一次式とノルムで構成された最適化問題とその双対問題
第一部 ゲージ最適化問題とその応用問題
京都大学大学院情報学研究科 山下信雄
2018
年7
月25
日(本資料は7月30日に改訂)
本講演の概要
第 1 部 一般化ゲージ最適化問題とその応用問題 第 2 部 ゲージ関数とその諸性質
第 3 部 一般化ゲージ最適化問題の双対問題
I. ラグランジュ双対問題と Fenchel 双対問題 II. Gauge 双対問題
III. 新しいタイプの双対問題
用語
• 凸関数 (convex function)
• 標示関数 (indicator function)
• 実効定義域 (effective domain)
(1 ) )) ( ) (1 ) ( )
( x y f
f x f y
if ( 0
otherwi
) se
S
x x S
dom f x V f ( ) x
第 1 部 概要
1. 今回考える問題
•
ノルムとその一般化した関数(
ゲージ関数)
• 1
次式とゲージ関数で構成された最適化問題2. 応用問題
ゲージ最適化問題
•
L1-L2
最適化問題• 半正定値計画問題
2
次錐計画問題 絶対値計画問題•
0-1
整数計画問題• 線形な均衡制約つき最適化問題
(MPEC)
今回考える問題の準備:
ゲージ関数(ノルムの一般化)
定義
以下の性質を満たす関数
をゲージ関数
(gauge function)
という(i)
非負の関数(ii)
凸関数(iii)
正斉次(Positively homogeneous)
例: ノルムは上記の条件を満たす
: V R { }
( ) tx t ( ) x t 0
ノルムとゲージ関数
norm:
標準,基準…..
gauge:
基準,規格,標準寸法….
注意:今回の話はゲージ理論とは関係ない ノルムはゲージ関数
非負性:
正斉次性:
凸性: に対して
0
x
( 0) tx t x t
(1 )
(1 ) (1 )
x y x y x y
[0,1]
三角不等式
ノルムの例(有名なもの)
ベクトルのノルム
• p
ノルム•
無限大ノルム• 1
ノルム⇒
正則化やスパース化によく使われる 行列のノルム• Frobenius
ノルム• Nuclear
ノルム⇒ Nuclear
ノルムはrank(A)
の 凸緩和として使われる| i |p
p
p x
x
max | i | x i x
1
|
i|
x x
( ) A A
を行列 の特異値を並べたベクトルとする( ) 2
A F A
* ( ) 1
A
Aノルムの例 ( 有名でないもの ?)
:
の成分を,絶対値の大きい順に並べたときの 番目利用例
CVaRノルム
(largest-k
ノルム)
ある線形計画問題の最適値として表せるため,
最適化モデルで使いやすい
応用: 金融の
CVaR, ν-SVM
( )i
x x R
ni
(1)
| |
(2)|
( )| x x | x
n|
1
(1) ( ) 1
1 1
, ( ) i
n
i
i i
x x x x x
CVaR , ( )
1
| |
n n
i i
x x
ノルムでないゲージ関数
• 0
とのMax
関数(
演習問題)
*損失関数やペナルティ関数に使われる
•
凸錐 の標示関数凸関数の標示関数
⇒
非負の凸関数 錐の標示関数⇒
正斉次関数
1
( ) max 0,
n
i i
x x
C
C( ) x
今回考える問題の準備
•
変数 を 個に分割する.•
ベクトル値ゲージ関数:ただし はゲージ関数
x V
1 2
, , )
1 2( , x V V
x x x V
: ( 1, , )
i
V
iR i
1 1
2 2
( ) ( ) ( )
( ) x x x
x
: V ( R { })
dom x x
i dom
i( i 1 , , )
一般化ゲージ最適化問題
ただし, は適当な大きさの
ベクトルや行列
(
線形写像)
が非負ベクトル, の各成分が0以下
凸最適化問題
min , , ( )
s.t. ( )
( )
c x d x
x b x
Ax B
Hx K e
0,
B d
, , , , , , , c b d e A B H K
一般化ゲージ最適化問題
特別な凸最適化問題
Gauge 最適化問題
絶対値計画
K
ゲージ最適化問題 (Gauge Optimization)
[Freund, 1987], [Friedlander, Macedo, and Pong, 2014], etc
min ( )
s.t. ( )
x
Ax b
• と はゲージ関数
• は線形写像, は定数ベクトル
• は非負の定数
• 凸最適化問題である.
