràng buộc phức tạp bằng cách chuyển chúng về một chuỗi các bài toán không ràng buộc hoặc ràng buộc đơn giản hơn. Các công trình của L. D. Mưu [38], Konnov [23], Sun et al. [39], và Svaiter [51] đã cung cấp nền tảng vững chắc cho việc áp dụng phương pháp này.
• Bất đẳng thức biến phân vector yếu (WVVIP): Khái niệm được giới thiệu bởi Giannessi [16]. Các nghiên cứu về sự tồn tại nghiệm của WVVIP đã được thực hiện bởi Chen và Yang [6], Ansari et al. [4], và P. Marcotte [31]. Ứng dụng của WVVIP bao gồm tối ưu đa mục tiêu (Luc [18]), xấp xỉ vector (White [54]) và cân bằng giao thông vector (Yang [55]).
• Tối ưu đa mục tiêu (MOP): Với khái niệm nghiệm Pareto từ Edgeworth [13] và Pareto [44]. Phương pháp hàm phạt cho MOP đã được khám phá trong một số công trình gần đây như Tanaka [52], Liu [21], và Liu và Feng [34].

Nghiên cứu này cũng chỉ ra các mâu thuẫn/tranh luận chính trong tài liệu:

• Tính hiệu quả của phương pháp chiếu so với độ phức tạp tính toán hình chiếu: Phương pháp chiếu hiệu quả về mặt lý thuyết nhưng lại gặp "nhược điểm duy nhất... là ta phải tính hình chiếu của một điểm lên một miền lồi bất kỳ, và đó là một bài toán rất khó trong trường hợp tổng quát" (trang 2).
• Thiếu thuật toán giải số cho WVVIP: Mặc dù WVVIP có nhiều ứng dụng, "cho tới nay chỉ có một vài công trình nghiên cứu về các thuật toán để giải bài toán bất đẳng thức biến phân vector yếu ([18, 19])" (trang 3), và chưa có nghiên cứu nào áp dụng phương pháp hàm phạt cho WVVIP.
• Hạn chế trong điều kiện hội tụ của hàm phạt cho MOP: Công trình của Liu và Feng [34] về hàm phạt mũ cho MOP yêu cầu "điểm giới hạn x của dãy các nghiệm Pareto yếu của các bài toán phạt nằm trong miền ràng buộc D. Giả thiết này là một điểm bất lợi" (trang 4), gây khó khăn cho việc đảm bảo tính hội tụ tổng quát.

Luận án định vị mình trong tài liệu bằng cách giải quyết trực tiếp những lỗ hổng này. Thay vì chỉ sử dụng một phương pháp đơn lẻ, nghiên cứu này đề xuất "kết hợp phương pháp hàm phạt và phương pháp chiếu sẽ khắc phục được nhược điểm này của phương pháp chiếu" (trang 3). Đối với WVVIP, đây là công trình đầu tiên áp dụng phương pháp hàm phạt (trang 36). Và cho MOP, luận án cải tiến kết quả hội tụ của Liu và Feng [34] bằng cách sử dụng "hàm phạt ngoài... thu được các kết quả hội tụ tốt hơn" (trang 5) mà không cần giả thiết điểm giới hạn nằm trong miền ràng buộc.

Nghiên cứu này thúc đẩy lĩnh vực bằng cách cung cấp các thuật toán giải số mới và cải tiến cho các lớp bài toán tối ưu và cân bằng phức tạp. Cụ thể, "kết quả của luận án góp phần giải quyết vấn đề giải số các bài toán bất đẳng thức biến phân dạng thường và dạng vector yếu và bài toán tối ưu đa mục tiêu" (trang 7).

So sánh với ít nhất hai nghiên cứu quốc tế:

1. So sánh với Liu và Feng [34] (Trung Quốc): Luận án này trực tiếp thách thức và cải thiện kết quả hội tụ của Liu và Feng [34] về phương pháp hàm phạt cho MOP. Trong khi Liu và Feng sử dụng hàm phạt mũ và yêu cầu điểm giới hạn của dãy nghiệm Pareto yếu phải nằm trong miền ràng buộc D để đảm bảo hội tụ, luận án này "sử dụng hàm phạt ngoài và áp dụng kỹ thuật chứng minh trong [38], nhờ đó thu được các kết quả hội tụ tốt hơn các kết quả nêu trong [34]" (trang 6). Bằng cách này, luận án loại bỏ giả thiết ràng buộc đó, mở rộng phạm vi áp dụng và độ tin cậy của phương pháp hàm phạt.
2. So sánh với M. Fukushima [15] (Nhật Bản) và L. D. Mưu [38] (Việt Nam): Luận án tích hợp phương pháp chiếu hai lần của Fukushima [15] với phương pháp hàm phạt của L. D. Mưu [38] (một trong những người hướng dẫn luận án) để tạo ra "Thuật toán 3" (trang 23). Phương pháp chiếu của Fukushima [15] được đánh giá là hiệu quả, nhưng "trở ngại chính trong phương pháp này là việc tính toán hình chiếu lên một tập lồi bất kỳ không hề đơn giản" (trang 11). Luận án khắc phục điều này bằng cách sử dụng hàm phạt của Mưu để chuyển bài toán VIP(D,f) trên miền D phức tạp về một dãy bài toán VIP(K,f(t)) trên miền K đơn giản hơn, nơi phép chiếu có thể tính toán dễ dàng bằng công thức hiển (xem mục 1.2). Điều này mang lại một giải pháp toàn diện và thực tế hơn cho các bài toán bất đẳng thức biến phân có miền ràng buộc phức tạp, như minh họa với mô hình Nash [28].

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đưa ra nhiều đóng góp lý thuyết đáng kể, mở rộng và thách thức các lý thuyết hiện có trong tối ưu hóa và giải tích toán học.

• Mở rộng và thách thức các lý thuyết cụ thể:

  • Mở rộng lý thuyết hàm phạt của L. D. Mưu [38] và B. F. Svaiter [51]: Luận án đã mở rộng ứng dụng của phương pháp hàm phạt từ bài toán bất đẳng thức biến phân dạng thường sang bài toán bất đẳng thức biến phân vector yếu (WVVIP) và bài toán tối ưu đa mục tiêu (MOP). Cụ thể, nghiên cứu đã điều chỉnh và phát triển các kỹ thuật chứng minh hội tụ cho các lớp bài toán phức tạp hơn này. Trong Chương 2, việc "đổi vị trí của tham số phạt khi xây dựng bài toán phạt" (trang 6) là một điều chỉnh lý thuyết quan trọng để đảm bảo tính hội tụ của thuật toán cho WVVIP, khác biệt so với các công trình trước đó về bài toán bất đẳng thức biến phân dạng thường.
  • Thách thức và cải thiện lý thuyết hàm phạt của Liu và Feng [34]: Đối với MOP, luận án trực tiếp khắc phục "điểm bất lợi" trong mô hình hàm phạt mũ của Liu và Feng [34]. Bằng cách "sử dụng hàm phạt ngoài" thay vì hàm phạt mũ, luận án đã "thu được các kết quả hội tụ tốt hơn" (trang 5), đặc biệt là việc chứng minh tính chấp nhận được của điểm giới hạn của dãy nghiệm Pareto yếu mà không cần giả thiết nó nằm trong miền ràng buộc ban đầu.
  • Mở rộng lý thuyết về sự tồn tại nghiệm của Chen và Yang [6]: Luận án đã giới thiệu và sử dụng khái niệm "D-bức trên K" (trang 40) cho ánh xạ F trong WVVIP, một điều kiện mạnh hơn điều kiện bức yếu (weak coercivity condition) được đề cập trong [6]. Điều kiện này, kết hợp với tính đơn điệu và liên tục của ánh xạ, đảm bảo sự tồn tại nghiệm cho các bài toán phạt WVVIP(K, F(t)) (Bổ đề 2.3), mở rộng hiểu biết về điều kiện tồn tại nghiệm trong môi trường bài toán phạt.

• Khung khái niệm (Conceptual framework) với các thành phần và mối quan hệ: Nghiên cứu phát triển một khung khái niệm tích hợp, nơi các bài toán tối ưu và cân bằng phức tạp (VIP, WVVIP, MOP) được chuyển đổi và giải quyết thông qua sự kết hợp của các kỹ thuật.

  • Bài toán ban đầu (VIP(D,f), WVVIP(D,F), MOP(D,f)): Định nghĩa trên một miền ràng buộc D "lồi đóng khác rỗng" (trang 11) hoặc "lồi đóng bất kỳ" (trang 5).
  • Hàm phạt P(x): Một hàm lồi, khả vi, thỏa mãn P(x) ≤ 0 khi và chỉ khi x ∈ D (trang 19) hoặc P(x) = 0 khi x ∈ D và P(x) > 0 khi x ∉ D (trang 39). Ví dụ, P(x) = $\sum_{i=1}^{m} [\text{max}{0, g_i(x)}]^2$ (trang 19, 40).
  • Bài toán phạt (VIP(K,f(t)), WVVIP(K,F(t)), MOP(K,f(t))): Định nghĩa trên một miền K ⊃ D đơn giản hơn (ví dụ: hình hộp, hình cầu, không gian con) (trang 21). Ánh xạ của bài toán phạt được xây dựng là $f(t) = tf + \nabla P$ (cho VIP) hoặc $F(t) = F + tQ$ với $Q_i = \nabla P$ (cho WVVIP) hoặc $f(t) = f + tP_f$ (cho MOP, với $P_f$ là hàm phạt tương ứng). Tham số $t$ đóng vai trò quan trọng trong việc điều chỉnh mức độ "phạt".
  • Phương pháp giải bài toán phạt: Đối với VIP, phương pháp chiếu (cụ thể là "phương pháp chiếu hai lần" của Fukushima [15]) được áp dụng hiệu quả trên miền K đơn giản.
  • Tính hội tụ: Dãy nghiệm của các bài toán phạt ($x^{(k)}$ hoặc $x(t)$) hội tụ về nghiệm của bài toán ban đầu khi tham số phạt $t \to \infty$ (hoặc $t \to 0$ trong một số trường hợp đặc biệt).

