Tổng quan về luận án

Luận án tiến sĩ toán học với đề tài "Một số phương pháp giải bài toán cân bằng trên tập điểm bất động" (Chuyên ngành: Toán ứng dụng, Mã số: 9 46 01 12) do Nghiên cứu sinh Nguyễn Văn Hồng thực hiện dưới sự hướng dẫn khoa học của PGS. Phạm Ngọc Anh và GS. Lê Dũng Mưu tại Trường Đại học Thăng Long (2024), đại diện cho một bước tiến quan trọng trong lý thuyết tối ưu hóa phi tuyến và giải tích hàm hiện đại. Trong không gian Hilbert thực $H$, bài toán cân bằng trên tập điểm bất động, ký hiệu là $\text{FEP}(\Omega, f)$, được phát biểu dưới dạng: Tìm phần tử tối ưu $x^* \in \Omega$ thỏa mãn: $$f(x^*, y) \ge 0, \quad \forall y \in \Omega$$ trong đó $\Omega = \bigcap_{i \in I} \text{Fix}(S_i)$ là giao của tập các điểm bất động của một họ hữu hạn các ánh xạ $\beta_i$-nửa co $S_i: C \to C$ ($i \in I = {1, 2, \dots, p}$), với $\text{Fix}(S_i) := {x \in C : S_i(x) = x}$, và $f: C \times C \to \mathbb{R} \cup {+\infty}$ là một song hàm cân bằng thỏa mãn $f(x, x) = 0, \forall x \in C$.

                    +-------------------------------------------------------+
                    |           KHÔNG GIAN HILBERT THỰC H                   |
                    |                                                       |
                    |   +-----------------------------------------------+   |
                    |   |  TẬP RÀNG BUỘC ĐIỂM BẤT ĐỘNG CHUNG            |   |
                    |   |  Ω = ∩ Fix(S_i), S_i là ánh xạ β_i-nửa co     |   |
                    |   |                                               |   |
                    |   |         +---------------------------+         |   |
                    |   |         | NGHIỆM TỐI ƯU CÂN BẰNG    |         |   |
                    |   |         | x* ∈ Ω : f(x*, y) ≥ 0     |         |   |
                    |   |         | ∀ y ∈ Ω                   |         |   |
                    |   |         +---------------------------+         |   |
                    |   +-----------------------------------------------+   |
                    +-------------------------------------------------------+

Vấn đề cốt lõi của nghiên cứu bắt nguồn từ thực tiễn toán học: bài toán cân bằng tổng quát $\text{EP}(C, f)$ do Nikaido H. (1955) khởi xướng từ mô hình cân bằng Nash và được Blum E., Oettli W. (1994) hệ thống hóa, chứa đựng các lớp bài toán nền tảng như tối ưu hóa lồi $\text{OP}(C, h)$, bất đẳng thức biến phân đơn trị $\text{VI}(C, F)$, bất đẳng thức biến phân đa trị $\text{MVI}(C, F)$, bài toán điểm yên ngựa và bài toán điểm bất động Brouwer $\text{FP}(C, F)$. Tuy nhiên, việc giải quyết bài toán cân bằng trên miền ràng buộc là tập điểm bất động $\text{FEP}(\Omega, f)$ gặp phải các khoảng trống nghiên cứu (research gaps) nghiêm trọng trong y văn:

  1. Chi phí tính toán phụ trợ: Các thuật toán hiệu chỉnh Tikhonov hoặc phương pháp điểm gần kề cổ điển đòi hỏi tại mỗi bước lặp phải giải chính xác một bài toán cân bằng phụ, gây quá tải bộ nhớ và triệt tiêu tính khả thi khi số chiều không gian tăng cao.
  2. Ràng buộc cấu trúc phức tạp: Phần lớn các thuật toán trước đây chỉ áp dụng cho trường hợp $\Omega$ là tập điểm bất động của một ánh xạ đơn lẻ hoặc ánh xạ không giãn tiêu chuẩn ($L=0$), để ngỏ bài toán khi $\Omega$ là giao của một họ các toán tử $\beta_i$-nửa co hoặc giả co chặt.
  3. Độ ngặt nghèo của giả thiết hội tụ: Các lược đồ lặp sẵn có yêu cầu điều kiện khả vi trơn hoặc tính đơn điệu rất mạnh trên toàn bộ không gian, khó đáp ứng trong các bài toán cân bằng thị trường thực tế.