A
b
min ( )
( ) s.t. ( )
(
0 1
,
) ( 0
0 0
0 0 )
0 1 ( )
x , y
A I x b
y
x y
y x x
y
x
y
ゲージ最適化の応用例1: L1-L2 最適化
基底追跡ノイズ除去 (Basic pursuit denoising)
min
1s.t.
x
Ax b
ゲージ最適化の応用例2:半正定値計画問題
(
ちょっとトリッキーですが..)
半正定値行列の集合の標示関数:
双対問題の実行可能解:
が実行可能解であれば,
よって, ⇒ (実行可能集合上で)Gauge関数
( )
S
X
y
1
1
max s.t.
i i
i i m
i
m
i
b
C y
y
A S
min s.t.
,
( 1, )
, ,
i i
C X
A X b
S
i X
m
X
1 1, ,
, i i 0
n n
i i
i i
C A X C b
C X y X y
( X ) C , X
S( X ) 0
は半正定値対称行列の集合
S
trace(
, )
C X C X
i i
y A
C C
SDP ⇒ ゲージ最適化問題
1
,
( 1, min
, , )
s.t.
m i
i i
i
C X b i
A X m
S
b i X
y
min s.t.
,
( 1, )
, ,
i i
C X
A X b S
i X
m
min
s.t. , ,
,
( 1, )
i i
X
A X b m
C
i X S
min s.t.
,
( 1, )
) ,
(
i ,
S
i
C X
X X
A b i m
min s.t. ,
)
) (
, ( 1,
i i
A X
i
X b m
min ( )
s.t. ( ) 0
X
AX b
1
( ) ,
, ,
m
X
y y X
A AX
A
SDP ⇒ 一般化ゲージ最適化問題
min s.t.
,
( 1, )
, ,
i i
C X
A X b S
i X
m
,
( min
s.t. , ,
1
1, )
( )
i i
S
C X
A b i
X
X m
一次式が使えるので簡単
2 次錐計画問題
(Second-order cone programming problem)
ただし,
は
p
次元の2
次錐:
min s.t.
, c x
Ax
K b x
1 2
1
n
,
ii
n
K
nK
K K n n
K
p
p 1 22 32 2
p p
K x R x x x x
2 3 1
p
x
x x
x
一次式とノルム
凸 2 次不等式制約 ⇒ 2 次錐制約
ただし は半正定値対称
0 x b
A x c
x
2
0
C x b x c
A
,
r nA C C C R
2 2 2
) (
(1 1
4 Cx b x c b x c )
2 2
4 Cx (1 b x c ) 1 b x c
2
1 1
2
r
b x c b x c
Cx
K
凸2次関数とノルムで表された目的関数や 凸2次不等式制約は
一次式とノルムで表せる
絶対値計画問題
[Mangasarian, 2007]
ただし,
・ 非凸な問題
・ モデル化能力は高いがあまり研究されていない.
min , ,| |
s.t. | |
|
| Ax B x c x d x
b
x e
H K x
1 2
|
|
| | |
|
|
n | x x x
x
絶対値計画問題の応用例: 0-1 最適化問題
min s.t.
,
(
{0,1} 1, , )
i
c x Hx
x i
e
n
{0,1} | 1, 1 ( 1)
| 2
i i i i
x y x y
,
| (
min s.t.
1 ( 1), | 1 , )
2 1,
i i i
e y c
x
n x
H
x y i
絶対値方程式と線形相補性問題
(Absolute Value Equations and Linear Complementarity Problem)
[Mangasarian, 2014]
絶対値方程式:
線形相補性問題
Ax B x b
0, Mz q 0, z ( M ) 0
z z q
( M I z ) q ( M I z ) q
( )
y M I z q
(M I z) q y
0 0
0 0
y
I I M y q
I M z I z q
LCP AVE
各成分ごとに考えればよい.
