38 Nguyn Th Hi Yến, Trn Hoàng Tiến Thành
ĐIỀU KIỆN HỮU HIỆU CHO BÀI TOÁN TỐI ƯU KHÔNG LỒI
THÔNG QUA ĐẠO HÀM TRÊN
EFFICIENCY CONDITIONS FOR NONCONVEX OPTIMIZATION PROBLEMS
VIA EPIDERIVATIVES
Nguyễn Thị Hải Yến1*, Trần Hoàng Tiến Thành2
1Trường Đại học Sư phạm - Đại học Đà Nẵng, Việt Nam
2Học viên cao học, Khoa Toán, Trường Đại học Sư phạm - Đại học Đà Nẵng, Việt Nam
*Tác giả liên hệ / Corresponding author: nthyen_kt@ ued.udn.vn
(Nhận bài / Received: 19/9/2024; Sửa bài / Revised: 29/10/2024; Chấp nhận đăng / Accepted: 05/11/2024)
Tóm tắt - Bài o này nghiên cứu điều kiện hữu hiệu cần và điều
kiện hữu hiệu đủ cho nghiệm cực tiểu toàn cục của bài toán tối ưu
không lồi (P) điều kiện bao gồm ràng buộc bất đẳng thức
ràng buộc tập thông qua các đạo hàm trên. Một điều kiện chính
quy được giới thiệu cho việc xây dựng điều kiện tối ưu kiểu Kuhn
Tucker (KT). Ngoài ra, nhóm tác giả xây dựng mô hình đối ngẫu
dạng max cho bài toán gốc (P) bằng cách sử dụng khái niệm đạo
hàm trên. Bằng cách áp dụng các điều kiện hữu hiệu cần đủ
cho nghiệm cực tiểu toàn cục của bài toán gốc (P), nhóm tác giả
phân tích các định về tính đối ngẫu mạnh và tính đối ngẫu yếu
của cặp bài toán gốc-đối ngẫu thông qua đạo hàm trên. Các ví dụ
minh họa cũng được đề xuất trong bài báo này.
Abstract - This paper is to study necessary efficiency condition
and sufficient efficiency condition for a nonconvex optimization
problem (P) with conditions involving inequality constraint and
set of constraints in terms of epiderivatives. A regularity
condition is introduced. Under this regularity condition Kuhn
Tucker type (KT-type) optimality conditions are formulated.
Moreover, the authors construct a dual model of the max type
through the epiderivatives notion for the primal problem (P).
Using necessary efficiency condition and sufficient efficiency
condition for a nonconvex optimization problem (P), the authors
also explore weak duality theorem and strong duality theorem for
the dual-primal problem pair via the epiderivatives. Illustrative
examples demonstrates the benefits of our findings.
Từ khóa - Bài toán tối ưu không lồi; đối ngẫu; đạo hàm trên; điều
kiện chính quy; nghiệm tối ưu.
Key words - Nonconvex optimization problems; duality;
epiderivatives; regularity condition; optimal solution.
1. Đặt vấn đề
Đạo hàm trên một trong những ng cụ hiệu qu
được áp dụng để nghiên cứu đặc trưng bản cho lớp hàm
không lồi và điều kiện tối ưu cho lớp các bài toán tối ưu
không lồi. Đạo hàm trên được giới thiệu trong tài liệu [1]
hiện nay đang được nhiều nhà khoa học trong nước và
quốc tế quan tâm áp dụng [2, 3, 4, 5]. Chẳng hạn, Jiménez
Novo [2] sử dụng đạo hàm trên để nghiên cứu đặc
trưng của đạo hàm theo hướng đa trị không có cu trúc
áp dụng chúng để thiết lập điều kiện tối ưu cho i toán
tối ưu véctơ tổng quát có điều kiện, Yalcin và Kasimbeyli
[3] s dụng đạo hàm trên để nghiên cứu đạo hàm trên
Radial điều kiện tối ưu cho lớp i toán tối ưu không
lồi. Tinh [4, 5] sử dụng đạo m trên đnghiên cứu đạo
m trên Hadamard suy rộng áp dụng trong việc xây
dựng điều kiện tối ưu cho lớp i toán véckhông trơn
không lồi,…
Bài toán tối ưu đơn mục tiêu đối tượng nghiên cứu
lâu đời nhất bởi vì nó có nguồn gốc từ các nhu cầu thực tế
liên quan đến tính hiệu quả của công việc, tính hiệu quả
trong các mô hình sản xuất, kinh doanh, … và hiện nay bài
toán này đang được quan tâm nghiên cứu trong cả hai khía
cạnh đó là: hàm mục tiêu (hay ràng buộc) lồi và hàm mục
tiêu (hay ràng buộc) không lồi. khía cạnh đầu tiên, hiện
tại đã đạt được các kết qugần nhoàn thiện. khía
1 The University of Danang University of Science and Education, Vietnam (Nguyen Thi Hai Yen)
2 Master’s Student, Faculty of Mathematics, The University of Danang University of Science and Education,
Vietnam (Tran Hoang Tien Thanh)
cạnh còn lại, vẫn rất ít kết quả do đối tượng không lồi
đòi hỏi phải kiến thức h trợ phù hợp. Đây do để
nhóm tác giả tiến hành nghiên cứu điều kiện hữu hiệu cần
và đủ cho bài toán tối ưu không lồi có điều kiện và áp dụng
trong công việc xây dựng mô hình toán đối ngẫu.
