Tổng quan về luận án

Nghiên cứu của tác giả Trần Việt Anh với đề tài "Phương pháp giải bất đẳng thức biến phân trên tập nghiệm của bài toán chấp nhận tách suy rộng" (Chuyên ngành: Toán giải tích, Mã số: 62460102, bảo vệ năm 2018 tại Trường Đại học Khoa học Tự nhiên – Đại học Quốc gia Hà Nội dưới sự hướng dẫn của GS. Lê Dũng Mưu và PGS. Nguyễn Hữu Điển) đánh dấu một bước tiến đột phá trong lý thuyết giải tích phi tuyến và tối ưu hóa hiện đại. Bối cảnh khoa học của luận án xuất phát từ sự giao thoa giữa lý thuyết toán tử đơn điệu, giải tích lồi và các bài toán phân rã ứng dụng trong y học bức xạ và xử lý tín hiệu.

Trong thực tế tính toán, nhiều bài toán kỹ thuật hiện đại – điển hình như mô hình xạ trị điều chỉnh cường độ (Intensity-Modulated Radiation Therapy - IMRT) và khôi phục ảnh số – đòi hỏi việc "tìm nghiệm của một bài toán trong không gian này sao cho ảnh của nó qua một toán tử tuyến tính bị chặn là nghiệm của một bài toán trong không gian khác". Tuy nhiên, khoảng trống nghiên cứu then chốt (research gap) nằm ở chỗ: phần lớn các công trình kinh điển chỉ giải quyết bài toán chấp nhận tách (Split Feasibility Problem - SFP) trên các tập lồi đóng $C, Q$ cho trước tường minh bằng các thuật toán chiếu như CQ của Charles Byrne (2002). Khi các tập ràng buộc được cho dưới dạng ẩn (như tập điểm bất động $\text{Fix}(T)$, tập nghiệm bất đẳng thức biến phân $\text{Sol}(C, F)$, hay tập nghiệm bài toán cân bằng $\text{Sol}(C, f)$), các phép chiếu trực tiếp không thể thực hiện được. Luận án giải quyết triệt để bài toán bất đẳng thức biến phân hai cấp và bất đẳng thức biến phân trên tập nghiệm của bài toán chấp nhận tách suy rộng (GSFP) trong không gian Hilbert vô hạn chiều.

Các câu hỏi nghiên cứu và giả thuyết khoa học được xác lập tường minh:

  1. RQ1: Làm thế nào để thiết lập thuật toán lặp hội tụ mạnh giải bài toán bất đẳng thức biến phân trên tập điểm bất động tách mà không cần giả thiết về tính compact của tập ràng buộc?
    • H1: Phép kết hợp giữa kỹ thuật lặp Krasnoselskii-Mann và phương pháp chiếu hiệu chỉnh với các tham số bước lặp thỏa mãn điều kiện phân kỳ thích hợp sẽ đảm bảo tính hội tụ mạnh.
  2. RQ2: Làm thế nào để giảm thiểu chi phí tính toán khi giải bài toán bất đẳng thức biến phân hai cấp với bài toán cấp dưới là giả đơn điệu?
    • H2: Việc thay thế phép chiếu thứ hai lên tập lồi $C$ bằng phép chiếu lên nửa không gian đóng chứa $C$ (phương pháp dưới đạo hàm tăng cường) sẽ loại bỏ đòi hỏi tính toán phức tạp của phép chiếu kép.
  3. RQ3: Liệu có thể xây dựng một toán tử tựa không giãn từ một song hàm cân bằng giả đơn điệu thỏa mãn nguyên lý bán đóng để giải bài toán cân bằng tách?
    • H3: Bằng cách sử dụng song hàm hiệu chỉnh kiểu Lipschitz, ta có thể xây dựng ánh xạ $T_f$ có tập điểm bất động trùng với tập nghiệm $\text{Sol}(C, f)$ và bảo toàn tính bán đóng.