のとき,
のとき,
よって,
のとき のとき
0, 0,
( ) 0
Mz q z M
z
z q
( )
( )
M I z q
M I z q
(( M I z ) q )
i 0 z
i 0, ( Mz q )
i 0
(( M I z ) q )
i 0 ( Mz q )
i 0, z
i 0
0, 0, ,
( Mz q )
i z
i ( Mz q z )
i i 0 ( i 1, m )
( Mz q )
i 0, z
i 0
0 ( Mz q )
i (( M I z ) q )
i (( M I z ) q )
i ( M I z ) q ) 0,
( Mz q
i z
i 0
0 ( ) (( ) )
( ) ( ) (( ) ) ( )
i i i
i i i
Mz q z M I z q
Mz q z M I z q M I z q
LCP 制約つき最適化問題
(線形なMPEC
)この問題は一般化ゲージ最適化問題として書ける.
(演習問題)
1 2
min s.t.
0, 0
0 ,
( )
c x c y Ax
y My Nx q
y My Nx q b
一次式とノルムで構成された最適化問題とその双対問題
第 2 部 ゲージ関数とその性質
京都大学大学院情報学研究科 山下信雄
第 2 部の概要
1.
ゲージ関数2.
共役関数3.
ゲージ関数の極関数4.
ゲージ関数の共役関数ゲージ関数(再掲)
定義
以下の性質を満たす関数
をゲージ関数
(gauge function)
という(i)
非負の関数(ii)
凸関数(iii)
正斉次(Positively homogeneous)
: V R { }
( ) tx t ( ) x t 0
共役関数とその諸性質
(
室田先生の予習資料)
凸関数 の共役関数
(
ルジャンドル変換)
共役関数の諸性質
:
•
•
•
は凸関数f
*
( ) sup
x, ( )
f y y x f x
** * *
( )
f f f
*
(
( ) y ) ,
f x f x y
Fenchel双対性で重要双対のFenchel双対の Fenchel双対を 考える上で重要
f
* Fenchel双対の凸性で重要
ゲージ関数の極関数
ゲージ関数 の極関数 (polar function)
がノルムのとき, は双対ノルム
参考:共役関数 f
( ) sup x , ( ) 1
f
y y f x
*
( ) sup
x, ( )
f y y x f x
f f
双対ノルムの例
• L1
ノルム 無限大ノルム• p
ノルム• CVaR
ノルムx
1 x p i
p p
x
x x q ただし 1p 1q 1CVaR ,
x
1CVaR , max x ,
n n x
x
極関数の例
• 0
とのMax
関数•
錐 の標示関数 極錐 の標示関数 ただしC
C
( ) x
C
,
{ | 0 }
C
y x y x C
C
( ) x
1max{0
( ) , }
m
i i
g x x
max if 0
ot ( )
herwise
i i
y
g y y
極関数の諸性質
共役関数の諸性質 ( 再掲 )
•
•
• は凸関数
ゲージ関数の極関数の諸性質
•
•
• はゲージ関数 ( )
f
f
f
** * *
( )
f f f
*
(
( ) y ) ,
f x f x y
( ) , dom , d
( ) y x y x f y o m f
f x f
f
f
*Gauge双対の 双対性で重要 Gauge双対のGauge双対を
考える上で重要
Gauge双対の 凸性で重要
「極関数 はゲージ関数」の証明
非負性: より 正斉次性:
凸性:
f
sup 1 0
( ) , ( )
x
f
y x y f x
(0) 0
f
( ) sup , ( ) 1 sup , ( ) 1 ( )
x x
f
ty x ty f x t x y f x tf
y
ˆ ,
ˆ
sup 1
ˆ ˆ
sup 1, ( ) 1,
ˆ ˆ
sup 1 s
( (1 ) ) , (1 ) ( )
, , (1 ) ( )
, ( ) , (1 )
( ) (
up
ˆ
1 )
) (
( 1
)
x
x x
x x
f y z x y z f x
x y z f x
x y f x z
y
x f x x x
x f
f f
x z
の証明
(i)
のとき,そうでないとすると よって,
より
これは に矛盾
(
( ) y ) ,
f x f
x y
( ) 0
f x x y , 0 y d om f
, 0
x y
(
( x ) f ) 0 1
f x
, , as
x y x y
sup ,
) ) 1
( x y f (
f
y x
dom
y f
の証明 ( 続き )
(ii)
のとき,とすると
よって,
(
( ) y ) ,
f x f
x y
( ) 0 f x
sup , ( ) 1
( )
1 ,
( ) , f y
x
x y f x y
x z f y
( ) 1 ( ) 1
( ) ( )
f f x f x
f x x
z f
z ( )x
f x
ゲージ関数の共役関数 ( 演習問題 )
をゲージ関数とする.