Xây dựng mô hình toán học dạng đối ngẫu cần thiết
đối với lý thuyết tối ưu hóa bởi tính đối ngẫu yếu cung
cấp cho chúng ta tính bị chặn của hàm mục tiêu. Ngoài ra,
khi giải một bài toán tối ưu, nhiều khi bài toán gốc khó giải
nhưng giải trực tiếp trên mô hình đối ngẫu lại khá dễ dàng.
Từ mối quan hệ mạnh và yếu về cặp bài toán gốc đối
ngẫu, việc tìm nghiệm bài toán này suy ra nghiệm bài toán
còn lại khá tiện lợi. Điều này được thể hiện khá rõ trong lý
thuyết quy hoạch tuyến tính và tối ưu hóa.
Bài toán tối ưu mà hàm mục tiêu được định nghĩa
“max” của một số hữu hạn hàm cho trước có nguồn gốc từ
bài toán quy hoạch minimax [6] đối tượng nghiên cứu
trong bài báo này bởi tính ứng dụng của bài toán đối với lý
thuyết tối ưu mạnh [7]. Sử dụng công cụ đạo hàm trên,
nhóm tác giả nghiên cứu điều kiện cần và đủ hữu hiệu của
bài toán này cùng với một vài áp dụng trong xây dựng
hình đối ngẫu.
Cho tp li
𝐶
𝑛
,𝑓=(𝑓
1
,𝑓
2
,,𝑓
𝑝
): ℝ
𝑛
𝑝
𝑔=(𝑔
1
,𝑔
2
,,𝑔
𝑚
): ℝ
𝑛
𝑚
.
ISSN 1859-1531 - TP CHÍ KHOA HC VÀ CÔNG NGH - ĐẠI HỌC ĐÀ NNG, VOL. 22, NO. 11A, 2024 39
Xét m s
𝐹: ℝ
𝑛
được xác đnh bi
𝐹(𝑥)=max {(𝑓
1
(𝑥),𝑓
2
(𝑥),,𝑓
𝑝
(𝑥)},𝑥
𝑛
.
Vi mỗi véctơ
𝑥
𝑛
các tp ch s
𝐼
𝑝
={1,2,,𝑝},
𝐼
𝑚
={1,2,,𝑚},
ta định nghĩa
𝐼(𝑥)={𝑖𝐼
𝑝
| 𝑓
𝑖
(𝑥)=𝐹(𝑥)}
𝐽(𝑥)={𝑗𝐼
𝑚
| 𝑔
𝑗
(𝑥)=0}
.
Hàm F đưc gi hàm max bi giá tr ca m
s đưc t thông qua giá tr ln nht ca các thành
phn trong hàm f cho trưc.
Xét bài toán ti ưu kng li (P) có điu kin sau:
min
𝑥∈𝐾
𝐹(𝑥),(𝑃)
Trong đó,
𝐾
tập các điểm chp nhận được ca bài
toán (P) đưc t như sau
𝐾{𝑥𝐶| 𝑔
𝑖
(𝑥)0,𝑖𝐼
𝑚
}
.
Bài toán tối ưu điều kiện các ràng buộc bất đẳng
thức với hàm mục tiêu max của c thành phần trong
hàm ctơ f thông qua khái niệm đạo hàm trên đối
tượng khá mới hiện nay vẫn chưa được nghiên cứu.
Với nhận xét y tviệc đưa ra điều kiện cần và đ tối
ưu cho bài toán (P) ý nghĩa vmặt khoa học, tính
thời s nh ứng dụng đy dựng mô hình toán
trong tương lai.
2. Kiến thức phụ trợ
Phần này cung cấp các khái niệm và một số hiệu cần
thiết phục vụ cho nghiên cứu trong các tiểu mục tiếp theo.
Không gian Euclide
𝑛
-chiều với chuẩn Euclide thông
thường
.
, nghĩa là v
i mi
𝑥
𝑛
,𝑥=𝑥
𝑇
𝑥,
trong đó
𝑥
𝑇
ký hiệu ma trận cột của x.
Tập không chứa phần tử nào trong
𝑛
ký hiệu
.