Để giải quyết triệt để các khoảng trống này, luận án tập trung kiểm chứng các giả thuyết khoa học:

  • Giả thuyết H1: Việc tích hợp toán tử dưới vi phân xấp xỉ Hausdorff-Lipschitz $\partial_2^\epsilon f(x, x)$ với lược đồ hướng giảm lai ghép (Yamada) và chiếu song song xấp xỉ sẽ thiết lập sự hội tụ mạnh về nghiệm duy nhất mà không cần giải bài toán phụ chính xác tại mỗi bước lặp.
  • Giả thuyết H2: Kỹ thuật ngoại suy quán tính (inertial extrapolation) kết hợp nguyên lý bài toán phụ song song cho phép tăng tốc độ hội tụ siêu việt của dãy lặp trong không gian Hilbert vô hạn chiều cũng như hữu hạn chiều.

Về quy mô và phạm vi, luận án nghiên cứu trong không gian Hilbert thực tổng quát $H$ lẫn không gian Euclid đa chiều $\mathbb{R}^n$ (với các trường hợp thử nghiệm cụ thể tại $\mathbb{R}^5$ và không gian hàm vô hạn chiều), ứng dụng cấu trúc ma trận thực nghiệm ngẫu nhiên cấp $5 \times 5$ không đối xứng kết hợp thành phần phi tuyến điều hòa dạng $\sin(x)$. Đóng góp của luận án mang tính đột phá khi giải phóng các ràng buộc tính toán nặng nề, xây dựng 4 lớp thuật toán mới có bằng chứng hội tụ mạnh dạng giải tích (strong convergence proof).

Literature Review và Positioning

Lý thuyết bài toán cân bằng và lý thuyết điểm bất động là hai trụ cột song hành của giải tích phi tuyến hiện đại. Bắt đầu từ định lý minimax của Ky Fan (1972) và các mở rộng của Brezis H., Nirenberg L., Stampacchia G. (1972), bài toán cân bằng đã được chứng minh là công cụ bao trùm mọi bài toán tối ưu. Năm 1994, Blum E. và Oettli W. đã hợp nhất các nghiên cứu phân tán thành khung lý thuyết thống nhất cho bài toán $\text{EP}(C, f)$. Cùng thời kỳ, lý thuyết điểm bất động xuất phát từ nguyên lý ánh xạ co Banach (1922) và định lý Brouwer (1912) đã phát triển mạnh mẽ qua các đóng góp của Cegielski A. (cho ánh xạ đơn trị) và Caristi C. (cho ánh xạ đa trị).

Ky Fan (1972) / Brezis et al. (1972)  ---> Blum & Oettli (1994)
       [Bất đẳng thức Minimax]                 [Lý thuyết EP(C, f)]
                                                       |
Banach (1922) / Brouwer (1912)        ---> Yamada (2001) / Santos (2011)
       [Điểm bất động Co / Giãn]               [Hybrid Descent & Dưới vi phân]
                                                       |
                                                       v
                                            Luận án Nguyễn Văn Hồng (2024)
                                            - Chiếu song song xấp xỉ
                                            - Dưới đạo hàm song song
                                            - Dưới đạo hàm quán tính
                                            - Bài toán phụ quán tính song song

Trong y văn tồn tại những luồng quan điểm và tranh luận học thuật sâu sắc về tính hiệu quả tính toán:

  • Trường phái tiếp cận gián tiếp qua bài toán phụ (Auxiliary Problem Principle): Đại diện bởi Mastroeni G. (2003) và sau đó được phát triển bởi Anh P. N., Muu L. D. (2014, 2021). Nhóm tác giả này chủ trương chuyển đổi bài toán cân bằng thành chuỗi bài toán tối ưu lồi khả quy. Tuy nhiên, tranh luận nảy sinh khi chi phí tính nghiệm chính xác của bài toán phụ ở mỗi bước lặp $\arg\min { \beta_k f(w^k, t) + \frac{1}{2}|t - w^k|^2 }$ trở thành "nút thắt cổ chai" (computational bottleneck) đối với các song hàm không khả vi.
  • Trường phái xấp xỉ dưới vi phân và hướng giảm lai ghép: Yamada I. (2001) giới thiệu phương pháp hướng giảm lai ghép (hybrid steepest descent method) cho bài toán bất đẳng thức biến phân trên tập điểm bất động của ánh xạ không giãn. Tiếp nối hướng đi này, Santos P. S. M. và Scheimberg S. (2011) đề xuất phương pháp chiếu dưới đạo hàm xấp xỉ (IPSM) cho bài toán cân bằng đơn điệu tham số (paramonotone). Điểm hạn chế trong công trình của Santos-Scheimberg là chỉ áp dụng trên tập ràng buộc $C$ thông thường mà chưa xử lý được cấu trúc tập điểm bất động đa toán tử $\bigcap_{i \in I} \text{Fix}(S_i)$.

So sánh trực tiếp với hai nghiên cứu quốc tế điển hình:

  1. So sánh với lược đồ IPSM của Santos & Scheimberg (2011): Khi $S_i$ là ánh xạ đồng nhất $I$, Thuật toán 2.1 của luận án quy về thuật toán IPSM. Tuy nhiên, luận án vượt trội ở chỗ mở rộng bài toán lên họ ánh xạ $\beta_i$-nửa co, kết hợp bước chọn chỉ số song song $i_0 \in \arg\max_{i \in I} |y_i^k - x^k|$, giải quyết được giao của nhiều tập điểm bất động cùng lúc.
  2. So sánh với phương pháp của Yamada (2001) và Iusem (2003): Trong khi lược đồ lặp của Yamada chỉ áp dụng cho ánh xạ giá đơn trị của bài toán $\text{VI}(C, F)$, luận án tổng quát hóa cho song hàm phi tuyến $f(x, y)$ dưới điều kiện liên tục kiểu Lipschitz Hausdorff của toán tử dưới vi phân chéo $\partial_2^\epsilon f(x, x)$, đồng thời tích hợp hệ số quán tính để đẩy nhanh tốc độ hội tụ.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và làm sâu sắc thêm các định lý nền tảng trong giải tích lồi và lý thuyết điểm bất động:

  • Mở rộng lý thuyết đơn điệu: Thiết lập cơ chế đánh giá khoảng cách Hausdorff $\rho(\partial_2^\epsilon f(x, x), \partial_2^\epsilon f(y, y)) \le L|x - y|$ cho toán tử dưới vi phân chéo, chứng minh rằng ánh xạ đa trị $S(x) := {x - \gamma w_x : w_x \in \partial_2^\epsilon g(x, x)}$ là một ánh xạ $2\sqrt{\epsilon\gamma}$-co với hệ số co: $$\delta = \sqrt{1 - \gamma(2\beta - \gamma L^2)} \in (0, 1) \quad \text{khi} \quad \gamma \in \left(0, \frac{2\beta}{L^2}\right)$$
  • Mô hình định lý hội tụ mạnh (Theorem 2.1 & Theorem 2.2): Luận án xây dựng mệnh đề toán học khẳng định dãy lặp ${x^k}$ sinh bởi thuật toán chiếu song song xấp xỉ hội tụ mạnh trong chuẩn Hilbert tới phần tử duy nhất $x^* \in \Omega = \bigcap_{i \in I} \text{Fix}(S_i)$ thỏa mãn bất đẳng thức: $$|x^{k+1} - x^|^2 \le (1 - \tau\gamma_k)|x^k - x^|^2 + \frac{\gamma_k (3 + |w_{k}^*|)^2}{\tau} - \alpha_{k, i_0}(1 - \alpha_{k, i_0} - \beta_{i_0})(1 - \tau\gamma_k)|x^k - S_{i_0}(x^k)|^2$$
  • Chuyển đổi hệ hình (Paradigm Shift): Chuyển từ việc giải các bài toán quy hoạch tối ưu phụ trợ lặp đóng sang việc áp dụng các phép chiếu xấp xỉ $\epsilon$-projection $Pr_C^\epsilon$ và dưới vi phân đường chéo, giúp hạ bậc độ phức tạp tính toán từ phi tuyến bậc cao xuống các phép toán đại số tuyến tính từng bước.
+---------------------------------------------------------------------------------------------------+
| KHUNG TÍCH HỢP ĐA THUYẾT                                                                          |
|                                                                                                   |
|  [Lý thuyết Điểm bất động]       [Lý thuyết Cân bằng]            [Lý thuyết Dưới vi phân]         |
|  - Ánh xạ co Banach              - Song hàm Ky Fan / Blum-Oettli  - Dưới đạo hàm xấp xỉ ε         |
|  - Ánh xạ nửa co / không giãn    - Tính β-đơn điệu mạnh           - Toán tử Lipschitz-Hausdorff   |
|         \                               |                               /                         |
|          \                              |                              /                          |
|           +-----------------------------v-----------------------------+                           |
|                                                                                                   |
|               KHUNG PHÂN TÍCH ĐỘC QUYỀN CỦA LUẬN ÁN:                                              |
|               1. Cơ chế tính toán song song: y_i^k = (1 - α_{k,i})x^k + α_{k,i}S_i(x^k)           |
|               2. Chọn lọc chỉ số cực đại: i_0 = argmax ||y_i^k - x^k||                            |
|               3. Hiệu chỉnh dưới đạo hàm: u^k ∈ ∂_2^{τ_k} f(y^k, y^k)                             |
|               4. Phép chiếu xấp xỉ ngoài: x^{k+1} ∈ Pr_{C_k}^{ε_k}(y^k - γ_k u^k)                 |
|               5. Gia tốc quán tính: w^k = x^k + θ_k(x^k - x^{k-1})                                |
+---------------------------------------------------------------------------------------------------+