• Mô hình lý thuyết (Theoretical model) với các mệnh đề/giả thuyết được đánh số: Luận án trình bày một mô hình lý thuyết được củng cố bằng các mệnh đề và định lý cụ thể, đặc biệt là trong việc đảm bảo sự tồn tại và hội tụ nghiệm.

  • Mệnh đề 1.5 (Trang 12): Nêu các điều kiện về tính liên tục và tính bức của ánh xạ f, hoặc tính compắc của miền D, để VIP(D,f) có ít nhất một nghiệm.
  • Mệnh đề 1.7 (Trang 13): Xác định điều kiện cho tính duy nhất nghiệm của VIP(D,f) dựa trên tính đơn điệu ngặt hoặc đơn điệu mạnh của ánh xạ f.
  • Bổ đề 1.12 (Trang 21): Cung cấp các điều kiện đủ để các bài toán phạt VIP(K,f(t)) có nghiệm và dãy nghiệm của chúng hội tụ về nghiệm của bài toán ban đầu.
  • Định lý 1.13 (Trang 24): Chứng minh tính hội tụ của "Thuật toán 3": "một điểm giới hạn bất kỳ của {x(k)} là nghiệm của bài toán ban đầu VIP(D, f)".
  • Định lý 2.1 (Chen và Yang [6], Trang 39): Nêu điều kiện đủ cho sự tồn tại nghiệm của WVVIP(D,F).
  • Bổ đề 2.3 (Trang 41): Chứng minh rằng nếu F thỏa mãn điều kiện D-bức trên K, thì WVVIP(D,F) và các bài toán phạt WVVIP(K,F(t)) đều có nghiệm.
  • Bổ đề 2.4 (Trang 45): Chứng minh rằng một điểm giới hạn bất kỳ của dãy nghiệm của các bài toán phạt WVVIP là một điểm chấp nhận được (nghĩa là thuộc miền D ban đầu).
  • Định lý 2.5 (Trang 45): Xác nhận rằng một điểm giới hạn bất kỳ của dãy nghiệm của các bài toán phạt WVVIP(K, F(t)) là nghiệm của bài toán ban đầu WVVIP(D, F) khi tham số phạt $t \to \infty$.
  • Định lý 2.6 (Trang 48): Cung cấp các điều kiện mạnh mẽ hơn (F liên tục, đơn điệu, D-bức mạnh trên K) để đảm bảo: (1) các bài toán phạt luôn có nghiệm, (2) dãy nghiệm bị chặn và có ít nhất một điểm giới hạn, và (3) điểm giới hạn đó là nghiệm của bài toán ban đầu.
  • Định lý 3.2 (Trang 57): Chứng tỏ rằng một điểm giới hạn bất kỳ của dãy các nghiệm Pareto yếu của các bài toán phạt MOP(K,f(t)) là một nghiệm Pareto yếu của bài toán ban đầu MOP(D,f).
  • Định lý 3.3 (Trang 58): Đảm bảo sự tồn tại nghiệm, tính bị chặn của dãy nghiệm và tính hội tụ về nghiệm ban đầu cho MOP dưới các điều kiện nhất định, tương tự Định lý 2.6.

• Chuyển đổi mô hình (Paradigm shift) với bằng chứng từ các phát hiện: Luận án thể hiện một sự chuyển đổi trong cách tiếp cận các bài toán tối ưu và cân bằng bằng cách thúc đẩy sự tích hợp giữa các phương pháp. Trước đây, các phương pháp chiếu thường được áp dụng trực tiếp nhưng hạn chế bởi miền ràng buộc phức tạp, trong khi phương pháp hàm phạt có thể không đảm bảo hội tụ hiệu quả trong mọi trường hợp (như Liu và Feng [34]). Luận án đã chứng minh rằng việc kết hợp thông minh các phương pháp này không chỉ khắc phục nhược điểm riêng lẻ mà còn tạo ra một "thuật toán hoàn chỉnh" (trang 35) có hiệu quả vượt trội. Bằng chứng từ "Thuật toán 3" được cài đặt bằng ngôn ngữ C, cho phép giải quyết các bài toán bất đẳng thức biến phân nhiều chiều (n=50) trong thời gian hợp lý (tối đa 420 giây) với độ chính xác cao (10^-6), minh họa sự khả thi và ưu việt của mô hình tích hợp. Điều này đại diện cho một sự chuyển dịch từ việc tìm kiếm một "phương pháp tối ưu" đơn lẻ sang việc xây dựng các "phương pháp lai" (hybrid methods) để tối ưu hóa hiệu suất và phạm vi ứng dụng.

Khung phân tích độc đáo

Luận án phát triển một khung phân tích độc đáo, đặc biệt là trong việc tích hợp lý thuyết và xử lý các ràng buộc phức tạp.

• Tích hợp lý thuyết (Integration of theories): Nghiên cứu kết hợp nhuần nhuyễn ít nhất ba lý thuyết chuyên sâu:

  1. Lý thuyết hàm phạt (Penalty Function Theory): Được sử dụng để chuyển đổi các bài toán có miền ràng buộc phức tạp thành một chuỗi các bài toán phạt trên miền ràng buộc đơn giản hơn K (K ⊃ D). Luận án còn làm rõ sự khác biệt giữa hàm phạt thông thường và "hàm thưởng-phạt" (trang 19) hay hàm phạt ngoài, và cách chọn hàm P để đảm bảo tính lồi và khả vi.
  2. Lý thuyết phép chiếu (Projection Theory): Cụ thể là "phương pháp chiếu hai lần" của M. Fukushima [15], được áp dụng để giải các bài toán phạt đã được đơn giản hóa. Việc chỉ ra công thức hiển cho phép chiếu lên các miền K có hình dạng đặc biệt (hình hộp, hình cầu, không gian con) (trang 14-17) là yếu tố then chốt giúp khắc phục trở ngại tính toán.
  3. Lý thuyết ánh xạ đơn điệu và liên tục Lipschitz: Các điều kiện này được áp dụng rộng rãi cho ánh xạ f của bài toán ban đầu và ánh xạ biến đổi $f(t)$ của bài toán phạt để đảm bảo sự tồn tại, duy nhất nghiệm và tính hội tụ của các thuật toán. Việc chứng minh $f(t)$ cũng đơn điệu và liên tục Lipschitz (trang 23) là một bước quan trọng trong khung phân tích. Việc tích hợp này tạo ra một khung phân tích mạnh mẽ, cho phép giải quyết các bài toán bất đẳng thức biến phân mà trước đây khó có thể giải được bằng một phương pháp đơn lẻ.

• Cách tiếp cận phân tích mới lạ (Novel analytical approach) với lý giải: Cách tiếp cận của luận án là một thuật toán lồng nhau (nested algorithm) kết hợp hai phương pháp mạnh mẽ: một phương pháp giải bài toán có ràng buộc (hàm phạt) và một phương pháp giải bài toán không ràng buộc/ràng buộc đơn giản (phép chiếu).

  • Giai đoạn 1 (Hàm phạt): Luận án chuyển một bài toán VIP(D,f) trên miền D lồi đóng bất kỳ thành một "dãy các bài toán phạt trên một miền K bao D" (trang 11). Lý giải cho việc này là để "khắc phục được trở ngại lớn nhất của phương pháp chiếu là khó khăn trong việc tính hình chiếu của một điểm lên một miền lồi bất kỳ" (trang 6). Bằng cách chọn K là hình hộp, hình cầu, hoặc không gian con, việc tính toán hình chiếu trở nên dễ dàng hơn.
  • Giai đoạn 2 (Phép chiếu): Sau đó, "giải mỗi bài toán phạt này bằng phương pháp chiếu" (trang 8), tận dụng ưu điểm hiệu quả của phép chiếu trên miền ràng buộc đơn giản K. Tính mới lạ nằm ở sự tương tác động giữa tham số phạt $t_k$ và độ chính xác $\epsilon_k$ của thuật toán chiếu. Khi $k \to \infty$, $t_k$ có thể tiến ra vô cùng (ví dụ 1.3) hoặc tiến về 0 (ví dụ 1.4), và $\epsilon_k \to 0$, đảm bảo sự hội tụ của dãy nghiệm của bài toán phạt về nghiệm của bài toán ban đầu. Điều này cho phép thuật toán đạt được độ chính xác cao ngay cả khi miền ràng buộc ban đầu rất phức tạp.

• Đóng góp khái niệm (Conceptual contributions) với định nghĩa:

  • Khái niệm D-bức trên K (Trang 40): Luận án giới thiệu định nghĩa này cho ánh xạ $F: R^k \to R^{r \times k}$ trong bối cảnh WVVIP. Nó đòi hỏi sự tồn tại của một vector $s \in R^r_+$ và $a \in D$ sao cho $s^T F(y), y-a \rangle \to +\infty$ khi $||y|| \to +\infty$ và $y \in K$. Khái niệm này là một đóng góp lý thuyết quan trọng, cho phép thiết lập điều kiện đủ để đảm bảo sự tồn tại nghiệm của các bài toán phạt WVVIP. Khi $r=1$, khái niệm này tương đương với điều kiện bức truyền thống.
  • Phân biệt hàm phạt và hàm thưởng-phạt (Trang 19): Luận án làm rõ sự khác biệt giữa hàm phạt thông thường (P(x)=0 với mọi x∈D) và hàm thưởng-phạt (P(x) ≤ 0 khi x ∈ D), nhấn mạnh rằng hàm thưởng-phạt cho phép lượng phạt khác nhau đối với mỗi phương án thuộc D, tạo ra sự linh hoạt trong mô hình hóa.