Khung lý thuyết của luận án được xây dựng dựa trên sự tích hợp của Giải tích hàm phi tuyến, Lý thuyết điểm bất động không giãn, Bất đẳng thức biến phân theo nghĩa Hartman-Stampacchia và Lý thuyết cân bằng Ky Fan - Blum - Oettli. Phạm vi nghiên cứu bao quát không gian Hilbert thực vô hạn chiều $H_1, H_2$, toán tử tuyến tính bị chặn $A: H_1 \to H_2$, và các lớp toán tử từ đơn điệu mạnh, đơn điệu mạnh ngược đến giả đơn điệu và liên tục Lipschitz. Đóng góp đột phá của công trình được chứng minh qua 6 bài báo quốc tế thuộc danh mục ISI/SCOPUS và các thử nghiệm số định lượng trên môi trường MATLAB.

Literature Review và Positioning

Lý thuyết bất đẳng thức biến phân (Variational Inequality Problem - VIP) được khởi xướng từ công trình nền tảng năm 1966 của Philip Hartman và Guido Stampacchia: "Tìm $x^ \in C$ sao cho $\langle F(x^), x - x^ \rangle \geq 0, \forall x \in C$"*. Mô hình này sau đó được phát triển toàn diện trong không gian vô hạn chiều bởi David Kinderlehrer và Guido Stampacchia (1980), cũng như Claudio Baiocchi và Antonio Capelo (1984). Để tìm nghiệm của VIP, Alan A. Levitin và Boris T. Polyak (1966) đề xuất phương pháp đạo hàm chiếu (Gradient Projection Method). Tuy nhiên, phương pháp này đòi hỏi toán tử $F$ phải đơn điệu mạnh hoặc đơn điệu mạnh ngược. Để vượt qua rào cản này, phương pháp đạo hàm tăng cường (Extragradient Method) ra đời nhưng lại đòi hỏi hai phép chiếu lên tập ràng buộc $C$ trong mỗi bước lặp, gây tốn kém tài nguyên tính toán nghiêm trọng khi $C$ có cấu trúc phức tạp.

Song song với VIP, bài toán chấp nhận tách (SFP) được Yair Censor và Tommy Elfving giới thiệu lần đầu tiên vào năm 1994 trong không gian hữu hạn chiều nhằm mô hình hóa bài toán khôi phục ảnh. Đến năm 2002, Charles Byrne đề xuất thuật toán CQ nổi tiếng: $$x^{k+1} = P_C(x^k + \gamma A^T (P_Q - I)Ax^k)$$ với $\gamma \in (0, 2/L)$ trong đó $L$ là giá trị riêng lớn nhất của ma trận $A^T A$. Hong-Kun Xu (2010) đã mở rộng thuật toán CQ sang không gian Hilbert vô hạn chiều nhưng dãy lặp chỉ đạt được sự hội tụ yếu.

                  TIẾN TRÌNH PHÁT TRIỂN LÝ THUYẾT
                  
Hartman & Stampacchia (1966) ──> Censor & Elfving (1994) ──> Byrne (2002) [Thuật toán CQ]
      │                                                            │
      ▼                                                            ▼
Lê Dũng Mưu & Oettli (1992) ──> Combettes & Hirstoaga (2005) ─> Hong-Kun Xu (2010)
      │                                                            │
      ▼                                                            ▼
Censor et al. (2011) [Dưới đạo hàm tăng cường] ───────────────> Lu-Chuan Ceng et al. (2012)
                                                                   │
                                                                   ▼
                                                       LUẬN ÁN TRẦN VIỆT ANH (2018)
                                                       [Hội tụ mạnh cho GSFP & VIP hai cấp]

Hai luồng quan điểm và tranh luận học thuật chính tồn tại trong y văn:

  • Tranh luận 1 (Hội tụ mạnh vs. Hội tụ yếu): Thuật toán CQ cổ điển của Byrne (2002) và mở rộng của Xu (2010) chỉ đảm bảo hội tụ yếu trong không gian vô hạn chiều. Trong các bài toán cơ học lượng tử hay tối ưu hóa vô hạn chiều, hội tụ yếu không bảo toàn chuẩn năng lượng. Dù Lu-Chuan Ceng et al. (2012) đã đưa ra thuật toán tìm nghiệm có chuẩn nhỏ nhất hội tụ mạnh, thuật toán này vẫn bị giới hạn ở toán tử gradient đơn giản và cấu trúc tập lồi tường minh.
  • Tranh luận 2 (Hiệu năng chiếu kép vs. Chiếu nửa không gian): Phương pháp Extragradient truyền thống yêu cầu 2 lần chiếu trên $C$. Năm 2011, Yair Censor và cộng sự đề xuất phương pháp dưới đạo hàm tăng cường (Subgradient Extragradient), thay phép chiếu thứ hai bằng phép chiếu trên nửa không gian $T_k = {\omega \in H: \langle x^k - \tau F(x^k) - y^k, \omega - y^k \rangle \leq 0}$. Rapeepan Kraikaew và Satit Saejung (2014) kết hợp phương pháp này với dãy lặp Halpern nhưng chỉ áp dụng cho một bài toán VIP đơn lẻ.

Luận án của Trần Việt Anh định vị chính xác tại giao điểm đột phá: Mở rộng bài toán chấp nhận tách sang dạng chấp nhận tách suy rộng (ràng buộc là tập điểm bất động tách, bất đẳng thức biến phân tách, bài toán cân bằng tách, và bài toán chấp nhận tách đa tập hợp), đồng thời giải quyết bài toán biến phân hai cấp (Bilevel VIP) với toán tử cấp dưới giả đơn điệu mà không cần biết trước chuẩn $|A|$, vượt trội hơn hẳn các công trình quốc tế của Byrne (2002), Lu-Chuan Ceng et al. (2012) và Nguyễn Bường (2013).

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và hoàn thiện hệ thống lý thuyết của Eugen Blum và Werner Oettli (1994), Patrick Louis Combettes và Sever Adrian Hirstoaga (2005) thông qua các mệnh đề và định lý cốt lõi:

  1. Xây dựng toán tử tựa không giãn $T_f$ thỏa mãn nguyên lý bán đóng (Demiclosed Principle): Với song hàm cân bằng $f: H \times H \to \mathbb{R} \cup {+\infty}$ thỏa mãn tính giả đơn điệu và điều kiện kiểu Lipschitz với hằng số $c_1, c_2 > 0$, tác giả xây dựng ánh xạ $T_f: C \to C$: $$T_f(x) := \arg\min \left{ \lambda f(s(x), y) + \frac{1}{2}|y - x|^2 : y \in C \right}$$ với $s(x) := \arg\min \left{ \lambda f(x, y) + \frac{1}{2}|y - x|^2 : y \in C \right}$ và $0 < \lambda < \min{\frac{1}{2c_1}, \frac{1}{2c_2}}$. Luận án chứng minh chặt chẽ rằng $\text{Fix}(T_f) = \text{Sol}(C, f)$ và $T_f$ thỏa mãn nguyên lý bán đóng: nếu $x_n \rightharpoonup x$ và $|T_f(x_n) - x_n| \to 0$ thì $x \in \text{Fix}(T_f)$. Đây là kết quả lý thuyết mới giải quyết khiếm khuyết trong các nghiên cứu trước đó vốn chỉ chứng minh được tính tựa không giãn mà bỏ qua tính bán đóng.

  2. Thiết lập định lý hội tụ mạnh tổng quát cho bài toán điểm bất động tách (SFPP): Chứng minh rằng dãy lặp kết hợp giữa phương pháp chiếu đạo hàm thu hẹp và kỹ thuật lặp Krasnoselskii-Mann hội tụ mạnh tới nghiệm duy nhất $x^* \in \Omega$ của bài toán: $$\text{Tìm } x^* \in \Omega \text{ sao cho } \langle F(x^), x - x^ \rangle \geq 0, \quad \forall x \in \Omega = {x \in \text{Fix}(T) : Ax \in \text{Fix}(S)}$$ với $F$ là toán tử $\beta$-đơn điệu mạnh và $L$-liên tục Lipschitz.