を錐とする.
ただし
f
* if ( ) 1
o 0
( ) t
herwise y
f y f
C
*
C C C
, 0
C
y x y x C
一次式とノルムで構成された最適化問題とその双対問題
第 3 部 双対問題
京都大学大学院情報学研究科 山下信雄
第 3 部 概要
1. 双対問題とその応用
2. ゲージ最適化問題の双対問題
I.
ラグランジュ双対問題とFenchel
双対問題II. Gauge
双対問題III.
新しいタイプの双対問題4. まとめ
数理最適化問題(主問題)
( )
s.t. ( ) 0, 1, ,
( ) 0, 1
m n
, i
,
i j
f x
h x i m
g x j r
x X
以下では
実行可能集合
i( ) x 0 ( 1, , m g ),
j( ) 0 ( 1 , , )
F x h i x j r
F ,
S x x x X
双対問題とは
元の問題
(
主問題)
を鏡で映したようなもの.主問題 双対問題
最小化 ⇔ 最大化
決定変数の数 ⇔ 制約条件の数 制約条件の数 ⇔ 決定変数の数
max ( , )
s.t. ,
0
m r
R R
( )
s.t. ( ) 0, 1, ,
( ) 0, 1
m n
, i
,
i j
f x
h x i m
g x j r
x X
双対問題 主問題
双対問題の望ましい性質
• (
弱)
双対性: それぞれの実行可能解 に対して• (
適当な仮定の下)
双対問題の双対問題は主問題になる.,
( ) ( )
f x
min s.t.
0 x
iAx b x
max 1s.t. 1
1 ,
b
A
, , ( ) x
max
s.t. 0
i
例
ラグランジュの双対問題
ラグランジュ関数
:
標示関数:
1 1
, ) (
( , ) ( ) ( )
m r
i j
i j
i j
f x x
L x h g x
if { ( ) 0
0 | , ( ) 0
othe
} ( s
) e
rwi
i j
F
F x x
x g
x h x
0
1 ,
1
( ) sup
m( ) ( )
m r
F R i j j
i
i
j
x x
x
h g
主問題 ( 元の問題 ) の min-max 表現
主問題の目的関数
min ( ( )
s
) .t.
f F
x
x x
X
0
1 1
0
1 1
0
,
,
,
( ) ( ) sup ( ) ( )
( ( )
sup ) ( ) ( )
( ,
s p u , )
m
m
m
m r
F R i i j j
i j
m r
i i j j
R
i j
R
x f x x x
f x
f x h g
x x
g x h
L
ラグランジュ双対問題
[ 主問題 ]
[ 双対問題 ]
0
su ,
m in x X p R
m L x ( , , )
max ( , , )
s. t
i
0 nf
,
. m
x X L x R
弱双対定理
双対問題の目的関数
(
必ず凹関数)
:⇒
下界値の計算に利用できる, ) )
( inf
x XL x ( , , w
弱双対定理
( ) w ( , ) x , R
m, 0
f x S
強双対定理
:
凸関数:1次関数 適当な制約想定が成り立つ.