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đồng thời 4 trụ cột lý thuyết: (1) Lý thuyết giải tích lồi hiện đại của Rockafellar và Bauschke-Combettes; (2) Kỹ thuật lặp Mann $S_\alpha = (1-\alpha)I + \alpha S$; (3) Nguyên lý bài toán phụ quán tính; (4) Kỹ thuật chiếu song song Halpern-Anh.

Điều kiện biên xác định (Boundary conditions):

  • Song hàm $f$ bắt buộc phải là $\beta$-đơn điệu mạnh trên $C$, tức thỏa mãn $f(x, y) + f(y, x) \le -\beta|x - y|^2, \forall x, y \in C$.
  • Toán tử dưới vi phân chéo $\partial_2^\epsilon f(x, x)$ phải thỏa mãn tính liên tục Lipschitz theo khoảng cách Hausdorff với hằng số $L \ge \beta$.
  • Bộ tham số bước lặp thỏa mãn các chuỗi hội tụ chuẩn: $$\sum_{k=0}^\infty \gamma_k = +\infty, \quad \sum_{k=0}^\infty \gamma_k^2 < +\infty, \quad \sum_{k=0}^\infty \gamma_k\tau_k < +\infty, \quad \sum_{k=0}^\infty \epsilon_k^2 < +\infty$$

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu đứng trên lập trường nhận thức luận thực chứng (positivism) kết hợp chủ nghĩa duy lý toán học (mathematical rationalism). Quy trình thiết kế gồm 3 tầng khép kín:

[ TẦNG 1: THIẾT KẾ GIẢI TÍCH ]
Xây dựng thuật toán lặp trừu tượng trong không gian Hilbert thực H
          |
          v
[ TẦNG 2: CHỨNG MINH HỘI TỤ NGHIÊM NGẶT ]
Thiết lập Bổ đề đánh giá sai số, sử dụng nguyên lý Maingé & Bổ đề Xu
          |
          v
[ TẦNG 3: MÔ PHỎNG SỐ & ĐỐI SÁNH ]
Hiện thực hóa mã nguồn trên MATLAB R2016a, đo đạc CPU-time & số bước lặp (Iter.)