                    MÔ HÌNH TOÁN TỬ HAI CẤP (BILEVEL VIP)
                    
┌────────────────────────────────────────────────────────────────────────┐
│                        BÀI TOÁN CẤP TRÊN                               │
│        Tìm x* ∈ Ω sao cho ⟨F(x*), x - x*⟩ ≥ 0, ∀x ∈ Ω                 │
│        (F: β-đơn điệu mạnh, L-liên tục Lipschitz)                     │
└───────────────────────────────────┬────────────────────────────────────┘
                                    │ Ràng buộc không gian nghiệm (Ω)
                                    ▼
┌────────────────────────────────────────────────────────────────────────┐
│                        BÀI TOÁN CẤP DƯỚI (GSFP)                        │
│   ┌───────────────────────────────┬────────────────────────────────┐   │
│   │     Không gian Hilbert H1     │     Không gian Hilbert H2      │   │
│   │  Tập nghiệm VIP / EP / Fix(T) │  Tập nghiệm VIP / EP / Fix(S)  │   │
│   │             x* ∈ C            │             Ax* ∈ Q            │   │
│   └───────────────────────────────┴────────────────────────────────┘   │
│                      Toán tử chuyển tiếp A: H1 ──> H2                  │
└────────────────────────────────────────────────────────────────────────┘

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên hoàn 4 trụ cột lý thuyết toán học cao cấp:

  • Lý thuyết tối ưu hóa phân rã (Split Optimization Theory): Sử dụng toán tử chuyển tiếp $A$ và toán tử liên hợp $A^*$ để liên kết hai bài toán biến phân độc lập giữa hai không gian Hilbert $H_1$ và $H_2$.
  • Lý thuyết ánh xạ co metric và nửa không gian phân tách: Kết hợp phép chiếu vuông góc $P_C$ với các lát cắt nửa không gian $T_k$ để giải phóng việc tính toán hình chiếu trên các tập lồi phức tạp.
  • Kỹ thuật lặp đa tầng (Multi-step Iterative Scheme): Xây dựng dãy 4 tầng biến phụ ($u^k \to y^k \to z^k \to x^{k+1}$), đan xen các hệ số điều tiết bước nhảy ${\alpha_k}, {\lambda_k}, {\delta}, {\mu}$.

Các điều kiện biên (boundary conditions) được xác định rõ ràng: Toán tử $F$ cấp trên phải thỏa mãn tính $\beta$-đơn điệu mạnh với tham số điều chỉnh bước lặp $\mu \in (0, 2\beta/L^2)$, đảm bảo tính co ngặt của ánh xạ phụ trợ.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ chặt chẽ thế giới quan duy lý thực chứng toán học (Mathematical Positivism & Deductive Paradigm), sử dụng các công cụ phân tích hàm vô hạn chiều và giải tích lồi giải tích. Không gian nghiên cứu bao gồm:

  • Không gian nền: Không gian Hilbert thực $H_1, H_2$ trang bị tích vô hướng $\langle \cdot, \cdot \rangle$ và chuẩn tương ứng $|\cdot|$.
  • Toán tử liên kết: Toán tử tuyến tính bị chặn $A: H_1 \to H_2$ với toán tử liên hợp $A^: H_2 \to H_1$ thỏa mãn $|A^| = |A|$.
  • Tập ràng buộc: Các tập lồi đóng khác rỗng $C \subset H_1, Q \subset H_2$.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu xây dựng thuật toán gồm các giao thức lặp chính xác và chuỗi bổ đề bổ trợ:

                  SƠ ĐỒ THUẬT TOÁN ĐIỂM BẤT ĐỘNG TÁCH
                  
     Điểm xuất phát: x^k ∈ C
            │
            ▼
     [Bước 1] u^k = P_Q(Ax^k) ──────────────> Chiếu lên tập Q ⊂ H2
            │
            ▼
     [Bước 2] y^k = P_C(x^k + δ A*(Su^k - Ax^k)) ─> Phản hồi sai số qua A*
            │
            ▼
     [Bước 3] z^k = P_C(y^k - λ_k μ F(y^k)) ─────> Bước giảm Gradient thu hẹp
            │
            ▼
     [Bước 4] x^{k+1} = α_k x^k + (1 - α_k) T(z^k) ──> Lặp Krasnoselskii-Mann

Các tham số thuật toán được kiểm soát bởi hệ điều kiện hội tụ nghiêm ngặt:

  • Bước nhảy liên kết: $\delta \in \left(0, \frac{1}{|A|^2 + 1}\right)$.
  • Bước nhảy đơn điệu mạnh: $0 < \mu < \frac{2\beta}{L^2}$.
  • Dãy tham số điều khiển ${\lambda_k} \subset (0, 1)$ thỏa mãn: $\lim_{k\to\infty} \lambda_k = 0$ và $\sum_{k=0}^{\infty} \lambda_k (1 - \alpha_k) = \infty$.
  • Dãy tham số hồi quy ${\alpha_k} \subset (0, 1)$ thỏa mãn: $\lim_{k\to\infty} \alpha_k = \alpha \in (0, 1)$.

Hệ thống chứng minh hội tụ sử dụng các công cụ giải tích toán học cốt lõi: Bổ đề Opial trong không gian Hilbert, Định lý Moreau-Rockafellar về dưới vi phân của tổng hai hàm lồi $\partial(f_1 + f_2)(x) = \partial f_1(x) + \partial f_2(x)$, và Bổ đề dãy số thực không âm Maingé (2008).

Data và phân tích thử nghiệm số

Các thuật toán đề xuất được lập trình và thử nghiệm số độc lập trên môi trường máy tính với cấu hình phần cứng và phần mềm chuẩn tắc:

  • Phần mềm: MATLAB R2012a.
  • Phần cứng: Laptop Intel(R) Core(TM) i3-3217U CPU @ 1.80GHz, 2 GB RAM.
  • Tiêu chuẩn dừng: $|x^{k+1} - x^k| < \varepsilon$ với các mức sai số kiểm tra từ $\varepsilon = 10^{-3}$ đến $\varepsilon = 10^{-6}$.

Dữ liệu thử nghiệm số được kiểm tra qua các ma trận kích thước từ $n = 10, m = 10$ đến $n = 500, m = 500$, đo lường thời gian chạy CPU (tính bằng giây) và số bước lặp ($k$) tương ứng. Kết quả số được đối chiếu trực tiếp với nghiệm giải tích chính xác để đánh giá sai số tuyệt đối và tốc độ hội tụ thực tế.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Phát hiện 1 (Tính giải được của VIP trên tập nghiệm SFPP): Thuật toán lặp 4 bước xác lập dãy ${x^k}$ hội tụ mạnh về nghiệm duy nhất của bài toán $VIP(\Omega, F)$. Bằng chứng giải tích qua Bổ đề Opial chứng minh dãy con ${y^{k_i}}$ hội tụ yếu về $y \in \Omega$, từ đó kéo theo $\lim_{k\to\infty} |x^k - x^*| = 0$.
  2. Phát hiện 2 (Tối ưu hóa hiệu năng tính toán qua nửa không gian): Việc ứng dụng phương pháp dưới đạo hàm tăng cường giải VIP hai cấp (Chương 3) cho phép giải bài toán cấp dưới giả đơn điệu mà chỉ cần thực hiện đúng 1 phép chiếu trên tập $C$ và 1 phép chiếu trên nửa không gian $T_k$. Bằng chứng số trên MATLAB cho thấy thời gian thực thi CPU giảm từ 35% đến 50% so với phương pháp Extragradient hai lần chiếu trên tập lồi tổng quát.
  3. Phát hiện 3 (Giải thuật đầu tiên cho bài toán cân bằng tách giả đơn điệu): Đề xuất thành công thuật toán tìm nghiệm có chuẩn nhỏ nhất của bài toán cân bằng tách (SEP) với song hàm $f, g$ giả đơn điệu thỏa mãn điều kiện kiểu Lipschitz: $$f(x, y) + f(y, z) \geq f(x, z) - c_1|x - y|^2 - c_2|y - z|^2$$ Đây là thuật toán đầu tiên trên thế giới giải quyết được lớp bài toán này mà không đòi hỏi tính đơn điệu chuẩn của song hàm.
  4. Phát hiện 4 (Tổng quát hóa bài toán chấp nhận tách đa tập hợp - MSSFP): Thuật toán song song kết hợp CQ giải bất đẳng thức biến phân trên giao của $M$ tập lồi $C_i \subset H_1$ và ảnh qua $A$ rơi vào giao của $N$ tập lồi $Q_j \subset H_2$ đạt tốc độ hội tụ nhanh hơn thuật toán của GS. Nguyễn Bường (2013).
          SO SÁNH HIỆU NĂNG TÍNH TOÁN VÀ ĐẶC TÍNH THUẬT TOÁN
          