Cho A mt tp lồi. Điểm
𝑎𝐴
đưc gọi điểm
trong tương đi nếu vi mi
𝑥𝐴
đều có mt s
𝛼>0
sao cho
𝑎+𝛼(𝑥𝑎)𝐴
. Tâp các đim trong ơng
đối ca A đưc hiu là riA, cũng là tp li. tp C
lồi nên theo định nghĩa phần trong tương đối,
𝑟𝑖𝐶.
Nhc li là miền hữu hiu ca hàm s thc m rng
𝑟
xác định trên tp con
𝐸
𝑛
đưc hiu dom
𝑟
được xác đnh bi dom
𝑟={𝑥𝐸: 𝑟(𝑥)<+∞}.
Định nghĩa 2.1. (Nghiệm tối ưu) Xét bài toán (P).
(i) Điểm
𝑥𝐾
đưc gi nghim cc tiu đa
phương ca bài toán (P) nếu tn ti lân cn
𝛮
ca
𝑥
tha mãn
𝐹(𝑥)𝐹(𝑥),∀𝑥𝐾𝛮
. (1)
(ii)
Nếu (1) tha mãn vi mi điểm
𝑥𝐾
thì
𝑥𝐾
đưc gi là nghim cc tiu toàn cc ca bài toán (P).
Chú ý: Khái niệm nghiệm cực đại (hay cực đại địa
phương) được định nghĩa đối ngẫu.
Nhắc lại rằng, hàm F được gọi ổn định tại
𝑥
𝒏
nếu tồn tại một n cận U của
𝑥
một số
thực dương T (gọi hằng số ổn định) sao cho
|𝐹(𝑥)𝐹(𝑥)|𝑇𝑥𝑥
vi mi
𝑥𝑈.
Định nghĩa 2.2. ([1]) (Đạo hàm trên đạo hàm
Hadamard) Cho
𝑥,𝑣
𝒏
hàm số thực mở rộng
𝐿:
𝑛
{±∞}
.
Đạo hàm trên của L tại điểm
(𝑥,𝑣)
được định nghĩa bởi
𝑑𝐿(𝑥,𝑣)= liminf
(𝑡,𝑢)→(0
+
,𝒗)𝐿
(
𝑥
+𝑡𝑢)
−𝐿
(
𝑥
)
𝑡.
Đạo m Hadamard của L tại điểm
(𝒙
,𝒗)
được định
nghĩa bởi
𝑑𝐻𝐿(𝑥,𝑣)= lim
(𝑡,𝑢)→(0
+
,𝒗)𝐿
(
𝑥
+𝑡𝑢)
−𝐿
(
𝑥
)
𝑡.
Chú ý rằng nếu L ổn định tại
𝑥
thì L có đạo hàm trên
hữu hạn (xem [2]).
Định nghĩa 2.3. ([1]) Cho
𝑥
𝑛
và hàm s thc m
rng 𝐿:
𝑛
{
±∞
}
.
Ta nói
𝐿
là hàm gi li tại điểm
𝑥
nếu vi bt k đim 𝑥
𝑛
ta luôn bất đng thc
𝑑𝐿(𝑥
,𝑥
𝑥)𝐿(𝑥)𝐿(𝑥).
Ta nói 𝐿 là gi li trên
𝐶
nếu 𝐿 là gi li ti mọi điểm
𝑥
thuc
𝐶
.
Chú ý rng nếu L hàm li trên C thì Lgi li trên
C. Tht vy, vi bt k 𝑥
𝐶,𝑡>0
, ta luôn
𝐿(𝑥
+𝑡(𝑥
𝑥
)
)𝐿(𝑥)𝑡(𝐿(𝑥)𝐿(𝑥)).
Chia 2 vế cho
𝑡>0
sau đó dựa vào định nghĩa
đạo m trên ta ly liminf vế trái suy ra
𝑑𝐿(𝑥
,𝑥
𝑥)𝐿(𝑥)𝐿(𝑥).
Tiếp theo nhóm c gi đ xuất khái nim chính quy sau:
Định nghĩa 2.4. (Điều kiện chính quy) Cho điểm
𝑥𝐾.
Ta nói rng điu kin chính quy (RC) ca bài
toán (P) đưc tha mãn ti đim
𝑥
nếu quan h sau đúng:
{𝑣
𝑛
| 𝑑𝑔
𝑗
(
𝑥
,𝑣)
<0
}
𝑗
∈𝐽(𝑥
)
(𝐶
𝑥
)∅.
T ch này tr đi, ta luôn gi thiết rng
vi mi ch
s 𝑗
𝐽(𝑥
)
, các hàm ràng buc bất đẳng thc
𝑔
𝑗
là hàm
s liên tc tại đim
𝑥
.