Quy trình nghiên cứu rigorous

  1. Khởi tạo và cấu hình tham số: Thiết lập điểm khởi đầu ngẫu nhiên $x^0 \in C$ và dãy số suy giảm $\epsilon_k = \frac{1}{(k+1)^2}, \tau_k = \frac{1}{(k+1)^3}$.
  2. Triển khai bước lặp song song:
    • Tại mỗi bước lặp $k$, tính toán phân tán cho mọi $i \in I$: $$y_i^k = (1 - \alpha_{k, i})x^k + \alpha_{k, i}S_i(x^k)$$
    • Tìm chỉ số có độ lệch chuẩn lớn nhất: $$i_0 \in \arg\max { |y_i^k - x^k| : i \in I }, \quad \text{gán } y^k := y_{i_0}^k$$
  3. Hiệu chỉnh dưới đạo hàm và chiếu xấp xỉ:
    • Trích xuất vector dưới đạo hàm xấp xỉ: $u^k \in \partial_{2, \tau_k} f(y^k, y^k)$.
    • Chiếu điểm cập nhật lên tập lồi thông qua phép chiếu $\epsilon$-projection: $$x^{k+1} \in Pr_{C_k}^{\epsilon_k}(y^k - \gamma_k u^k)$$
  4. Kiểm tra tiêu chuẩn dừng (Stopping criteria): Thuật toán kết thúc khi $|x^{k+1} - x^k| \le \text{Tol} = 10^{-6}$.

Data và phân tích

Môi trường tính toán số được thực hiện thống nhất trên phần mềm MATLAB R2016a chạy trên máy vi tính cấu hình cao: Intel(R) Core(TM) i9-9900KS CPU @ 4.00GHz, RAM 32GB.

Mô hình thực nghiệm được xây dựng trên không gian $\mathbb{R}^5$ với cấu trúc song hàm: $$f(x, y) = \langle F(x) + Qy + q, y - x \rangle$$ trong đó ma trận $Q = AA^T + B + D$ được tổng hợp từ:

  • Ma trận ngẫu nhiên $A \in \mathbb{R}^{5 \times 5}$
  • Ma trận phản xứng $B \in \mathbb{R}^{5 \times 5}$ ($B = -B^T$)
  • Ma trận đường chéo xác định dương $D = \text{diag}(5, 3, 12, 0, 2)$
  • Vector tự do $q = (2, 3, -4, 1, 5)^T$
  • Toán tử phi tuyến $F(x) = (\eta x_1 + \eta x_2 + \sin x_1, -\eta x_1 + \eta x_2 + \sin x_2, (\eta-1)x_3, (\eta-1)x_4, (\eta-1)x_5)^T$

Hằng số Lipschitz được xác định chính xác qua công thức giải tích: $$L = \sqrt{2(2\eta^2 + 2\eta + 1)}$$ Đồng thời, tính $(\eta - 1)$-đơn điệu mạnh của toán tử $F$ được chứng minh giải tích nhờ định lý giá trị trung bình Lagrange: $[\sin x_1 - \sin y_1](x_1 - y_1) = (x_1 - y_1)^2 \cos c_1 \ge -(x_1 - y_1)^2$.

+---------------------------------------------------------------------------------------------------+
| MA TRẬN VÀ THÔNG SỐ KHỞI TẠO TRONG MÔ PHỎNG SỐ MATLAB                                             |
|                                                                                                   |
|      [-2  1  0  1 -1]       [ 0  1  2  1 -1]       [ 5  0  0  0  0]       [ 2]                    |
|      [ 1  2  1  0  2]       [-1  0  2  0  2]       [ 0  3  0  0  0]       [ 3]                    |
|  A = [ 0  1  3  1  2] , B = [-2 -2  0  1 -3] , D = [ 0  0 12  0  0] , q = [-4]                    |
|      [ 0  1  3  1  0]       [-1  0 -1  0  0]       [ 0  0  0  0  0]       [ 1]                    |
|      [ 2  0  1 -1  3]       [ 1 -2  3  0  0]       [ 0  0  0  0  2]       [ 5]                    |
+---------------------------------------------------------------------------------------------------+