• Điều kiện biên rõ ràng (Boundary conditions explicitly stated): Nghiên cứu này cẩn thận chỉ ra các điều kiện biên và giả thiết mà dưới đó các kết quả lý thuyết và thuật toán được chứng minh là có hiệu lực.

  • Tính lồi và đóng của miền D và K: Tất cả các bài toán được xét đều yêu cầu miền ràng buộc D và K là các tập lồi đóng khác rỗng trong $R^n$ hoặc $R^k$.
  • Tính liên tục và đơn điệu của ánh xạ: Ánh xạ $f$ (hoặc $F$) được giả định là liên tục Lipschitz và đơn điệu (hoặc giả đơn điệu, đơn điệu mạnh, đơn điệu ngặt) trên miền liên quan.
  • Tính lồi và khả vi của hàm phạt P: Hàm phạt P phải là lồi, khả vi và bị chặn dưới trên miền K để đảm bảo tính chất của ánh xạ biến đổi $f(t)$ hoặc $F(t)$ và sự hội tụ.
  • Điều kiện D-bức (D-coercivity): Cụ thể được yêu cầu cho WVVIP để đảm bảo sự tồn tại nghiệm của các bài toán phạt (Bổ đề 2.3).
  • Không gian Euclide hữu hạn chiều: Tất cả các phân tích đều được thực hiện trong không gian Euclide hữu hạn chiều ($R^k$), giới hạn khả năng mở rộng trực tiếp sang không gian vô hạn chiều.

Những điều kiện biên này giúp xác định rõ phạm vi áp dụng của các đóng góp lý thuyết, đồng thời tạo cơ sở cho các nghiên cứu tiếp theo nhằm mở rộng các kết quả này sang các bối cảnh tổng quát hơn.

Phương pháp nghiên cứu tiên tiến

Luận án này sử dụng phương pháp nghiên cứu lý thuyết chuyên sâu, kết hợp các kỹ thuật phân tích toán học và triển khai thuật toán để giải quyết các bài toán tối ưu hóa phức tạp.

Thiết kế nghiên cứu

• Triết lý nghiên cứu (Research philosophy): Positivism. Nghiên cứu này tuân theo triết lý thực chứng một cách rõ ràng. Mục tiêu là phát triển các định lý, bổ đề và thuật toán có tính quy luật, khách quan, có thể kiểm chứng và tái sản xuất được. Các kết quả được trình bày dưới dạng các chứng minh toán học chặt chẽ, các công thức hiển và các thử nghiệm số có thể lặp lại, nhằm thiết lập "sự tồn tại và tính duy nhất nghiệm" (trang 12) cũng như tính hội tụ của các phương pháp. Tính chính xác và khách quan của các phát hiện được đặt lên hàng đầu.

• Phương pháp hỗn hợp (Mixed methods) với lý do kết hợp cụ thể: Mặc dù cốt lõi là nghiên cứu lý thuyết, luận án tích hợp một cách độc đáo các yếu tố của phương pháp hỗn hợp, cụ thể là sự kết hợp giữa phát triển lý thuyết và minh họa số.

  • Giai đoạn định tính/lý thuyết: Chủ yếu tập trung vào việc xây dựng các mô hình toán học, thiết lập các định nghĩa mới (ví dụ: D-bức trên K), chứng minh các định lý về sự tồn tại, duy nhất nghiệm và tính hội tụ. Đây là phần nghiên cứu "lí thuyết" mà luận án đề cập (trang 6).
  • Giai đoạn định lượng/thực nghiệm: Sau khi phát triển thuật toán (ví dụ: Thuật toán 3), nghiên cứu tiến hành "cài đặt Thuật toán 3 dùng ngôn ngữ C và kết quả số được mô tả" (trang 31) thông qua các ví dụ minh họa. Việc này không nhằm mục đích kiểm định giả thuyết xã hội, mà là để minh họa hiệu quả và tính khả thi của thuật toán trong việc giải các bài toán cụ thể như mô hình Nash ([28]) và các bài toán 2 chiều với các hàm ràng buộc và hàm mục tiêu phức tạp. Lý do kết hợp là để cung cấp bằng chứng thực nghiệm về tính khả thi và hiệu suất của các đóng góp lý thuyết, tăng cường sự thuyết phục của các kết quả. Sự kết hợp này cho phép nghiên cứu vượt ra ngoài khuôn khổ lý thuyết thuần túy, cung cấp một cầu nối vững chắc giữa phát triển lý thuyết và ứng dụng thực tiễn trong giải số.

• Thiết kế đa cấp (Multi-level design) với các cấp độ được xác định rõ ràng: Mặc dù không phải là một thiết kế đa cấp theo nghĩa truyền thống của khoa học xã hội, cấu trúc của luận án thể hiện một cách tiếp cận phân cấp trong việc giải quyết bài toán:

  • Cấp độ 1: Bài toán tổng quát (Macro-level): Bài toán bất đẳng thức biến phân (VIP), bất đẳng thức biến phân vector yếu (WVVIP), và tối ưu đa mục tiêu (MOP) trên miền ràng buộc phức tạp D.
  • Cấp độ 2: Bài toán trung gian/phạt (Meso-level): Chuyển đổi bài toán ban đầu thành một dãy các bài toán phạt trên miền ràng buộc đơn giản hơn K (K ⊃ D). Việc này giúp giảm độ phức tạp của bài toán ban đầu.
  • Cấp độ 3: Bài toán cụ thể/giải pháp (Micro-level): Giải từng bài toán phạt trên miền K bằng các phương pháp hiệu quả như phương pháp chiếu hai lần. Đây là cấp độ mà các công thức hiển cho phép chiếu được áp dụng. Mô hình này cho phép phân tách một bài toán lớn và phức tạp thành các bài toán con dễ quản lý hơn, sau đó giải quyết từng bài toán con và tổng hợp lại để tìm ra nghiệm cho bài toán ban đầu.

• Kích thước mẫu và tiêu chí lựa chọn chính xác:

  • Kích thước mẫu: Đối với các ví dụ minh họa trong Chương 1, luận án đã sử dụng các bài toán với số chiều $n$ đa dạng: $n=5, 10, 20, 30, 40, 50$ (Bảng I & II, trang 31). Ngoài ra, các ví dụ 2 chiều ($R^2$) cũng được sử dụng để minh họa chi tiết (trang 32).
  • Tiêu chí lựa chọn: Các ví dụ được lựa chọn dựa trên khả năng mô phỏng các tính chất quan trọng của bài toán (ví dụ: ánh xạ đơn điệu, liên tục Lipschitz, điều kiện D-bức), đồng thời đủ phức tạp để chứng minh hiệu quả của thuật toán (ví dụ: hàm ràng buộc $g(x)$ tạo ra miền D phức tạp, ánh xạ $f$ theo mô hình Nash [28]). Đặc biệt, ví dụ 1.4 được chọn để minh họa trường hợp $f$ không có nghiệm trên miền D nhưng thuật toán vẫn hội tụ về nghiệm xấp xỉ trong D với sai số nhỏ.

Quy trình nghiên cứu nghiêm ngặt

• Chiến lược lấy mẫu với tiêu chí bao gồm/loại trừ: Trong nghiên cứu lý thuyết và minh họa, chiến lược lấy mẫu không áp dụng theo nghĩa thống kê mà theo nghĩa lựa chọn các trường hợp điển hình.

  • Bao gồm: Các ánh xạ $f$ (hoặc $F$) được chọn phải thỏa mãn các điều kiện lý thuyết của thuật toán (ví dụ: đơn điệu, liên tục Lipschitz) và các miền ràng buộc D phải là lồi đóng khác rỗng. Các bài toán cũng phải có tính chất ứng dụng thực tiễn (ví dụ: mô hình Nash).
  • Loại trừ: Các trường hợp không thỏa mãn các giả thiết cơ bản của các định lý (ví dụ: ánh xạ không đơn điệu, miền ràng buộc không lồi) sẽ không được xem xét trong phạm vi chứng minh lý thuyết của luận án.

• Giao thức thu thập dữ liệu với các công cụ được mô tả: Vì đây là nghiên cứu lý thuyết, "dữ liệu" chính là các chứng minh toán học, định nghĩa, định lý và các kết quả tính toán số.

  • Thu thập dữ liệu lý thuyết: Bao gồm việc tổng hợp các kết quả đã biết từ tài liệu tham khảo (ví dụ: [15] cho phương pháp chiếu, [38] cho hàm phạt, [6] cho WVVIP, [34] cho MOP), sau đó phát triển các định nghĩa mới (D-bức trên K), xây dựng các mô hình phạt ($f(t) = tf + \nabla P$), và chứng minh các định lý hội tụ một cách logic và chặt chẽ.
  • Công cụ triển khai thuật toán: "Chúng tôi đã cài đặt Thuật toán 3 dùng ngôn ngữ C" (trang 31). Ngôn ngữ C được chọn vì hiệu suất tính toán cao, phù hợp cho các bài toán số lượng lớn và độ chính xác cao.

• Tam giác hóa (Triangulation): Mặc dù tam giác hóa thường dùng trong nghiên cứu định tính, ở đây có thể thấy một dạng "tam giác hóa phương pháp" hoặc "tam giác hóa bằng chứng".

  • Tam giác hóa phương pháp (Method Triangulation): Là sự kết hợp của phương pháp hàm phạt và phương pháp chiếu. Mỗi phương pháp có những ưu nhược điểm riêng, việc kết hợp giúp khắc phục nhược điểm của nhau, mang lại một giải pháp mạnh mẽ hơn.
  • Tam giác hóa bằng chứng (Evidence Triangulation): Các kết quả lý thuyết được củng cố bởi các minh họa số. Các chứng minh toán học về tính hội tụ được hỗ trợ bởi các thử nghiệm thực tế với ngôn ngữ C, cho thấy thuật toán hoạt động như mong đợi và đạt được hiệu suất đã định. Ví dụ, việc thuật toán chạy đến vòng lặp thứ 25 trong 3 giây cho n=10 (Bảng I) cung cấp bằng chứng thực nghiệm cho tuyên bố về hiệu quả.