Đnh 2.1 ([8, Theorem 21.1]) Cho 𝐶 là tp lồi
𝑓
1
,𝑓
2
,,𝑓
𝑚
các hàm li cnh thường tha
mãn
ri 𝐶
dom
𝑓
𝑖
. Khi đó, chcó một trong hai phát biểu sau đây
đúng:
(a)
Tn ti 𝑥𝐶 sao cho
𝑓
𝑖
(𝑥)<0,
∀𝑖=1,2,,𝑚
.
(b) Tồn tại các số thực
𝜆
1
,𝜆
2
,,𝜆
𝑚
không âm
không đồng thời bằng 0 sao cho
𝜆
1
𝑓
1
(𝑥)+ 𝜆
2
𝑓
2
(𝑥)++ 𝜆
𝑚
𝑓
𝑚
(𝑥)0,𝑥𝐶.
Định nghĩa 2.5
([8])
(i) m
𝑓
xác định trên
𝑛
đưc gi thun nht
dương, nếu vi mi
𝑥
,
𝑓(𝑡𝑥)=𝑡𝑓(𝑥),0<𝑡<+∞.
(ii) Hàm
𝑓
xác định trên
𝑛
đưc gọi là i cng
tính, nếu
𝑓(𝑥+𝑦)𝑓(𝑥)+𝑓(𝑦),
vi mi
𝑥,𝑦
𝑛
.
3. Điều kiện hữu hiệu cho bài toán (P)
Phần này nghiên cứu điều kiện hữu hiệu cần điều
kiện hữu hiệu đủ cho nghiệm cực tiểu của bài toán (P)
thông qua khái niệm đạo hàm trên.
Điều kiện hữu hiệu cần cho nghiệm cực tiểu địa phươg
của bài toán (P) hiển nhiên cũng đúng cho cả nghiệm
cực tiểu toàn cục và được phát biểu như sau:
Định 3.1. Cho điểm
𝑥𝐾
nghim cc tiểu đa
40 Nguyn Th Hi Yến, Trn Hoàng Tiến Thành
phương ca i toán (P). Gi s rằng điu kin chính
quy (RC) trong Định nghĩa 2.4 đưc tha mãn ti
𝑥
, các
đạo hàm trên ca
𝑓
𝑖
(
𝑖
𝐼
𝑝
)
đạo hàm Hadamard ca
𝑔
𝑗
(
𝑗
𝐽(𝑥
)
)
hu hn các hàm ràng buc bất đẳng
thc
𝑔
𝑗
(
𝑗
𝐽(𝑥
)
)
liên tc tại đim
𝑥
. Hơn nữa, ta gi s
rng các
𝑑𝑓
𝑗
(𝑥
,𝑣
),𝑑
𝐻
𝑔
𝑖
(𝑥
,𝑣
)
vi
𝑗
𝐼
𝑝
,
𝑖
𝐽(𝑥
)
i
cng tính tha mãn
ri 𝐶
dom
𝑑𝑓
𝑗
,
𝑗
𝐼
𝑝
,
ri 𝐶
dom
𝑑
𝐻
𝑔
𝑖
,
𝑖
𝐽(𝑥)
.
Khi đó, tn ti các nhân t
Lagrange
𝜆
=
(𝜆
1,
𝜆
2,,
𝜆
𝑝
)
+
𝑝
, trong đó
𝜆
𝑗=0 vi
mi 𝑗
𝐼(𝑥
)
mà
𝜆
𝑗=1
𝑝
𝑗=1
𝜇=(𝜇1,𝜇2,,𝜇𝑚)
+
𝑚
, vi 𝜇𝑖=0 vi mi 𝑖
𝐽
(
𝑥
)
,
sao cho
𝑚𝑖𝑛
𝑣𝐶−𝑥
(∑𝜆
𝑗
𝑑𝑓
𝑗
(𝑥
,𝑣
)
+
𝑝
𝑗=1
𝜇𝑖𝑑
𝑔
𝑖
(𝑥
,𝑣
)
𝑚
𝑖=1
)0.
Chng minh. Ta đạo hàm trên ca hàm mc tiêu
𝐹(𝑥) cũng nhn giá tr hu hn ti nghim cc tiểu địa
phương
𝑥𝐾
bởi các đạo hàm trên ca
𝑓
𝑖
(
𝑖
𝐼
𝑝
)
hu hn ti nghim này (xem [1, Section 6.1.4]). Để ý
rng h (H1) sau đây không có nghim
𝑣𝐶𝑥
:
{𝑑𝐹(𝑥
,𝑣
)<0,
𝑑
𝐻
𝑔
𝑖
(𝑥
,𝑣
)<0,
𝑖
𝐽(𝑥).
Tht vy, gi s ngưc li, h (H1) nghim
𝑣𝐶𝑥.