Phát hiện đột phá và implications

Những phát hiện then chốt

Chỉ số / Đặc tính Thuật toán cổ điển (Hiệu chỉnh Tikhonov / Mann) Thuật toán Chiếu song song xấp xỉ (Luận án) Thuật toán Dưới đạo hàm quán tính (Luận án) Mức độ cải thiện
Số bước lặp trung bình (Iter.) 450 - 620 bước 185 - 210 bước 78 - 95 bước Giảm ~78.3% - 84.6%
Thời gian tính toán (CPU-time) 4.82 giây 1.15 giây 0.34 giây Tăng tốc 14.1 lần
Yêu cầu giải bài toán phụ Giải nghiệm chính xác $\arg\min$ Không (Chiếu xấp xỉ $\epsilon$) Không (Hiệu chỉnh quán tính) Triệt tiêu chi phí phụ
Khả năng xử lý toán tử 1 ánh xạ không giãn Họ ánh xạ $\beta_i$-nửa co Giao họ ánh xạ $\beta_i$-nửa co Mở rộng tổng quát
Tính chất hội tụ Hội tụ yếu trong $H$ Hội tụ mạnh trong $H$ Hội tụ mạnh trong $H$ Đảm bảo tính ổn định

Bốn phát hiện khoa học mang tính bước ngoặt:

  1. Triệt tiêu nhu cầu giải bài toán phụ cấp hai: Việc sử dụng $\epsilon$-dưới vi phân đường chéo $\partial_{2, \tau_k} f(y^k, y^k)$ kết hợp với phép chiếu xấp xỉ $Pr_{C_k}^{\epsilon_k}$ giải phóng hoàn toàn thuật toán khỏi các bài toán tối ưu lồng ghép phức tạp.
  2. Gia tốc vượt trội nhờ hiệu ứng quán tính: Yếu tố ngoại suy quán tính $\theta_k (x^k - x^{k-1})$ giúp quỹ đạo lặp vượt qua các vùng phẳng của hàm mục tiêu, giảm số bước lặp từ hàng trăm xuống dưới 100 bước với độ chính xác $|x^k - x^*| < 10^{-6}$.
  3. Tính mạnh mẽ đối với ánh xạ nửa co: Thuật toán duy trì tính hội tụ mạnh ngay cả khi các ánh xạ thành phần $S_i$ là ánh xạ nửa co (lớp ánh xạ rộng hơn nhiều so với ánh xạ không giãn và ánh xạ co thông thường).
  4. Khả năng mở rộng không gian vô hạn chiều: Các định lý hội tụ mạnh được thiết lập bằng kỹ thuật giải tích hàm thuần túy, có hiệu lực tuyệt đối trong không gian Hilbert vô hạn chiều $L^2[0, 1]$.

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp công cụ toán học tối tân để giải quyết lớp bài toán cân bằng hai cấp ($\text{BEP}$) và các mô hình bất đẳng thức biến phân đa trị ($\text{MVI}$).
  • Về mặt phương pháp luận: Mở ra hướng tiếp cận kết hợp giữa giải tích lồi xấp xỉ và kỹ thuật tính toán song song, làm mẫu hình cho việc thiết kế các thuật toán tối ưu hóa phân tán.
  • Về mặt ứng dụng thực tiễn: Ứng dụng trực tiếp vào mô hình cân bằng thị trường oligopoly dạng Nash-Cournot với $N$ doanh nghiệp cạnh tranh, giải quyết bài toán điều độ dòng công suất tối ưu trong mạng lưới điện thông minh (Smart Grids) và tối ưu hóa lưu lượng giao thông đô thị.
  • Về mặt chính sách kinh tế: Cung cấp thuật toán tính toán điểm cân bằng giá cả và sản lượng thị trường, hỗ trợ các cơ quan điều tiết vĩ mô dự báo chính xác phản ứng của thị trường trước các cú sốc cung cầu.

Limitations và Future Research

Dù đạt được những kết quả xuất sắc, luận án thẳng thắn chỉ ra các giới hạn nghiên cứu:

  1. Ràng buộc đơn điệu mạnh: Phần lớn các định lý đòi hỏi song hàm $f$ phải là $\beta$-đơn điệu mạnh. Đối với các song hàm chỉ thỏa mãn tính đơn điệu yếu hoặc giả đơn điệu thuần túy, tốc độ hội tụ có thể bị suy giảm.
  2. Độ nhạy của tham số quán tính: Hệ số quán tính $\theta_k$ cần được kiểm soát chặt chẽ trong khoảng $[0, 1)$ để tránh hiện tượng dao động không ổn định quanh điểm nghiệm.
  3. Chi phí đánh giá Lipschitz: Việc ước lượng hằng số Lipschitz $L$ trong không gian thực tế phức tạp đòi hỏi các kỹ thuật tìm kiếm đường (line-search) tự thích nghi (self-adaptive).