• Tính hợp lệ (Validity) và độ tin cậy (Reliability):

  • Tính hợp lệ cấu trúc (Construct Validity): Các khái niệm toán học như "bất đẳng thức biến phân," "hàm phạt," "phép chiếu," "nghiệm Pareto yếu" được định nghĩa rõ ràng và nhất quán với tài liệu học thuật (Giannessi [16], Edgeworth [13], Pareto [44]). Các điều kiện như "đơn điệu," "liên tục Lipschitz," "D-bức" được xây dựng dựa trên các lý thuyết toán học vững chắc.
  • Tính hợp lệ nội bộ (Internal Validity): Các chứng minh toán học tuân thủ logic suy diễn chặt chẽ, từ giả thiết đến kết luận, đảm bảo rằng các kết luận (ví dụ: Định lý hội tụ) thực sự là hệ quả của các giả thiết. Các bước trong thuật toán được mô tả rõ ràng, và việc thay đổi tham số ($t_k, \eta$) được liên kết trực tiếp với các định lý hội tụ.
  • Tính hợp lệ bên ngoài (External Validity)/Khả năng khái quát hóa: Các định lý về sự tồn tại và hội tụ được chứng minh cho một lớp rộng các ánh xạ và miền ràng buộc (lồi đóng khác rỗng, đơn điệu, liên tục Lipschitz), cho thấy khả năng khái quát hóa cao của các kết quả lý thuyết. Các ví dụ minh họa (mô hình Nash, bài toán 2D) thể hiện khả năng áp dụng của thuật toán trong các tình huống khác nhau. Tuy nhiên, tính hợp lệ này bị giới hạn trong không gian hữu hạn chiều.
  • Độ tin cậy (Reliability):
    • Các chứng minh toán học có thể được kiểm tra và xác nhận bởi các nhà toán học khác.
    • Thuật toán được mô tả chi tiết, bao gồm các tham số khởi tạo ($x^{(0)}, \eta, \lambda, t_0, \epsilon_k$), các bước lặp và điều kiện dừng (trang 23-24), cho phép bất kỳ ai có thể tái tạo lại các kết quả số học bằng cách sử dụng cùng một cài đặt và dữ liệu đầu vào.
    • Các giá trị $\alpha$ không được báo cáo trực tiếp cho các phương pháp, nhưng độ chính xác của thuật toán chiếu được chỉ định là $\epsilon = 10^{-6}$ và $10^{-12}$, cho thấy mức độ kiểm soát chặt chẽ đối với sai số tính toán.

Data và phân tích

• Đặc điểm mẫu với nhân khẩu học/thống kê: Trong nghiên cứu lý thuyết, "mẫu" chủ yếu đề cập đến các ví dụ minh họa và các tham số của bài toán được sử dụng để kiểm nghiệm thuật toán.

  • Bài toán 1 (Mô hình Nash [28]): Được thử nghiệm với số chiều $n = 5, 10, 20, 30, 40, 50$. Ánh xạ $f$ là đơn điệu và liên tục Lipschitz với hằng số Lipschitz $L_n = \sqrt{2(\alpha^2 + 4n^2 \gamma^2)}$. Các hằng số $\alpha_i, \beta_i, \gamma_i$ được "lấy ngẫu nhiên trong khoảng [0, 10]" (trang 26).
  • Bài toán 2 và 3 (2 chiều): Được thực hiện trên $R^2$ với miền ràng buộc D được định nghĩa bởi các hàm lồi $g_1(x) = x_2 - x_1 - 1 \le 0$ và $g_2(x) = -x_2 + x_1^2 - 1 \le 0$. Ánh xạ $f$ (ví dụ 1.3) là đơn điệu mạnh và liên tục Lipschitz với hằng số $l = \sqrt{4.4}$, và $f(t)$ có hằng số Lipschitz $L_t = 69 + t\sqrt{4.4}$. Ánh xạ $f$ (ví dụ 1.4) cũng có các tính chất tương tự. Các số liệu này minh họa khả năng áp dụng của thuật toán trên nhiều quy mô và cấu trúc bài toán khác nhau.

• Các kỹ thuật tiên tiến (SEM/multilevel/QCA etc.) với phần mềm: Luận án sử dụng các kỹ thuật phân tích toán học cao cấp kết hợp với triển khai tính toán.

  • Kỹ thuật phân tích lý thuyết: Bao gồm phân tích ánh xạ đơn điệu, liên tục Lipschitz, điều kiện bức (coercivity conditions), và các kỹ thuật chứng minh hội tụ cho các dãy lặp (ví dụ: sử dụng bất đẳng thức, định lý điểm bất động).
  • Kỹ thuật giải số: "Phương pháp chiếu hai lần" (two-step projection algorithm) là một kỹ thuật tiên tiến để giải các bất đẳng thức biến phân, được chọn vì hiệu quả của nó so với các phương pháp chiếu khác (trang 18, [15]).
  • Phần mềm: "Chúng tôi đã cài đặt Thuật toán 3 dùng ngôn ngữ C" (trang 31). Ngôn ngữ C được lựa chọn vì hiệu suất tính toán và khả năng xử lý hiệu quả các phép toán ma trận và vector trong các bài toán có số chiều lớn.

• Kiểm tra tính mạnh mẽ (Robustness checks) với các đặc điểm kỹ thuật thay thế: Tính mạnh mẽ của thuật toán được ngầm kiểm tra thông qua các kịch bản thử nghiệm khác nhau.

  • Thay đổi tham số: Các ví dụ minh họa kiểm tra thuật toán với các giá trị $\gamma$ và $n$ khác nhau (Bảng I & II), cho thấy thuật toán vẫn hội tụ và duy trì hiệu suất trong một phạm vi rộng của các tham số đầu vào.
  • Các trường hợp đặc biệt: Ví dụ 1.4 đặc biệt kiểm tra tính mạnh mẽ của thuật toán trong trường hợp ánh xạ $f$ không có nghiệm trên miền D. Kết quả cho thấy thuật toán vẫn tìm ra nghiệm "xấp xỉ thuộc miền D với sai số khoảng $10^{-8}$" (trang 35), phù hợp với kết luận của Bổ đề 1.12 về sự hội tụ của dãy nghiệm của bài toán phạt.
  • Các loại miền ràng buộc K khác nhau: Luận án chỉ ra rằng K có thể là hình hộp, hình cầu hoặc không gian con, và việc tính hình chiếu vẫn dễ dàng, cho thấy tính linh hoạt của phương pháp.

• Kích thước hiệu ứng (Effect sizes) và khoảng tin cậy (Confidence intervals) được báo cáo: Trong bối cảnh toán học thuần túy, effect sizes và confidence intervals không được báo cáo theo nghĩa thống kê. Thay vào đó, "hiệu ứng" được định lượng bằng các chỉ số về hiệu suất thuật toán:

  • Thời gian tính toán: Được báo cáo cụ thể (ví dụ: "1s", "3s", "8s", "420s" - Bảng I & II).
  • Số bước lặp: "Vòng lặp thứ 25" (Bảng I) hoặc "vòng lặp 24 đến vòng lặp 28" (Bảng III) được báo cáo để đạt được nghiệm.
  • Độ chính xác (Error tolerance): Sai số cho phép của thuật toán chiếu là $\epsilon = 10^{-6}$ (trang 31) và $10^{-12}$ (trang 34), và kết quả được làm tròn đến "6 chữ số thập phân" (trang 31) hoặc "9 chữ số thập phân" (trang 34), "10 hoặc 11 chữ số thập phân" (trang 34), "10^-8" (trang 35), cung cấp một thước đo định lượng về độ chính xác của nghiệm tìm được. Những chỉ số này cung cấp một bằng chứng định lượng về hiệu suất và độ tin cậy của thuật toán, mặc dù không phải là ước lượng thống kê.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được một số phát hiện then chốt, mỗi phát hiện được hỗ trợ bởi bằng chứng cụ thể từ dữ liệu và phân tích lý thuyết:

1. Hiệu quả vượt trội của Thuật toán 3 trong giải VIP: "Thuật toán 3" (trang 23) kết hợp phương pháp hàm phạt và phương pháp chiếu đã chứng minh khả năng giải quyết hiệu quả các bài toán bất đẳng thức biến phân (VIP) với miền ràng buộc D phức tạp. Cụ thể, trong các thử nghiệm với mô hình Nash ([28]), thuật toán có thể giải các bài toán có số chiều $n$ lên đến 50. Với $n=50$ và $\gamma=15$, thuật toán hội tụ đến nghiệm sau 20-22 vòng lặp (của thuật toán phạt) trong khoảng 420 giây, với sai số $10^{-6}$ (Bảng II, trang 31). Điều này khắc phục "trở ngại chính của phương pháp chiếu là khó khăn trong việc tính hình chiếu của một điểm lên một miền lồi bất kỳ" (trang 35).
2. Sự tồn tại và hội tụ nghiệm cho WVVIP thông qua hàm phạt: Nghiên cứu này là công trình đầu tiên áp dụng phương pháp hàm phạt cho bài toán bất đẳng thức biến phân vector yếu (WVVIP). Các Bổ đề và Định lý trong Chương 2 đã thiết lập các điều kiện đủ (ví dụ: điều kiện D-bức trên K của ánh xạ F, Bổ đề 2.3) để đảm bảo "các bài toán phạt luôn có ít nhất một nghiệm" và "một dãy nghiệm của các bài toán phạt luôn có ít nhất một điểm giới hạn và một điểm giới hạn bất kỳ của dãy này sẽ là nghiệm của bài toán ban đầu WVVIP(D, F)" (trang 36).
3. Cải thiện điều kiện hội tụ cho MOP bằng hàm phạt ngoài: Luận án đã thành công trong việc phát triển một phương pháp hàm phạt ngoài cho bài toán tối ưu đa mục tiêu (MOP) mang lại kết quả hội tụ tốt hơn so với các công trình trước đó, như của Liu và Feng [34]. Cụ thể, Định lý 3.2 (trang 57) chứng tỏ rằng "một điểm giới hạn bất kỳ của một dãy các nghiệm Pareto yếu của các bài toán phạt MOP(K, f(t)) khi t tiến ra vô cùng là một nghiệm Pareto yếu của bài toán ban đầu MOP(D, f)". Điều này khắc phục điểm bất lợi trong [34] là giả thiết điểm giới hạn phải nằm trong miền ràng buộc D.
4. Phát hiện nghịch lý về sự hội tụ nhanh chóng: Trong Ví dụ 1.3 (trang 34), thuật toán tìm ra nghiệm $(0,0)^T$ (đúng đến 9 chữ số thập phân) "ngay từ vòng lặp đầu tiên (của thuật toán phạt)" mặc dù $t_k \to \infty$. Điều này được giải thích bởi "nếu P(x) $\equiv$ 0 với mọi x $\in$ D và x(k) là một nghiệm của VIP(K, f(tk)) thỏa mãn x(k) $\in$ D, khi đó x(k) cũng là một nghiệm của bài toán ban đầu VIP(D, f)" (trang 22). Tức là, nếu nghiệm của bài toán phạt đã nằm trong miền ràng buộc ban đầu, thì nó chính là nghiệm của bài toán gốc, bất kể giá trị $t_0$.
5. Ứng phó với bài toán không có nghiệm trên miền ràng buộc: Ví dụ 1.4 (trang 34) minh họa trường hợp ánh xạ $f$ không có nghiệm trên miền D. Thuật toán vẫn hội tụ về một nghiệm xấp xỉ thuộc miền D với sai số khoảng $10^{-8}$ (trang 35), khẳng định rằng "nghiệm của những bước cuối cùng xấp xỉ thuộc miền D... Điều này phù hợp với kết luận của Bổ đề 1.12" (trang 35). Phát hiện này cho thấy tính mạnh mẽ của thuật toán ngay cả trong các kịch bản không lý tưởng.

Implications đa chiều

Các phát hiện của luận án có ý nghĩa sâu rộng trên nhiều khía cạnh:

• Tiến bộ lý thuyết (Theoretical advances):

  • Đóng góp vào lý thuyết bất đẳng thức biến phân: Bằng cách cung cấp một khung làm việc hiệu quả cho các bài toán VIP trên miền ràng buộc phức tạp, nghiên cứu đã mở rộng khả năng giải số của lý thuyết này.
  • Mở rộng lý thuyết hàm phạt: Nghiên cứu đã chứng minh tính hiệu quả của phương pháp hàm phạt khi áp dụng cho các lớp bài toán mới như WVVIP và cải thiện các điều kiện hội tụ cho MOP, làm phong phú thêm kho công cụ lý thuyết trong tối ưu hóa.
  • Giới thiệu khái niệm mới: Khái niệm "D-bức trên K" cho WVVIP là một đóng góp lý thuyết quan trọng, cho phép phân tích sự tồn tại nghiệm trong các bài toán phạt vector.

• Đổi mới phương pháp luận (Methodological innovations):

  • Thuật toán kết hợp phạt-chiếu: "Thuật toán 3" là một đổi mới phương pháp luận đáng kể, có thể áp dụng cho các bài toán tối ưu hóa khác có miền ràng buộc phức tạp, nơi các phương pháp chiếu đơn lẻ gặp khó khăn. Nó cung cấp một mô hình cho việc kết hợp các kỹ thuật giải số.
  • Kỹ thuật xử lý WVVIP và MOP: Phương pháp luận được phát triển để áp dụng hàm phạt cho WVVIP và MOP, bao gồm việc điều chỉnh vị trí tham số phạt và sử dụng hàm phạt ngoài, cung cấp các công cụ mới cho việc giải quyết các bài toán vector và đa mục tiêu.
  • Cách tiếp cận kiểm tra tính mạnh mẽ: Việc sử dụng các ví dụ đặc biệt (ví dụ 1.4) để kiểm tra hành vi của thuật toán khi thiếu nghiệm trên miền ràng buộc là một cách tiếp cận phương pháp luận hữu ích để đánh giá tính mạnh mẽ.

• Ứng dụng thực tiễn (Practical applications):

  • Giải quyết các bài toán cân bằng phức tạp: Các thuật toán được phát triển có thể áp dụng cho các mô hình cân bằng mạng giao thông, cân bằng giá không gian, cân bằng tài chính và các hệ thống môi trường có miền ràng buộc phức tạp, cung cấp các giải pháp số hiệu quả.
  • Tối ưu hóa trong kỹ thuật: Các bài toán tối ưu đa mục tiêu trong điều khiển phi cơ, hệ thống cơ khí chính xác, và quản lý tài nguyên có thể được giải quyết hiệu quả hơn bằng các phương pháp mới.
  • Hỗ trợ ra quyết định: Các công cụ này cung cấp một phương tiện để phân tích và tìm ra các giải pháp tối ưu hoặc cân bằng trong các tình huống ra quyết định phức tạp trong kinh tế và kỹ thuật.

• Khuyến nghị chính sách (Policy recommendations):

  • Phát triển công cụ mô hình hóa: Chính phủ và các tổ chức có thể đầu tư vào việc phát triển các công cụ phần mềm dựa trên các thuật toán này để hỗ trợ phân tích và ra quyết định trong quy hoạch đô thị, quản lý tài nguyên, và chính sách kinh tế.
  • Nâng cao năng lực nghiên cứu: Khuyến khích nghiên cứu và phát triển trong lĩnh vực toán học ứng dụng và tối ưu hóa để giải quyết các thách thức chính sách phức tạp.
  • Thúc đẩy hợp tác liên ngành: Các phương pháp này có thể là cầu nối cho sự hợp tác giữa các nhà toán học, kỹ sư, nhà kinh tế và các nhà hoạch định chính sách để tạo ra các giải pháp dựa trên bằng chứng.

• Điều kiện khái quát hóa (Generalizability conditions): Các kết quả lý thuyết và thuật toán được chứng minh là có hiệu lực trong không gian Euclid hữu hạn chiều $R^k$ dưới các điều kiện cụ thể về tính lồi và đóng của miền ràng buộc, cũng như tính đơn điệu và liên tục Lipschitz của ánh xạ. Khả năng khái quát hóa sang không gian vô hạn chiều hoặc các điều kiện ánh xạ yếu hơn (ví dụ: giả đơn điệu yếu) cần nghiên cứu thêm.

Limitations và Future Research

Mặc dù luận án đã đạt được những đóng góp đáng kể, nhưng cũng thẳng thắn thừa nhận các giới hạn của nghiên cứu và vạch ra các hướng nghiên cứu trong tương lai.

• 3-4 giới hạn cụ thể được thừa nhận:

  1. Phạm vi không gian hữu hạn chiều: Tất cả các kết quả lý thuyết và thuật toán đều được phát triển và chứng minh trong không gian Euclid hữu hạn chiều $R^k$. Việc mở rộng các kết quả này sang không gian vô hạn chiều (ví dụ: không gian Hilbert) yêu cầu các kỹ thuật chứng minh và phân tích khác biệt, do các tính chất compắc và tính bức có thể thay đổi đáng kể.
  2. Giả thiết mạnh về ánh xạ: Các định lý về sự tồn tại, duy nhất nghiệm và hội tụ thường dựa trên các giả thiết tương đối mạnh về ánh xạ (ví dụ: đơn điệu mạnh, liên tục Lipschitz). Việc nới lỏng các giả thiết này (ví dụ: sang giả đơn điệu yếu, nửa liên tục trên) sẽ làm tăng tính ứng dụng của thuật toán nhưng cũng gia tăng độ phức tạp trong chứng minh lý thuyết.
  3. Hàm phạt lồi khả vi: Hàm phạt P được sử dụng trong luận án được giả định là lồi và khả vi. Trong một số trường hợp thực tế, việc xây dựng một hàm phạt có tính chất này có thể không đơn giản hoặc không khả thi, đặc biệt với các miền ràng buộc phức tạp hơn không thể biểu diễn bằng các hàm $g_i(x)$ lồi và khả vi.
  4. Tập trung vào tính hội tụ lý thuyết: Mặc dù có minh họa số, trọng tâm chính vẫn là chứng minh lý thuyết về tính hội tụ. Các khía cạnh khác của hiệu suất thuật toán như độ nhạy với tham số khởi tạo, khả năng tối ưu hóa tham số phạt $t_k$, hoặc so sánh hiệu quả chi tiết với một phổ rộng các thuật toán khác có thể chưa được khám phá đầy đủ.

• Điều kiện biên về ngữ cảnh/mẫu/thời gian:

  • Ngữ cảnh: Nghiên cứu giới hạn trong bối cảnh các bài toán tối ưu và cân bằng tĩnh, không xem xét các bài toán động hoặc bài toán với thông tin không chắc chắn.
  • Mẫu: Các ví dụ minh họa được chọn là các trường hợp lý tưởng hóa (ví dụ: ánh xạ đơn điệu, miền lồi), không hoàn toàn đại diện cho sự phức tạp của tất cả các bài toán thực tiễn (ví dụ: bài toán có nhiều nghiệm địa phương).
  • Thời gian: Thuật toán được đánh giá dựa trên thời gian chạy và số bước lặp, nhưng không bao gồm phân tích về tính ổn định dài hạn hoặc khả năng thích ứng với dữ liệu biến động theo thời gian.