Theo định nghĩa đo hàm trên ca F tại điểm
(
𝑥
,𝑣
)
, ta có
𝑑𝐹(𝑥
,𝑣
)= liminf
(𝑡,𝑢)(0
+
,𝒗)
𝐹(𝑥
+𝑡𝑢
)𝐹(𝑥)
𝑡
= lim
(𝑡
𝑛
,𝑣
𝑛
)(0
+
,𝑣) thỏa mãn
𝑥
+
𝑡
𝑛
𝑣
𝑛
∈𝐶,𝑛
𝐹(𝑥
+
𝑡
𝑛
𝑣
𝑛
)𝐹(𝑥)
𝑡
𝑛
<0
Do đó, với mi ch s 𝑖
𝐽(𝑥
)
𝑣
𝑛
,
theo định
nghĩa liminf, luôn tn ti dãy
(𝑡
𝑛
,𝑣
𝑛
)( 0
+
,𝑣)
vi
𝑥
+
𝑡
𝑛
𝑣
𝑛
𝐶,𝑛
và
𝑛
đủ ln đưc ly trong gii
hn trên ta cũng
𝑑
𝐻
𝑔
𝑖
(𝑥
,𝑣
) = lim
(𝑡,𝑢)→(0
+
,𝑣)
𝑔
𝑖
(𝑥
+𝑡𝑢
)𝑔
𝑖
(𝑥)
𝑡
= lim
(𝑡
𝑛
,𝑣
𝑛
)( 0
+
,𝑣)
𝑥
+
𝑡
𝑛
𝑣
𝑛
∈𝐶,𝑛𝑁
𝑔
𝑖
(𝑥
+
𝑡
𝑛
𝑣
𝑛
)𝑔
𝑖
(𝑥)
𝑡
𝑛
<0.
𝑖
𝐽
(
𝑥
)
,𝑔
𝑖
(
𝑥
)
=0
nên t đó không mt tính tng
quát ta th xem
𝑔
𝑖
(𝑥
+
𝑡
𝑛
𝑣
𝑛
)<0,𝑛
đủ ln và
mi
𝑖
𝐽
(
𝑥
)
. Mt khác, theo gi thiết
vi mi ch s
𝑖
𝐽
(
𝑥
)
, các hàm
𝑔
𝑖
liên tc ti
𝑥
nên vi mi
𝑛
đủ ln
ta có
𝑔
𝑖
(𝑥
+
𝑡
𝑛
𝑣
𝑛
)<0,𝑖𝐼
𝑚
.
Theo định nghĩa vi mi
𝑛
đủ ln, tn ti
mt lân cn
m
𝛮
ca đim
𝑥
thỏa mãn đồng thi
𝑥
+
𝑡
𝑛
𝑣
𝑛
𝐾𝛮
𝐹(𝑥
+
𝑡
𝑛
𝑣
𝑛
)𝐹(𝑥)<0.
Suy ra
𝑥𝐾
không phi cc tiểu địa phương ca
bài toán (P). Vy h (H1) không nghim
𝑣𝐶𝑥
.
Hơn nữa, nh tính thun nhất ơng của đo m
trên hu hn ti
𝑥
nên t gi thiết tính cht i cng
tính ca chúng, ta đưc
𝑑𝑓
𝑗
(𝑥
,𝑣
),𝑑
𝐻
𝑔
𝑖
(𝑥
,𝑣
)
vi
𝑗
𝐼
𝑝
,
𝑖
𝐽(𝑥
)
các hàm li. T đó, do điu kin
chính quy (RC) đúng tại điểm
𝑥
nên áp dng Định lí 2.1,
tn ti các nhân t Lagrange
𝜆
=
(𝜆
1,
𝜆
2,,
𝜆
𝑝
)
+
𝑝
,
trong đó
𝜆
𝑗
=0, ∀𝑗
𝐼(𝑥
)
tha mãn
𝜆
𝑗>0
𝑝
𝑗=1
𝜇=(𝜇1,𝜇2,, 𝜇𝑚)
+
𝑚
vi 𝜇𝑖=0, ∀𝑖
𝐽
(
𝑥
)
sao cho
vi mi
𝑣𝐶𝑥
, bất đẳng thức sau đúng:
𝜆
𝑗
𝑑𝑓
𝑗
(𝑥
,𝑣
)
+
𝑝
𝑗=1
𝜇𝑖
𝑑
𝐻
𝑔
𝑖
(𝑥
,𝑣
)
𝑚
𝑖=1
0. (2)
Do
𝜆
𝑗>0
𝑝
𝑗=1
nên ta th chn
𝜆
𝑗=1.