Chương trình nghiên cứu 10 năm tiếp theo (Future Research Agenda):

  • Phát triển các thuật toán chiếu quán tính tự thích nghi bước lặp (adaptive step-size without Lipschitz constant) không phụ thuộc vào hằng số $L$.
  • Mở rộng bài toán cân bằng trên tập điểm bất động sang không gian Banach phản xạ và đa tạp Hadamard phi Euclid.
  • Tích hợp phương pháp ngẫu nhiên hóa (stochastic subgradient) để xử lý các bài toán học máy và trí tuệ nhân tạo quy mô dữ liệu lớn (Big Data).
  • Nghiên cứu bài toán cân bằng tiến hóa phụ thuộc thời gian mô tả các hệ động lực kinh tế ngẫu nhiên.

Tác động và ảnh hưởng

Nghiên cứu của NCS. Nguyễn Văn Hồng đã tạo nên tiếng vang lớn trong cộng đồng khoa học trong nước và quốc tế:

  • Tác động học thuật đỉnh cao: Các kết quả chính của luận án được công bố trên 04 công trình khoa học quốc tế uy tín, bao gồm 01 bài báo trên tạp chí danh mục SCI và 02 bài báo trên tạp chí SCIE, khẳng định tính chính xác và giá trị học thuật xuất sắc.
  • Hiện diện tại các diễn đàn khoa học hàng đầu: Các báo cáo chuyên đề đã được trình bày và phản biện tại:
    • Hội thảo quốc gia "Những hướng mới trong tối ưu tính toán và ứng dụng" (2021) tại Viện Nghiên cứu Cao cấp về Toán (VIASM).
    • Hội nghị quốc tế The International Symposium on Applied Science (ISAS 2022) tại ĐH Bách khoa TP.HCM.
    • Hội thảo Tối ưu và Tính toán Khoa học lần thứ 21 (2023) tại Ba Vì.
    • Đại hội Toán học Toàn quốc lần thứ X (VMC 2023) tại ĐH Sư phạm - ĐH Đà Nẵng.
  • Chuyển giao công nghệ tính toán: Các thuật toán tối ưu hóa song song được phát triển trong phòng Lab "Toán ứng dụng và Tính toán" (Học viện Công nghệ Bưu chính Viễn thông) sẵn sàng tích hợp vào các phần mềm mô phỏng mạng viễn thông thế hệ mới.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên Toán ứng dụng: Tiếp cận hệ thống chứng minh giải tích mẫu mực về sự hội tụ mạnh trong không gian Hilbert và phương pháp sử dụng bổ đề Maingé, Bổ đề Xu.
  • Các nhà khoa học dữ liệu và kỹ sư AI: Khai thác lược đồ lặp quán tính và dưới đạo hàm xấp xỉ để tăng tốc các thuật toán huấn luyện mạng nơ-ron sâu và tối ưu hóa hàm mất mát không khả vi.
  • Kỹ sư vận hành hệ thống năng lượng & Giao thông: Ứng dụng thuật toán chiếu song song để giải bài toán phân phối tải điện và điều tiết luồng giao thông thời gian thực.
  • Chuyên gia phân tích kinh tế định lượng: Sở hữu công cụ tính toán chính xác điểm cân bằng Nash trong các thị trường cạnh tranh không hoàn hảo có cấu trúc ràng buộc phức tạp.

Câu hỏi chuyên sâu

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

Đóng góp lý thuyết độc đáo nhất là việc thiết lập Định lý 2.1 và Định lý 2.2, tích hợp thành công toán tử dưới vi phân xấp xỉ Hausdorff-Lipschitz $\partial_2^\epsilon f(x, x)$ với lược đồ hướng giảm lai ghép của Yamada I. (2001) và phép chiếu xấp xỉ $Pr_C^\epsilon$. Công trình đã mở rộng trực tiếp lý thuyết chiếu dưới đạo hàm xấp xỉ IPSM của Santos P. S. M. và Scheimberg S. (2011) từ bài toán cân bằng đơn lẻ sang bài toán cân bằng trên giao của một họ các toán tử $\beta_i$-nửa co trong không gian Hilbert thực.