• Chương trình nghiên cứu trong tương lai với 4-5 hướng cụ thể:

  1. Mở rộng sang không gian vô hạn chiều: Nghiên cứu sự tồn tại và hội tụ của các phương pháp hàm phạt và chiếu cho các bài toán bất đẳng thức biến phân và tối ưu trong không gian Hilbert hoặc Banach.
  2. Nới lỏng giả thiết về ánh xạ: Phát triển các thuật toán và chứng minh hội tụ cho các lớp ánh xạ yếu hơn, chẳng hạn như ánh xạ giả đơn điệu yếu, nửa liên tục trên, hoặc ánh xạ không Lipschitz.
  3. Áp dụng cho các lớp bài toán mới: Mở rộng phương pháp hàm phạt cho các bài toán bất đẳng thức biến phân biến đổi (generalized variational inequalities), bất đẳng thức cân bằng (equilibrium problems), hoặc các bài toán tối ưu vector cấp cao hơn (higher-order vector optimization).
  4. Phát triển các hàm phạt linh hoạt hơn: Nghiên cứu các dạng hàm phạt khác (ví dụ: hàm phạt chính xác, hàm phạt không khả vi) có thể cho kết quả hội tụ nhanh hơn hoặc áp dụng cho các miền ràng buộc phức tạp hơn, đồng thời giảm yêu cầu về tính khả vi.
  5. Tối ưu hóa tham số và hiệu suất thuật toán: Nghiên cứu các chiến lược tối ưu để chọn tham số phạt $t_k$ và độ dài bước $\eta$ động, nhằm cải thiện tốc độ hội tụ và hiệu suất tổng thể của thuật toán, bao gồm cả việc so sánh định lượng với một phổ rộng các thuật toán hiện có.
  6. Triển khai trên nền tảng tính toán song song/phân tán: Khám phá khả năng tối ưu hóa hiệu suất của thuật toán trên các kiến trúc máy tính hiện đại để giải quyết các bài toán quy mô rất lớn.

• Cải tiến phương pháp luận được đề xuất:

  • Thiết kế thuật toán thích nghi: Phát triển các phiên bản thích nghi của "Thuật toán 3" nơi các tham số như $t_k$ và $\eta$ được điều chỉnh tự động dựa trên hành vi hội tụ của thuật toán trong mỗi bước lặp, thay vì lựa chọn cố định.
  • Kỹ thuật chiếu hiệu quả hơn: Nghiên cứu các phương pháp tính hình chiếu lên các miền phức tạp hơn mà không yêu cầu công thức hiển, hoặc các phương pháp chiếu xấp xỉ khi tính toán hình chiếu chính xác quá tốn kém.

• Mở rộng lý thuyết được đề xuất:

  • Lý thuyết WVVIP với các dạng hàm phạt khác: Nghiên cứu việc áp dụng các loại hàm phạt khác (ví dụ: hàm phạt nội, hàm phạt chính xác) cho WVVIP và phân tích điều kiện hội tụ của chúng.
  • MOP với các khái niệm nghiệm khác nhau: Mở rộng khung phân tích để xử lý các khái niệm nghiệm tối ưu đa mục tiêu khác (ví dụ: nghiệm Pareto mạnh, nghiệm tối ưu hiệu quả) và nghiên cứu các điều kiện hội tụ tương ứng.

Tác động và ảnh hưởng

Luận án này có tiềm năng tạo ra tác động và ảnh hưởng đáng kể trên nhiều lĩnh vực.

• Tác động học thuật (Academic impact) với ước tính trích dẫn tiềm năng:

  • Góp phần vào tài liệu nghiên cứu: Nghiên cứu này bổ sung một khối kiến thức quan trọng vào các lĩnh vực bất đẳng thức biến phân, tối ưu hóa vector và lý thuyết hàm phạt. Các thuật toán và định lý hội tụ mới, đặc biệt là ứng dụng tiên phong cho WVVIP và cải tiến cho MOP, có khả năng trở thành nền tảng cho các nghiên cứu tiếp theo.
  • Khuyến khích nghiên cứu liên ngành: Việc kết hợp các phương pháp từ các nhánh toán học khác nhau (hàm phạt, phép chiếu) có thể thúc đẩy sự hợp tác giữa các nhà nghiên cứu trong giải tích, tối ưu, khoa học máy tính và các lĩnh vực ứng dụng.
  • Tài liệu tham khảo: "Luận án là tài liệu tham khảo cho sinh viên, học viên cao học và nghiên cứu sinh chuyên ngành Toán giải tích" (trang 7).
  • Ước tính trích dẫn tiềm năng: Với các đóng góp đột phá và việc công bố các kết quả trong các tạp chí quốc tế ([35], [36], [37]), luận án có tiềm năng nhận được một số lượng trích dẫn đáng kể trong vòng 5-10 năm tới, đặc biệt từ các nghiên cứu sinh và nhà nghiên cứu làm việc trong lĩnh vực tối ưu hóa, lý thuyết cân bằng, và phát triển thuật toán giải số. Các nghiên cứu liên quan đến WVVIP và MOP sẽ đặc biệt quan tâm đến các định lý hội tụ và kỹ thuật hàm phạt mới.

• Chuyển đổi ngành công nghiệp (Industry transformation) với các lĩnh vực cụ thể:

  • Tối ưu hóa chuỗi cung ứng và logistics: Các thuật toán giải quyết các bài toán cân bằng mạng giao thông ([8], [47]), đặc biệt là khi miền ràng buộc phức tạp, có thể được áp dụng để tối ưu hóa tuyến đường, phân bổ tài nguyên và lập kế hoạch logistics trong các ngành vận tải và sản xuất.
  • Quản lý tài chính và kinh tế: Các bài toán cân bằng tài chính và cân bằng giá không gian ([41]) có thể được mô hình hóa và giải quyết hiệu quả hơn, giúp các tổ chức tài chính và các nhà kinh tế đưa ra các quyết định đầu tư và chiến lược giá tốt hơn.
  • Kỹ thuật và sản xuất: Ứng dụng trong "điều khiển phi cơ, các hệ thống cơ khí chính xác" (trang 4) và các bài toán tối ưu hóa đa mục tiêu trong thiết kế sản phẩm, tối ưu hóa quy trình sản xuất, và quản lý rủi ro. Việc cung cấp các thuật toán giải số hiệu quả có thể đẩy nhanh chu trình thiết kế và phát triển.

• Ảnh hưởng chính sách (Policy influence) với các cấp độ chính phủ:

  • Quy hoạch đô thị và giao thông: Các phương pháp giải quyết bài toán cân bằng mạng giao thông có thể cung cấp công cụ phân tích mạnh mẽ cho các cơ quan quy hoạch đô thị và giao thông vận tải cấp thành phố và quốc gia để thiết kế cơ sở hạ tầng, quản lý lưu lượng và giảm tắc nghẽn.
  • Chính sách môi trường: Mô hình hóa và giải quyết các "hệ thống môi trường" ([10], [25], [26]) có thể giúp các nhà hoạch định chính sách môi trường cấp quốc gia và quốc tế đưa ra các quyết định dựa trên dữ liệu về phân bổ tài nguyên, kiểm soát ô nhiễm và biến đổi khí hậu.
  • Quản lý tài nguyên: Áp dụng cho "các bài toán quản lý và hoạch định tài nguyên" (trang 4), các thuật toán này có thể hỗ trợ các bộ ngành liên quan đến nông nghiệp, năng lượng và nước trong việc đưa ra các chính sách bền vững và hiệu quả.

• Lợi ích xã hội được định lượng nếu có thể:

  • Cải thiện hiệu quả kinh tế: Bằng cách tối ưu hóa các hệ thống giao thông và chuỗi cung ứng, luận án có thể góp phần làm giảm chi phí vận hành và tăng hiệu quả kinh tế chung. Ví dụ, việc giảm thời gian tắc nghẽn giao thông có thể tiết kiệm hàng triệu giờ làm việc và nhiên liệu.
  • Ra quyết định bền vững hơn: Cung cấp các công cụ cho phép các nhà hoạch định chính sách đánh giá các tác động đa chiều của các quyết định, dẫn đến các chính sách công bằng và bền vững hơn về môi trường và xã hội.
  • Tiến bộ khoa học và công nghệ: Các phát triển trong toán học ứng dụng thường là nền tảng cho các đột phá công nghệ. Các thuật toán này có thể gián tiếp dẫn đến sự phát triển của các công nghệ mới trong AI, tối ưu hóa và mô phỏng.

• Mức độ liên quan quốc tế (International relevance) với hàm ý toàn cầu: Các bài toán bất đẳng thức biến phân, tối ưu vector và tối ưu đa mục tiêu là những thách thức toán học có tính toàn cầu, không giới hạn ở một quốc gia cụ thể. Các công trình tham khảo từ các nhà nghiên cứu quốc tế (Giannessi [16], Chen và Yang [6], Liu và Feng [34], Fukushima [15], Nash [28]) minh họa tính quốc tế của lĩnh vực này. Các giải pháp được đề xuất trong luận án có thể được áp dụng và kiểm chứng ở bất kỳ đâu trên thế giới nơi các mô hình cân bằng và tối ưu được sử dụng, từ các thành phố lớn ở châu Á đến các hệ thống tài chính ở châu Âu hay các mạng lưới logistics toàn cầu. Ví dụ, mô hình Nash ([28]) được sử dụng để minh họa thuật toán là một mô hình cân bằng kinh tế có ứng dụng quốc tế.

Đối tượng hưởng lợi

Nghiên cứu này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau trong giới học thuật, công nghiệp và chính sách.