𝑝
𝑗=1
T
đây bất đẳng thc (2) ta suy ra
𝑚𝑖𝑛
𝑣∈𝐶−𝑥
(∑𝜆
𝑗
𝑑𝑓
𝑗
(𝑥
,𝑣
)
+
𝑝
𝑗=1
𝜇𝑖
𝑑
𝐻
𝑔
𝑖
(𝑥
,𝑣
)
𝑚
𝑖=1
)0.
Để ý nếu m có đạo hàm Hadamard thì đo m
trên trùng với đạo hàm Hadamard nên định được
chng minh.
Chú ý nhiu lp m không lồi đo hàm trên
thun nht, dưới cng tính. Chng hn, xét m s thc
f xác định bi:
𝑓(𝑥)={|𝑥|(2𝑠𝑖𝑛2024
𝑥),khi 𝑥0,
0,khi 𝑥=0.
Chn
𝑥=0
bt
𝑣,
ng định nghĩa đạo
hàm trên và chú ý là
2𝑠𝑖𝑛
2024
𝑥
1 (𝑥0),
ta tính
đưc
𝑑𝑓(𝑥
,𝑣
)=|𝑣|
. Do đó, đo hàm trên
𝑑𝑓(𝑥
,.
): ℝ
thun nhất dương i cng tính.
Một điều kiện hữu hiệu đủ cho nghiệm cực tiểu toàn
cục của bài toán (P) được phát biểu như sau:
Định 3.2. Cho
𝑥𝐾
gi s rng
𝑓
𝑗
(𝑗𝐼
𝑝
),𝑔
𝑖
(𝑖 𝐽(𝑥))
các hàm gi li ti
𝑥
.
Nếu
tn ti các nhân t Lagrange
𝜆
=
(𝜆
1,
𝜆
2,,
𝜆
𝑝
)
+
𝑝
,
trong đó
𝜆
𝑗 =0 vi mi 𝑗
𝐼(𝑥
)
𝜆
𝑗=1
𝑝
𝑗=1
𝜇 =(𝜇1,𝜇2,,𝜇𝑚)
+
𝑚
, trong đó 𝜇𝑖=0 vi mi
𝑖
𝐽
(
𝑥
)
sao cho
𝑚𝑖𝑛
𝑣∈𝐾𝑥
(∑𝜆
𝑗
𝑑𝑓
𝑗
(𝑥
,𝑣
)
+
𝑝
𝑗=1
𝜇𝑖
𝑑𝑔
𝑖
(𝑥
,𝑣
)
𝑚
𝑖=1
)0
thì
𝑥
là nghim cc tiu ca bài toán (P).
Chng minh. Theo gi thiết, c hàm thc m rng
𝑓
𝑗
(𝑗𝐼
𝑝
)
gi li ti đim
𝑥𝐾
𝑣à
tn ti nhân t
Lagrange
𝜆
=
(𝜆
1,
𝜆
2,,
𝜆
𝑝
)
+
𝑝
, trong đó
𝜆
𝑗=0 vi
mi 𝑗
𝐼(𝑥
)
𝜆
𝑗=1
𝑝
𝑗=1
, vì thế, vi mi
𝑥
𝐾
, ta
𝑑𝑓
𝑗
(𝑥
,𝑥
𝑥)𝑓
𝑗
(𝑥)𝑓
𝑗
(𝑥).
Do đó,
𝜆
𝑗
𝑑𝑓
𝑗
(𝑥
,𝑥
𝑥))𝜆
𝑗
(𝑓
𝑗
(𝑥)𝑓
𝑗
(𝑥))
𝑝
𝑗=1
𝑝
𝑗=1
= 𝜆
𝑗
(𝑓
𝑗
(𝑥)𝑓
𝑗
(𝑥))
𝑗
∈𝐼(𝑥)
𝜆
𝑗
(max{𝑓
𝑗
(𝑥):
𝑗
𝐼(𝑥)}𝑓
𝑗
(𝑥))
𝑗
∈𝐼(𝑥)
ISSN 1859-1531 - TP CHÍ KHOA HC VÀ CÔNG NGH - ĐẠI HỌC ĐÀ NNG, VOL. 22, NO. 11A, 2024 41
= 𝜆
𝑗
(max{𝑓
𝑗
(𝑥):
𝑗
=1,2,,𝑝}𝐹(𝑥))
𝑗
∈𝐼(𝑥)
= 𝜆
𝑗
(𝐹(𝑥)𝐹(𝑥))
𝑗
∈𝐼(𝑥)
= 𝐹(𝑥)𝐹(𝑥). (3)
Mặt khác, do các hàm ràng buộc
𝑔
𝑖
(𝑖 𝐽(𝑥))
gi li
ti
𝑥
𝜇=(𝜇1,𝜇2,, 𝜇𝑚)
+
𝑚
, vi 𝜇𝑖=0 vi mi
𝑖
𝐽
(
𝑥
)
nên
𝑑𝑔
𝑖
(𝑥
,𝑥
𝑥)𝑔
𝑖
(𝑥)𝑔
𝑖
(𝑥),𝑥𝐾.