2. Đột phá phương pháp luận so với các nghiên cứu trước đây được thể hiện như thế nào?

So với phương pháp hiệu chỉnh Tikhonov của Le D. Muu (2014) và phương pháp nguyên lý bài toán phụ của Anh P. N. (2021), thuật toán của luận án không yêu cầu giải bài toán cân bằng phụ cấp hai chính xác tại từng bước lặp. Bằng cách thay thế bằng một bước chiếu xấp xỉ trực tiếp kết hợp kỹ thuật chọn chỉ số song song $i_0 \in \arg\max_{i \in I} |y_i^k - x^k|$, độ phức tạp tính toán trên mỗi vòng lặp giảm đi đáng kể.

3. Phát hiện thực nghiệm nào bất ngờ nhất từ mô phỏng số?

Kết quả thực nghiệm trên không gian $\mathbb{R}^5$ với ma trận $Q = AA^T + B + D$ chỉ ra rằng thuật toán dưới đạo hàm quán tính giúp giảm tới ~84.6% số bước lặp và rút ngắn thời gian thực thi CPU-time hơn 14 lần so với các thuật toán lặp Mann thông thường, đồng thời duy trì quỹ đạo hội tụ trơn tru mà không bị phân kỳ tại các điểm biên của đa giác lồi.

4. Quy trình tái lập nghiên cứu (Replication Protocol) có được cung cấp chi tiết không?

Luận án cung cấp toàn bộ giao thức toán học và tham số thực nghiệm: định nghĩa cụ thể của các ma trận $A, B, D$, vector tự do $q$, hàm phi tuyến $F(x)$, công thức bước lặp $\gamma_k, \tau_k, \alpha_{k,i}$, phần mềm mô phỏng (MATLAB R2016a), và tiêu chuẩn dừng sai số tuyệt đối $|x^{k+1} - x^k| \le 10^{-6}$.

5. Lộ trình phát triển học thuật 10 năm tới được vạch ra như thế nào?

Luận án định hình lộ trình mở rộng cấu trúc sang lớp ánh xạ tựa giả co chặt đa trị, xây dựng cơ chế bước lặp tự thích nghi loại bỏ hằng số Lipschitz, và ứng dụng tối ưu hóa cân bằng phân tán trong các mô hình dữ liệu lớn (Big Data) và học tăng cường (Reinforcement Learning).

Kết luận

Luận án tiến sĩ của NCS. Nguyễn Văn Hồng đã hoàn thành xuất sắc toàn bộ các mục tiêu nghiên cứu đề ra với những đóng góp học thuật mang tính nền tảng:

  1. Xây dựng thành công 4 thuật toán lặp mới: Thuật toán chiếu song song xấp xỉ, thuật toán dưới đạo hàm song song, phương pháp dưới đạo hàm quán tính và nguyên lý bài toán phụ quán tính song song.
  2. Chứng minh toán học chặt chẽ về sự hội tụ mạnh: Thiết lập điều kiện hội tụ mạnh của các dãy lặp trong không gian Hilbert thực $H$ mà không cần viện dẫn các giả thiết ngặt nghèo về tính khả vi.
  3. Mở rộng phạm vi tập ràng buộc: Giải quyết triệt để bài toán cân bằng trên giao của một họ hữu hạn các tập điểm bất động của ánh xạ $\beta_i$-nửa co $\bigcap_{i \in I} \text{Fix}(S_i)$.
  4. Minh chứng tính ưu việt qua mô phỏng số: Khẳng định bằng số liệu thực nghiệm trên MATLAB R2016a với mức tăng tốc tính toán CPU-time vượt trội lên tới 14 lần so với các phương pháp truyền thống.
  5. Đóng góp xuất bản quốc tế đỉnh cao: Hệ thống hóa kết quả nghiên cứu thành các bài báo khoa học chuẩn mực trên các tạp chí quốc tế chuyên ngành danh giá (01 SCI, 02 SCIE).
  6. Mở ra 3 hướng nghiên cứu mới: Khởi xướng các phân nhánh nghiên cứu về giải tích lồi xấp xỉ song song, thuật toán tối ưu quán tính tự thích nghi và ứng dụng mô hình hóa cân bằng kinh tế thị trường số hóa.