• Nghiên cứu sinh tiến sĩ (Doctoral researchers):

  • Giải quyết các lỗ hổng nghiên cứu cụ thể: Luận án cung cấp các hướng dẫn rõ ràng về cách tiếp cận và giải quyết các lỗ hổng nghiên cứu đã được xác định (ví dụ: áp dụng hàm phạt cho WVVIP, cải thiện hội tụ MOP), mở ra các hướng đề tài luận án tiềm năng.
  • Nền tảng lý thuyết và phương pháp luận: Cung cấp một khung lý thuyết vững chắc và các kỹ thuật phương pháp luận tiên tiến để phân tích và giải quyết các bài toán tối ưu hóa phức tạp. Các định nghĩa mới như "D-bức trên K" và các kỹ thuật chứng minh hội tụ sẽ là tài liệu tham khảo giá trị.
  • Mô hình triển khai thuật toán: Các ví dụ minh họa về cách cài đặt "Thuật toán 3" bằng ngôn ngữ C và phân tích kết quả số cung cấp một mô hình thực tế cho việc triển khai và kiểm nghiệm các thuật toán mới.

• Giáo sư/nhà nghiên cứu cao cấp (Senior academics):

  • Tiến bộ lý thuyết: Các đóng góp vào lý thuyết hàm phạt (cho WVVIP và MOP) và sự kết hợp phương pháp (phạt-chiếu) là những tiến bộ quan trọng, mở rộng đường chân trời nghiên cứu trong tối ưu hóa và giải tích toán học.
  • Nguồn tài liệu giảng dạy: Luận án có thể được sử dụng làm tài liệu giảng dạy cho các khóa học cao cấp về tối ưu hóa, lý thuyết cân bằng, và giải số.
  • Cơ sở cho các đề xuất dự án: Các phát hiện và hướng nghiên cứu tương lai được đề xuất có thể là cơ sở để xây dựng các đề xuất dự án nghiên cứu mới, thu hút tài trợ và mở rộng hợp tác quốc tế.

• Bộ phận R&D công nghiệp (Industry R&D):

  • Ứng dụng thực tiễn: Các thuật toán được phát triển có thể được tích hợp vào các công cụ phần mềm hiện có để giải quyết các vấn đề tối ưu hóa và cân bằng trong các lĩnh vực như logistics, quản lý chuỗi cung ứng, tài chính, kỹ thuật, và năng lượng.
  • Cải thiện hiệu suất: Khả năng giải quyết các bài toán quy mô lớn với độ chính xác cao và thời gian hợp lý (ví dụ: $n=50$ trong 420 giây) có thể dẫn đến việc cải thiện hiệu suất vận hành và giảm chi phí cho các doanh nghiệp.
  • Phát triển sản phẩm mới: Các phương pháp mới có thể hỗ trợ việc thiết kế và phát triển các sản phẩm và dịch vụ sáng tạo yêu cầu tối ưu hóa đa mục tiêu phức tạp.

• Các nhà hoạch định chính sách (Policy makers):

  • Khuyến nghị dựa trên bằng chứng: Luận án cung cấp một khung phân tích mạnh mẽ để đưa ra các khuyến nghị chính sách dựa trên bằng chứng khoa học, đặc biệt trong các lĩnh vực như quy hoạch giao thông, quản lý tài nguyên và chính sách môi trường.
  • Mô hình hóa và dự báo: Các công cụ này có thể được sử dụng để xây dựng các mô hình dự báo và đánh giá tác động của các chính sách khác nhau trước khi triển khai, từ đó tối ưu hóa kết quả chính sách.
  • Hiểu biết sâu sắc hơn: Giúp các nhà hoạch định chính sách hiểu rõ hơn về động lực của các hệ thống cân bằng và tối ưu, cho phép họ đưa ra các quyết định có hiệu lực và bền vững hơn.

• Định lượng lợi ích nơi có thể:

  • Đối với ngành công nghiệp, việc giảm thời gian tính toán cho các bài toán tối ưu hóa lớn từ hàng giờ xuống vài phút hoặc vài giây (như các bảng dữ liệu đã chỉ ra, trang 31) có thể chuyển thành hàng triệu đô la tiết kiệm chi phí vận hành và tăng năng suất.
  • Trong lĩnh vực nghiên cứu, việc mở ra các hướng nghiên cứu mới và cung cấp các công cụ giải quyết WVVIP có thể thúc đẩy hàng trăm công trình khoa học tiếp theo, tạo ra giá trị tri thức ước tính hàng triệu đô la tài trợ nghiên cứu.
  • Đối với chính sách công, việc tối ưu hóa mạng lưới giao thông có thể giảm thời gian di chuyển của người dân và hàng hóa, ước tính tiết kiệm hàng tỷ đô la cho nền kinh tế quốc gia hàng năm.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất là việc mở rộng và điều chỉnh lý thuyết hàm phạt để áp dụng thành công cho bài toán bất đẳng thức biến phân vector yếu (WVVIP). Trước nghiên cứu này, "chưa có bất cứ công trình nào nghiên cứu áp dụng phương pháp này cho bài toán bất đẳng thức biến phân vector yếu mà chúng tôi được biết" (trang 3). Luận án đã làm điều này bằng cách giới thiệu khái niệm D-bức trên K (trang 40) cho ánh xạ $F$ và thay đổi vị trí của tham số phạt khi xây dựng bài toán phạt (trang 6). Điều kiện D-bức trên K, kết hợp với các tính chất liên tục và đơn điệu của $F$, đã đảm bảo sự tồn tại nghiệm cho các bài toán phạt WVVIP(K, F(t)) (Bổ đề 2.3) và thiết lập các định lý hội tụ chặt chẽ (Định lý 2.5, Định lý 2.6) khi $t \to +\infty$. Sự đổi mới này không chỉ lấp đầy một lỗ hổng nghiên cứu quan trọng mà còn cung cấp một nền tảng vững chắc cho các ứng dụng giải số của WVVIP trong tương lai.

2. Đổi mới phương pháp luận (so sánh với 2+ nghiên cứu trước đây): Đổi mới phương pháp luận chính là việc phát triển Thuật toán 3, một phương pháp kết hợp phạt-chiếu (Penalty-Projection Hybrid Method) cho bài toán bất đẳng thức biến phân dạng thường (VIP).

   • So sánh với M. Fukushima [15] (Nhật Bản): Fukushima và các đồng nghiệp đã phát triển "phương pháp chiếu hai lần" (two-step projection method), vốn rất hiệu quả cho VIP khi phép chiếu lên miền ràng buộc D là dễ tính toán. Tuy nhiên, luận án chỉ ra rằng "trở ngại chính trong phương pháp này là việc tính toán hình chiếu lên một tập lồi bất kỳ không hề đơn giản" (trang 11) khi D không có hình dạng đặc biệt.
   • So sánh với L. D. Mưu [38] (Việt Nam) và B. F. Svaiter [51] (Brazil): Các công trình này đã nghiên cứu phương pháp hàm phạt để chuyển bài toán VIP ràng buộc phức tạp thành một dãy các bài toán không ràng buộc hoặc ràng buộc đơn giản hơn. Tuy nhiên, các công trình này không tập trung vào việc tích hợp trực tiếp với phương pháp chiếu để giải từng bài toán phạt.
   • Đổi mới: Thuật toán 3 của luận án tích hợp cả hai: "trước hết dùng phương pháp hàm phạt để đưa nó về một dãy các bài toán trên một miền K bao D, sau đó dùng phương pháp chiếu để giải mỗi bài toán trên K" (trang 12). Cụ thể, nó sử dụng hàm phạt để đơn giản hóa miền ràng buộc từ D sang K (ví dụ: hình hộp, hình cầu, không gian con), nơi "việc tính toán hình chiếu của một điểm lên K là dễ dàng" (trang 12), sau đó áp dụng phương pháp chiếu hai lần của Fukushima [15] để giải các bài toán phạt trên K. Sự kết hợp này là độc đáo vì nó không chỉ giải quyết hiệu quả VIP trên các miền ràng buộc phức tạp mà còn được chứng minh là hội tụ (Định lý 1.13, trang 24), đồng thời được triển khai và minh họa hiệu suất số với C language (Bảng I & II, trang 31) cho các bài toán có $n$ lên tới 50.

3. Phát hiện đáng ngạc nhiên nhất (với dữ liệu hỗ trợ): Phát hiện đáng ngạc nhiên nhất là việc thuật toán có thể tìm thấy nghiệm của bài toán bất đẳng thức biến phân ngay từ vòng lặp đầu tiên của thuật toán phạt, trong trường hợp Ví dụ 1.3 (trang 34).

   • Dữ liệu hỗ trợ: "Dùng Thuật toán 3, với độ chính xác (của thuật toán chiếu) $10^{-12}$, $t_0 = 1$, ngay từ vòng lặp đầu tiên (của thuật toán phạt), với kết quả lấy đến 9 chữ số thập phân, ta được kết quả $(0,0)^T$." (trang 34). Thêm vào đó, "Chương trình chạy tới vòng lặp thứ 1000 chỉ sau 3 giây" (trang 34) mà nghiệm vẫn là $(0,0)^T$ (đúng đến 10 hoặc 11 chữ số thập phân).
   • Giải thích: Điều này được giải thích bởi đặc tính của hàm phạt được chọn. "Do $\nabla P \equiv 0$ trên D (P chọn theo (1.4)), nên nếu nghiệm của VIP(K, f(t)) nằm trong D thì đó cũng là nghiệm của bài toán ban đầu VIP(D, f)" (trang 34). Vì nghiệm của bài toán ban đầu $(0,0)^T$ nằm trong miền ràng buộc D và cũng là nghiệm của bài toán phạt ứng với $t_0=1$, thuật toán đã tìm ra nó ngay lập tức. Đây là một kết quả thú vị vì nó cho thấy rằng trong những điều kiện nhất định, các phương pháp hàm phạt có thể cung cấp nghiệm chính xác mà không cần tham số phạt tiến ra vô cùng.

4. Giao thức tái tạo được cung cấp? Có, luận án đã cung cấp một giao thức đủ chi tiết để tái tạo lại các kết quả lý thuyết và số học.