┌─────────────────────────┬───────────────────┬──────────────────┬────────────────────┐
│ Thuật toán              │ Lớp bài toán      │ Loại hội tụ      │ Chi phí chiếu / lặp│
├─────────────────────────┼───────────────────┼──────────────────┼────────────────────┤
│ Byrne CQ (2002)         │ SFP cổ điển       │ Hội tụ yếu       │ 1 lên C, 1 lên Q   │
│ Lu-Chuan Ceng (2012)    │ Chuẩn min SFP     │ Hội tụ mạnh      │ Chiếu chuẩn tắc    │
│ Nguyễn Bường (2013)     │ VIP trên MSSFP    │ Hội tụ mạnh      │ Chiếu song song    │
│ Luận án (Trần Việt Anh) │ VIP trên GSFP/SEP │ Hội tụ MẠNH      │ 1 Chiếu + 1 Nửa KG │
└─────────────────────────┴───────────────────┴──────────────────┴────────────────────┘

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp cầu nối hoàn chỉnh giữa lý thuyết phương trình đạo hàm riêng, lý thuyết điểm bất động phi tuyến và bài toán cân bằng kinh tế vi mô. Mở rộng biên giới của giải tích phi tuyến từ lớp toán tử đơn điệu sang lớp toán tử giả đơn điệu rộng hơn.
  • Về mặt phương pháp luận: Khung thuật toán kết hợp giữa chiếu gradient, lặp Krasnoselskii-Mann và lát cắt nửa không gian có thể chuyển giao trực tiếp để giải các bài toán tối ưu hóa đa mục tiêu, bài toán bù phi tuyến (NCP) và bài toán điều khiển tối ưu.
  • Về mặt ứng dụng thực tiễn: Trong xạ trị IMRT, thuật toán cho phép tối ưu hóa chùm tia xạ chiếu vào khối u (không gian $H_1$) sao cho liều lượng hấp thụ tại các cơ quan lành xung quanh (không gian $H_2$) thỏa mãn các ngưỡng an toàn nghiêm ngặt mà các thuật toán SFP truyền thống không mô hình hóa được do tính phi tuyến của liều xạ.

Limitations và Future Research

Mặc dù đạt được những đóng góp mang tính đột phá, luận án thẳng thắn thừa nhận một số giới hạn nghiên cứu:

  1. Phụ thuộc vào chuẩn toán tử $|A|$: Việc chọn bước nhảy $\delta \in (0, \frac{1}{|A|^2 + 1})$ đòi hỏi phải ước lượng hoặc tính toán chính xác chuẩn $|A|$, điều này gây khó khăn trong các bài toán vô hạn chiều phức tạp khi chuẩn của toán tử tích phân hoặc vi phân không dễ xác định.
  2. Phạm vi không gian: Toàn bộ kết quả được thiết lập trên không gian Hilbert thực. Lý thuyết chưa được mở rộng sang không gian Banach tổng quát (nơi không gian không có tích vô hướng) hoặc đa tạp Hadamard.
  3. Cấu trúc bước lặp không tự điều chỉnh (Non-adaptive stepsize): Các tham số ${\lambda_k}, {\alpha_k}$ được chọn tiên nghiệm (a priori) thay vì sử dụng kỹ thuật tìm kiếm đường tự điều chỉnh bước lặp (Armijo-type linesearch).

Chương trình nghiên cứu tương lai (Future Research Agenda) bao gồm:

  • Phát triển các thuật toán độc lập với chuẩn toán tử $|A|$ (step-size independent of operator norm) sử dụng kỹ thuật bước nhảy tự thích nghi (adaptive self-adaptive stepsizes).
  • Mở rộng bài toán bất đẳng thức biến phân trên tập nghiệm chấp nhận tách sang không gian Banach phản xạ và không gian metric lồi.
  • Xây dựng thuật toán ngẫu nhiên (Stochastic/Incremental algorithms) cho bài toán chấp nhận tách dữ liệu lớn phân tán.
  • Nghiên cứu bài toán bất đẳng thức biến phân tựa cân bằng tách (Split Quasi-Equilibrium Problems) với các song hàm phụ thuộc tham số.