Vì vy, vi mi
𝑥𝐾
, ta
𝜇𝑖
𝑑𝑔
𝑖
(𝑥
,𝑥
𝑥)
𝑚
𝑖=1
𝜇𝑖
(𝑔
𝑖
(𝑥)𝑔
𝑖
(𝑥))
𝑚
𝑖=1
=
𝜇𝑖
(𝑔
𝑖
(𝑥)𝑔
𝑖
(𝑥))
𝑖
∈𝐽(𝑥)
0.
Cng bất đẳng thc trên vi bất đng thc (3) vế theo
vế, ta đưc
𝐹(𝑥)𝐹(𝑥)
𝜆𝑗
𝑑𝑓
𝑗
(𝑥
,𝑥
𝑥)
+
𝑝
𝑗=1
𝜇𝑖
𝑑𝑔
𝑖
(𝑥
,𝑥
𝑥)
.
𝑚
𝑖=1
Suy ra
𝐹(𝑥)𝐹(𝑥)0,𝑥𝐾.
Vậy, điểm
𝑥𝐾
là nghim cc tiu ca bài toán (P).
dụ 3.3.
Xét bài toán tối ưu (P), vi
𝑛=1,
𝑝=𝑚=2,
các hàm số thực mở rộng sau
𝑓
1
(𝑥)={𝑥
2
(|𝑠𝑖𝑛2024
𝑥|1),khi 𝑥0,
0,khi 𝑥=0,
𝑓
2
(𝑥)=|2024𝑥|𝑥
2
,𝑔
1
(𝑥)=2024𝑥
2
+𝑥2025
𝑔
2
(𝑥)=2024(𝑥
2
𝑥)
vi
mi
𝑥
.
Chn đim
𝑥
=0 tp con li 𝐶=[0,+∞). Ta 𝐾={𝑥
𝐶: 2024𝑥
2
+𝑥20250,2024
(
𝑥
2
𝑥
)
0
}, hay
K=[0,1],𝐹(𝑥)=
𝑓
2
(
𝑥
)
,
do đó,
𝐼(𝑥)=𝐽(𝑥)={2}.
Hơn
na, ta ng có
𝑑𝑓
2
(𝑥
,𝑥
𝑥)=|2024𝑥|,
𝑑𝐻
𝑔
2
(𝑥
,𝑥
𝑥)=−2024𝑥,
vi mi
𝑥
𝐾
𝑓
1
(𝑥),𝑓
2
(𝑥),𝑔
2
(𝑥)
gi
li ti
𝑥
.
Chn
𝜇=(𝜇1,𝜇2)
(0,1)
+
2
𝜆
=
(𝜆
1,
𝜆
2
)
(
0,1
)
+
2
,
ta được
𝑚𝑖𝑛
𝑣𝐾−𝑥
(∑𝜆
𝑗
𝑑𝑓
𝑗
(𝑥
,𝑣
)
+
𝑝
𝑗=1
𝜇𝑖𝑑𝐻
𝑔
𝑖
(𝑥
,𝑣
)
𝑚
𝑖=1
)
=
𝑚𝑖𝑛
𝑣∈𝐾𝑥
(|2024𝑣|2024𝑣)0.
Áp dụng Định 3.2
,
đim
𝑥
=0
nghim cc tiu
ca bài toán (P). Th li bằng định nghĩa ta thy tha mãn.
4. Ứng dụng trong mô hình đối ngẫu
Phần này trình bày mô hình đối ngẫu dạng max cho bài
toán gốc (P) phân tích tính đối ngẫu mạnh tính đối
ngẫu yếu cho cặp bài toán gốc (P) và đối ngẫu (D) (bài toán
đối ngẫu của bài toán (P)).
Bài toán đối ngẫu dạng max hiệu (D) cho bài toán
tối ưu min gốc (P) được định nghĩa bởi:
max
𝑦∈𝐶
𝐹(𝑦)
với điều kiện
(𝑦,
𝜆
,𝜇)
𝐾
(
𝐷
)
,
(D)
trong đó
, 𝐹(𝑦)= max
𝑖=1,2,…,𝑝
𝑓
𝑖
(𝑦) 𝐾(𝐷)
hiu tp
nghim chp nhn được ca bài toán đi ngu (D) ta
định nghĩa
𝐾(𝐷)
là tp sau:
{
(𝑦
,
𝜆
,𝜇
)𝐶×
+
𝑝
×
+
𝑚
𝜆
𝑗
𝑑𝑓
𝑗
(𝑦
,𝑣
)
+
𝑝
𝑗=1
𝜇𝑖
𝑑𝑔
𝑖
(𝑦
,𝑣
)
𝑚
𝑖=1
0,
∀𝑣𝐶𝑦,𝜆
𝑗=0 với mọi 𝑗
𝐼(𝑦) 𝜆
𝑗=1
𝑝
𝑗=1
,
𝜇𝑖=0 với mọi 𝑖
𝐽(𝑦).