主問題に最適解が存在する.
↓
主問題と双対問題の最適値は一致する.
, )
, ( 1,
, ) ( 1,
j i
r
h m
f g j i
双対問題の利用1:感度解析
ラグランジュ双対問題の最適解には経済的な意味がある.
最適値関数
ラグランジュ双対問題の最適解を とする.
を制約条件 の潜在価格
(
シャドウプライス)
という| ( 1,
( ) u min{ ( ) f x h
i( ) x u
ii , m ) , g x
j( ) 0( j 1 , , r )}
* *
( , )
(0) * i
u i
*
ih x
i( ) 0
双対問題の利用2: 解法の開発,解析
[
解法]
• ラグランジュ緩和
(
応用例:オンライン広告,
火力発電計画,etc)
⇒ 並列化,逐次計算を可能にする.
• サポートベクターマシン
•
etc
[
解析]
• 乗数法
(
拡張ラグランジュ法)
⇔ 双対問題では近接点法
*
Dual Augmented Lagrangian method [Tomioka,etc, 2011]
はこの逆•
Alternating Direction Method of Multipliers (ADMM)
⇔ 双対問題では
Douglas-Rachford Splitting
(
近接勾配法みたいなもの)
双対問題の利用3:ロバスト最適化
データが不確実なとき,最悪の場合を考えての最適化
半無限計画
(semi-infinite programing)
か,制約条件中に最適化問題が含まれる問題になる.
min s.t.
( )
; ) 0 (
f x
g x u u U
min
s.t. ma ( )
( )
x
u U; 0
f x
g x u
ロバスト最適化
不確実なデータ
不確実性集合
双対問題の利用3:ロバスト最適化
min
s.t. ma ( )
( )
x
u U; 0
f x
g x u
制約条件中の問題 ( ; ) max
s.t.
g x u uU
ロバスト最適化
双対問題
min ( ; ) s.t.
x
, ( ; ) 0 max ( , ) ( , ) 0
x
u Ug x u x
弱双対
min s.t.
( )
; ) 0 (
f x w x
強双対性が成り立てば等価
第 3 部 概要
1. 双対問題とその応用
2. ゲージ最適化問題の双対問題
I.
ラグランジュ双対問題とFenchel
双対問題II. Gauge
双対問題III.
新しいタイプの双対問題4. まとめ
一般化ゲージ最適化問題
ただし, は適当な大きさのベクトルや行列
min , , ( )
s.t. ( )
( )
c x d x
x b x
Ax B
Hx K e
, , , , , , , c b d e A B H K
一般化ゲージ最適化問題
特別な凸最適化問題
Gauge 最適化問題
絶対値計画
一般化ゲージ最適化問題の補正
min , , ( )
s.t. ( )
( ) dom
Ax B
c x d x
x x x
e K
b Hx
一般化ゲージ最適化問題は,実効定義域外では,
定義が不明瞭になる場合がある.
そこで以下では,制約条件に実効定義域を加えた 次の問題を考える.
ラグランジュ双対問題
ラグランジュ関数:
目的関数:
•
陽に表しにくい.制約がないときはどうする?→ Fenchel
双対問題•
他のタイプはないの?→ Gauge
双対問題( ) (
( , , ) , ,
, ) , ( )
L x u v c x d
u b Ax B v e Hx K
x
x x
( , ) i
domnf ( , , )
x
L u v
v x
u
Fenchel 双対問題
凸最適化問題
*標示関数を使えば,制約つきの問題も扱える.