Tác động và ảnh hưởng

Luận án của TS. Trần Việt Anh tạo nên tác động học thuật sâu rộng với 6 công trình khoa học công bố trên các tạp chí quốc tế chuyên ngành uy tín thuộc danh mục ISI/SCOPUS:

  1. Journal of Global Optimization (Springer, ISI).
  2. Optimization (Taylor & Francis, ISI).
  3. Numerical Algorithms (Springer, ISI).
  4. Fixed Point Theory and Applications (Springer, ISI/SCOPUS).
  5. Acta Mathematica Vietnamica (Springer, SCOPUS).
  6. Vietnam Journal of Mathematics (Springer, SCOPUS).

Công trình được báo cáo và thảo luận tại các diễn đàn khoa học đỉnh cao: Xêmina liên cơ quan ĐHKHTN – ĐHBK Hà Nội – Viện Toán học – Viện Nghiên cứu Cao cấp về Toán (VIASM); Hội thảo Tối ưu và Tính toán khoa học toàn quốc lần thứ 14 & 15; và Hội nghị quốc tế The 7th International Conference on High Performance Scientific Computing (Hanoi, 2018). Về mặt ứng dụng, các thuật toán mở ra tiềm năng tối ưu hóa trong ngành y học hạt nhân (IMRT radiation treatment planning) và xử lý nén tín hiệu số, đóng góp thiết thực cho nền khoa học tính toán Việt Nam và quốc tế.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên Toán ứng dụng: Tiếp cận hệ thống bổ đề, kỹ thuật chứng minh hội tụ mạnh chuẩn mực và các ý tưởng kết hợp toán tử phi tuyến tiên tiến.
  • Các nhà nghiên cứu Giải tích phi tuyến & Tối ưu hóa: Khai thác toán tử tựa không giãn $T_f$ và phương pháp dưới đạo hàm tăng cường để giải quyết các bài toán hai cấp phức tạp.
  • Kỹ sư xử lý tín hiệu và hình ảnh y tế: Ứng dụng thuật toán phân tách để giải bài toán khôi phục ảnh ngược (inverse problems) và bài toán nén dữ liệu (compressed sensing).
  • Chuyên gia vật lý y khoa (Medical Physicists): Sử dụng khung toán học để xây dựng phần mềm tính toán phân bổ liều lượng xạ trị chính xác cho bệnh nhân ung thư.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc xây dựng thành công ánh xạ $T_f: C \to C$ từ một song hàm cân bằng $f$ giả đơn điệu thỏa mãn điều kiện Lipschitz, chứng minh $\text{Fix}(T_f) = \text{Sol}(C, f)$ và chứng minh $T_f$ thỏa mãn nguyên lý bán đóng (Demiclosed Principle). Kết quả này mở rộng trực tiếp lý thuyết của Patrick Louis Combettes và Sever Adrian Hirstoaga (2005) (vốn chỉ áp dụng cho song hàm đơn điệu) và bổ khuyết lỗ hổng của các nghiên cứu quốc tế trước đó vốn không chứng minh được tính bán đóng cho lớp hàm giả đơn điệu.

2. Đột phá về phương pháp luận so với các công trình quốc tế tiền nhiệm?

So với thuật toán CQ của Charles Byrne (2002) (chỉ hội tụ yếu và chỉ áp dụng cho tập $C, Q$ tường minh) và thuật toán của Lu-Chuan Ceng et al. (2012) (chỉ tìm nghiệm chuẩn nhỏ nhất của SFP thông thường), luận án đã kết hợp đột phá giữa phương pháp dưới đạo hàm tăng cường của Yair Censor et al. (2011) với kỹ thuật lặp Krasnoselskii-Mann. Phương pháp này giải quyết được bài toán hai cấp $VIP(\Omega, F)$ trên không gian nghiệm ẩn mà chỉ tốn một phép chiếu trên nửa không gian $T_k$, đạt hội tụ mạnh mà không cần giả thiết tập compact.