   • Đối với các kết quả lý thuyết: Các định nghĩa, mệnh đề, bổ đề và định lý được trình bày với các chứng minh toán học chặt chẽ. Các giả thiết rõ ràng được nêu (ví dụ: tính lồi, đóng, đơn điệu, liên tục Lipschitz) cùng với các tham chiếu đến các công trình cơ sở (ví dụ: [15], [38]). Bất kỳ nhà toán học nào cũng có thể kiểm tra tính đúng đắn của các chứng minh này.
   • Đối với các kết quả số học:
     • Thuật toán: "Thuật toán 3" được mô tả chi tiết, bao gồm các bước khởi tạo ($t_0 > 0, \epsilon_k > 0, \lambda > 0, \eta \in (0; 1/L_{t_k}), y^0 \in K$), các vòng lặp, và điều kiện dừng (trang 23-24).
     • Hàm phạt và miền ràng buộc: Cách xây dựng hàm phạt P (ví dụ: công thức (1.4), (2.3)) và định nghĩa miền ràng buộc D, K được mô tả rõ ràng (trang 19-20, 32-33).
     • Ánh xạ f/F: Các hàm $f$ và $F$ được sử dụng trong ví dụ minh họa được cung cấp đầy đủ (ví dụ: mô hình Nash [28], các hàm $f$ và $F$ cụ thể ở Ví dụ 1.3, 1.4, 2.2).
     • Tham số: Các tham số như hằng số Lipschitz ($L$, $l_t$, $L_t$), độ chính xác ($\epsilon=10^{-6}, 10^{-12}$), giá trị khởi tạo ($t_0=1, x^{(0)}=(1,1)^T$), và khoảng giá trị ngẫu nhiên cho các hằng số ($\alpha_i, \beta_i, \gamma_i \in [0,10]$) đều được chỉ rõ (trang 26-34).
     • Phần mềm: "Chúng tôi đã cài đặt Thuật toán 3 dùng ngôn ngữ C" (trang 31). Những chi tiết này cho phép một nhà nghiên cứu khác với kiến thức tương đương về toán học và lập trình có thể tái tạo lại các thí nghiệm và kết quả số đã báo cáo.

5. Chương trình nghiên cứu 10 năm được vạch ra? Mặc dù không có một phần riêng biệt với tiêu đề "Chương trình nghiên cứu 10 năm," luận án đã vạch ra một chương trình nghiên cứu tương lai rõ ràng và cụ thể trong phần "Limitations và Future Research" (trang 62). Các hướng này đủ sâu rộng để tạo thành một lộ trình nghiên cứu trong thập kỷ tới:

   1. Mở rộng không gian: "Mở rộng các kết quả này sang không gian vô hạn chiều" (trang 62).
   2. Nới lỏng giả thiết: "Nới lỏng các giả thiết này (ví dụ: sang giả đơn điệu yếu, nửa liên tục trên)" (trang 62).
   3. Áp dụng cho các lớp bài toán khác: "Mở rộng phương pháp hàm phạt cho các bài toán bất đẳng thức biến phân biến đổi (generalized variational inequalities), bất đẳng thức cân bằng (equilibrium problems), hoặc các bài toán tối ưu vector cấp cao hơn" (trang 62).
   4. Phát triển hàm phạt và kỹ thuật chiếu mới: "Nghiên cứu các dạng hàm phạt khác (ví dụ: hàm phạt chính xác, hàm phạt không khả vi)" và "Nghiên cứu các phương pháp tính hình chiếu lên các miền phức tạp hơn mà không yêu cầu công thức hiển" (trang 62).
   5. Tối ưu hóa tham số và hiệu suất: "Nghiên cứu các chiến lược tối ưu để chọn tham số phạt $t_k$ và độ dài bước $\eta$ động, nhằm cải thiện tốc độ hội tụ và hiệu suất tổng thể của thuật toán" (trang 62).
   6. Tính toán song song/phân tán: Khám phá "khả năng tối ưu hóa hiệu suất của thuật toán trên các kiến trúc máy tính hiện đại" (trang 62).

Các hướng này thể hiện một tầm nhìn dài hạn, bao gồm cả mở rộng lý thuyết, cải tiến phương pháp luận, và khám phá các ứng dụng mới, đủ để định hình một chương trình nghiên cứu khoa học trong 10 năm tiếp theo.

Kết luận

Luận án này đã hoàn thành một nghiên cứu sâu rộng và có ảnh hưởng về phương pháp hàm phạt trong bối cảnh các bài toán bất đẳng thức biến phân và tối ưu đa mục tiêu, đưa ra nhiều đóng góp cụ thể và có ý nghĩa:

1. Phát triển thuật toán kết hợp phạt-chiếu hiệu quả: "Thuật toán 3" được đề xuất thành công, tích hợp phương pháp hàm phạt và phương pháp chiếu để giải bài toán bất đẳng thức biến phân VIP(D,f) trên các miền ràng buộc phức tạp. Thuật toán này đã được chứng minh là hiệu quả qua các minh họa số với C language, có khả năng giải quyết các bài toán có số chiều $n$ lên đến 50 trong thời gian hợp lý (tối đa 420 giây) với độ chính xác cao ($10^{-6}$).
2. Tiên phong áp dụng hàm phạt cho WVVIP: Luận án là công trình đầu tiên áp dụng phương pháp hàm phạt cho bài toán bất đẳng thức biến phân vector yếu (WVVIP), một lỗ hổng nghiên cứu quan trọng đã được thừa nhận. Nghiên cứu đã thiết lập các định nghĩa mới như điều kiện "D-bức trên K" và chứng minh các định lý về sự tồn tại và hội tụ nghiệm cho các bài toán phạt WVVIP.
3. Cải thiện điều kiện hội tụ cho MOP: Luận án đã thành công trong việc khắc phục điểm bất lợi của các nghiên cứu trước đó (ví dụ: Liu và Feng [34]) bằng cách sử dụng hàm phạt ngoài và chứng minh các định lý hội tụ chặt chẽ hơn cho bài toán tối ưu đa mục tiêu (MOP), đảm bảo rằng điểm giới hạn của dãy nghiệm Pareto yếu của các bài toán phạt là nghiệm của bài toán ban đầu mà không cần giả thiết nó nằm trong miền ràng buộc ban đầu.
4. Phát triển khung phân tích lý thuyết vững chắc: Luận án đã xây dựng một khung lý thuyết toàn diện, tích hợp sâu sắc các lý thuyết về hàm phạt, phép chiếu, và ánh xạ đơn điệu/liên tục Lipschitz, được củng cố bằng một loạt các mệnh đề, bổ đề và định lý được chứng minh chặt chẽ.
5. Minh họa tính mạnh mẽ và ứng dụng thực tiễn: Nghiên cứu đã minh họa tính hiệu quả và mạnh mẽ của các thuật toán thông qua các ví dụ cụ thể, bao gồm mô hình Nash [28] và các bài toán 2 chiều, cho thấy khả năng ứng phó với cả những trường hợp bài toán không có nghiệm trên miền ràng buộc.
6. Mở ra các hướng nghiên cứu mới: Nghiên cứu đã xác định rõ ràng các giới hạn và đề xuất một chương trình nghiên cứu phong phú cho tương lai, bao gồm mở rộng sang không gian vô hạn chiều, nới lỏng giả thiết về ánh xạ, và khám phá các dạng hàm phạt/phép chiếu mới.

Nghiên cứu này đại diện cho một sự tiến bộ trong mô hình (paradigm advancement) trong lĩnh vực tối ưu hóa bằng cách thúc đẩy sự tích hợp các phương pháp giải số. Thay vì tìm kiếm một phương pháp duy nhất tối ưu, luận án chứng minh giá trị của việc kết hợp các kỹ thuật mạnh mẽ để khắc phục các hạn chế riêng lẻ, tạo ra một giải pháp toàn diện và linh hoạt hơn. Bằng chứng từ hiệu suất tính toán và sự chặt chẽ của các chứng minh lý thuyết hỗ trợ vững chắc cho sự thay đổi này.

Các đóng góp của luận án đã mở ra ít nhất ba dòng nghiên cứu mới:

1. Nghiên cứu sâu hơn về phương pháp kết hợp phạt-chiếu: Khuyến khích phát triển và ứng dụng các thuật toán kết hợp tương tự cho các lớp bài toán tối ưu hóa khác ngoài bất đẳng thức biến phân dạng thường.
2. Lý thuyết và ứng dụng của hàm phạt cho các bài toán vector/đa mục tiêu: Mở rộng nghiên cứu về hàm phạt để giải quyết các bài toán vector và đa mục tiêu phức tạp hơn, bao gồm việc khám phá các loại hàm phạt khác và điều kiện hội tụ tương ứng.
3. Nghiên cứu về điều kiện D-bức và các điều kiện bức tổng quát: Thúc đẩy nghiên cứu về các điều kiện bức tương tự hoặc tổng quát hơn để đảm bảo sự tồn tại nghiệm trong các bài toán biến phân và tối ưu phức tạp.

Với sự tham khảo của các công trình quốc tế từ các nhà nghiên cứu như Giannessi [16], Chen và Yang [6], Liu và Feng [34], Fukushima [15], và Nash [28], các đóng góp của luận án mang tầm quan trọng toàn cầu. Các bài toán cân bằng và tối ưu là những thách thức chung trong nhiều ngành khoa học và kỹ thuật trên khắp thế giới. Khả năng giải quyết các bài toán này một cách hiệu quả có thể mang lại những kết quả đo lường được, như việc tiết kiệm chi phí vận hành trong logistics, tối ưu hóa quy hoạch đô thị, và cải thiện quá trình ra quyết định trong các chính sách tài chính và môi trường ở cấp độ quốc tế. Luận án này đặt nền móng cho những đổi mới trong tương lai và khẳng định vị thế của nghiên cứu Việt Nam trong lĩnh vực toán học ứng dụng toàn cầu.