(
in ) ( )
m f Ax g x
s.t.
min f y ( ) g x ( ) y Ax
min s.t
( ) .
f x xS
( )
min f x S( )x
Fenchel 双対問題
ただし, は以下で定義される共役関数
(
ルジャンドル変換)
( , , ) f y ( ) g x ( ) ,
L x y Ax y
,
,
* *
( ) ( )
( ) ( )
( ) (
( ) inf ,
sup , ,
sup , su
(
p ,
) ( )
)
x y x y y
x
y Ax y
f y g x
f y g x
f y g x
Ax
y A x
f g A
f
*
*
( ) sup
x, ( )
f y y x f x
s.t.
min f y ( ) g x ( ) y Ax
Fenchel 双対問題
共役関数の例: 線形関数
凸2次関数 平行移動 分離可能な和
* *
( )
m a x f g A ( )
* if
otherwi
( ) ) 0
( y cse
f x c x f y
* 1
) 1
( 21
2 ( )
f x x Ax f y x A x
* *
( ) ( ) ( ) ( )
f x g x b f y g y b y
1 2 1 2 * 1 2 1
1 1
* * 2
2
( , ) ( ) 2( ) ( , ) ( ) ( )
f x x g x g x f y y g y g y
Fenchel 双対問題の例
Support Vector Regression
教科書によく出ている
Lagrange
双対問題1 1
min s.t
1 2 .
1, , ) 1
(
T
t t t
t t
t K
C T
b
C
1 1
min ) ) ( )
s.t. ( )
1( ( ( )
2
0 , ( 1
1
,
, )
T T
t t t t t
t t
t t
t
t
b K
C t T
,
|
0, 0
|
t t t t t
t t t
1
2 ,
min max 0,| | 1
2
n t t
T
x R y R Ct a x y b x
第 3 部 概要
1. 双対問題とその応用
2. ゲージ最適化問題の双対問題
I.
ラグランジュ双対問題とFenchel
双対問題II. Gauge
双対問題III.
新しいタイプの双対問題4. まとめ
Gauge 双対問題の動機
数学的興味:
Gauge
関数の特性を生かした,Lagrange
双対問題とは違った双対問題はあるか?工学的動機:
制約条件と目的関数にある定数行列を入れ替えたい.
• 大規模凸最適化の代表的な解法は,実行可能集合の射影を計算するこ とが多い.
min ( )
s.t. ( )
x
Ax b
max , ( )
s.t. ( ) 1
b A
Gauge最適化 Lagrange双対問題
Gauge 双対性 [Freund, 1987]
を
gauge
関数とし,次の二つの問題を考える.ただし, は凸集合で, を次式で定義する.
のとき,
min ( ) s.t.
x C x
1min ( ) s.t.
y C y
C C
1 y x y , 1 y C
C
1,
1x C y C
( ) x ( ) y x y , 1
これを弱双対と考える
注意 最小化問題
anti-polar という
1
max ( )
s.t
1
.
y C y
( ) 1 x ( )
y
Gauge 双対問題
[Friedlander, Macedo, and Pong, 2014]
min s.t.
( )
, ( ) 1
A y
b y y
min ( )
s.t. ( )
x
Ax b
{ x | ( Ax b ) }
C
のときC
1 A y b y ,
( ) y y
性質
• Lagrange双対の最適値を ,Gauge双対の最適値を とすると
• Lagrange双対の最適解を ,Gauge双対の最適解を とすると
DL DG
L G 1 D D
y
*
** *
y D
G
Gauge最適化問題 Gauge双対問題
第 3 部 概要
1. 双対問題とその応用
2. ゲージ最適化問題の双対問題
I.
ラグランジュ双対問題とFenchel
双対問題II. Gauge
双対問題III.
新しいタイプの双対問題4. まとめ
絶対値計画問題の双対問題
[Mangasarian, 2007]
min , ,| |
s.t. | |
|
| Ax B x c x d x
b
x e
H K x
max , ,
s.t.
0
A u v c
b u e v
v K v
H B u d
• 凸最適化問題(線形計画問題に変換可能)
• 弱双対定理が成り立つ[Mangasarian 2007]
Mangasarianの双対問題
これまでの双対問題のまとめ
Lagrange双対問題
Fenchel 双対問題
Gauge 双対問題 等価
変数変換で等価 今考えている問題
特別な凸最適化問題
Gauge 最適化問題
絶対値計画
Mangasarianによる 双対問題
?
陽に表せない