3. Phát hiện bất ngờ nhất từ dữ liệu và thực nghiệm số?

Kết quả thực nghiệm số chỉ ra rằng việc kết hợp lát cắt nửa không gian $T_k$ không chỉ làm giảm bậc phức tạp tính toán lý thuyết mà còn làm giảm số bước lặp hội tụ thực tế tới 40% so với phương pháp đạo hàm tăng cường cổ điển khi kích thước ma trận tăng từ $10 \times 10$ lên $500 \times 500$, chứng minh tính ổn định số vượt trội của thuật toán trong môi trường MATLAB.

4. Quy trình tái lập (Replication Protocol) có được cung cấp đầy đủ không?

Hoàn toàn đầy đủ. Luận án cung cấp chi tiết:

  • Định dạng bài toán kiểm thử (ma trận thực ngẫu nhiên, vector ràng buộc, song hàm kiểm thử).
  • Công thức tường minh của các phép chiếu $P_C, P_Q, P_K$ trên siêu phẳng, hình cầu và nửa không gian: $$P_C(x) = x - \frac{\langle a, x \rangle - b}{|a|^2} a \quad (\text{khi } \langle a, x \rangle > b)$$
  • Các tham số bước lặp cụ thể: $\delta, \mu, \lambda_k = \frac{1}{k+1}, \alpha_k = \frac{k}{2k+1}$, và điều kiện dừng sai số $\varepsilon = 10^{-4}$.

5. Lộ trình nghiên cứu 10 năm được định hình như thế nào?

Lộ trình 10 năm tập trung vào 3 hướng chiến lược:

  1. Tự thích nghi hóa tham số: Loại bỏ hoàn toàn sự phụ thuộc vào $|A|$ bằng kỹ thuật bước lặp hồi quy tự do.
  2. Mở rộng không gian: Chuyển dịch toàn bộ hệ thống định lý sang không gian Banach Banach-Saks và đa tạp Riemann/Hadamard.
  3. Tích hợp AI/Machine Learning: Ứng dụng thuật toán vào việc huấn luyện mạng nơ-ron sâu với các ràng buộc phân tách đa tầng (Multi-layer Split Feasibility Deep Learning).

Kết luận

Luận án Tiến sĩ của tác giả Trần Việt Anh đã hoàn thành xuất sắc các mục tiêu nghiên cứu với 6 đóng góp mang tính bước ngoặt:

  1. Xây dựng thành công thuật toán hội tụ mạnh giải bài toán bất đẳng thức biến phân trên tập nghiệm của bài toán điểm bất động tách (SFPP) cho các toán tử không giãn.
  2. Thiết lập ánh xạ tựa không giãn $T_f$ từ song hàm giả đơn điệu và chứng minh tính bán đóng của nó, giải quyết trọn vẹn mối liên hệ giữa bài toán cân bằng và bài toán điểm bất động.
  3. Đề xuất thuật toán dưới đạo hàm tăng cường giải bài toán bất đẳng thức biến phân hai cấp với bài toán cấp dưới là bất đẳng thức biến phân tách giả đơn điệu.
  4. Đưa ra giải thuật song song giải bài toán bất đẳng thức biến phân trên tập nghiệm của bài toán chấp nhận tách đa tập hợp (MSSFP).
  5. Phát triển thuật toán đầu tiên trên thế giới tìm nghiệm có chuẩn nhỏ nhất của bài toán cân bằng tách (SEP) với các song hàm giả đơn điệu thỏa mãn điều kiện Lipschitz.
  6. Cung cấp hệ thống kiểm chứng số toàn diện trên MATLAB, khẳng định tính khả thi và hiệu năng vượt trội của các thuật toán đề xuất.

Công trình không chỉ nâng tầm lý thuyết giải tích phi tuyến và tối ưu hóa hiện đại mà còn đặt nền móng vững chắc cho các ứng dụng tính toán hiệu năng cao trong y học hạt nhân và kỹ thuật số, khẳng định vị thế của toán học giải tích Việt Nam trên trường quốc tế.