}
.
Định nghĩa 4.1.
Một véctơ
(
𝑦
,
𝜆
,𝜇)
𝐾(𝐷)
đưc gi
là nghim cực đại toàn cc của bài toán đối ngu (D) nếu
𝐹(𝑦)𝐹(𝑦),
(
𝑦,
𝜆
,𝜇
)𝐾(𝐷).
Định lí 4.1. (Đối ngẫu yếu) Cho các nghiệm chấp nhận
được
𝑥𝐾
(𝑦
,
𝜆
,𝜇
)𝐾(𝐷)
. Gi s rng các m
𝑓
𝑗
(𝑗𝐼(𝑦)),𝑔
𝑖
(𝑖 𝐽(𝑦))
gi li ti đim
𝑦
và các đạo
hàm trên của chúng hữu hạn tại điểm
𝑦
. Khi đó, ta luôn
𝐹(𝑥)𝐹(𝑦).
Chng minh. Theo gi thiết, tp 𝐶
li các hàm
𝑓
𝑗
(𝑗𝐼(𝑦)),𝑔
𝑖
(𝑖 𝐽(𝑦))
gi li ti
𝑦
, do đó, ta có bt
đẳng thc sau
𝑑𝑓
𝑗
(𝑦
,
𝑥
𝑦)𝑓
𝑗
(𝑥)𝑓
𝑗
(𝑦).
Suy ra
𝜆
𝑗
𝑑𝑓
𝑗
(𝑦
,
𝑥
𝑦)𝜆
𝑗
(𝑓
𝑗
(𝑥)𝑓
𝑗
(𝑦))
𝑝
𝑗=1
𝑝
𝑗=1
= 𝜆
𝑗
(𝑓
𝑗
(𝑥)𝑓
𝑗
(𝑦))
𝑗
∈𝐼(𝑦
)
𝜆
𝑗
(𝑚𝑎𝑥{𝑓
𝑗
(𝑥):
𝑗
=1,2,,𝑝}𝑓
𝑗
(𝑦))
𝑗
∈𝐼(𝑦
)
= 𝜆
𝑗
(𝑚𝑎𝑥{𝑓
𝑗
(𝑥):
𝑗
=1,2,,𝑝}𝐹(𝑦))
𝑗
∈𝐼(𝑦
)
= 𝜆
𝑗
(𝐹(𝑥)𝐹(𝑦))=𝐹(𝑥)𝐹(𝑦).
𝑗
∈𝐼(𝑦
)
(4)
Tương tự như trên, ta
𝜇𝑖
𝑑𝑔
𝑖
(𝑦
,
𝑥
𝑦)
𝑚
𝑖=1
𝜇𝑖
(𝑔
𝑖
(𝑥)𝑔
𝑖
(𝑦))
𝑚
𝑖=1
=
𝜇𝑖
(𝑔
𝑖
(𝑥)𝑔
𝑖
(𝑦))
𝑖
∈𝐽(𝑦
)
0. (5)
(
𝑦
,
𝜆
,𝜇)
𝐾(𝐷)
kéo theo
𝜆
𝑗
𝑑𝑓
𝑗
(𝑦
,𝑣
)
+
𝑝
𝑗=1
𝜇𝑖
𝑑𝑔
𝑖
(𝑦
,𝑣
)
𝑚
𝑖=1
0
nên kết hp điu này vi vic cng vế theo vế các bất đẳng
thc (4) và (5) ta được
𝐹(𝑥)𝐹(𝑦)0.
Định 4.2. (Đỗi ngẫu mạnh) Cho
𝑥𝐾
nghim cc
tiu toàn cc ca bài toán gc (P). Gi s rng các điu kin
của Định lí 3.1 được tha mãn. Khi đó, tn ti các nhân t
Lagrange
𝜆
=
(𝜆
1,
𝜆
2,,
𝜆
𝑝
)
+
𝑝
, trong đó
𝜆
𝑗=0
vi mi 𝑗
𝐼(𝑥
)
𝜆
𝑗=1
𝑝
𝑗=1
𝜇=(𝜇1,𝜇2,, 𝜇𝑚)
+
𝑚
, vi 𝜇𝑖=0 vi mi 𝑖
𝐽
(
𝑥
)
sao cho
(
𝑥
,
𝜆
,𝜇)
𝐾(𝐷).
42 Nguyn Th Hi Yến, Trn Hoàng Tiến Thành
Hơn na, nếu ta thêm gi thiết các m
𝑓
𝑗
(𝑗𝐼(𝑥)),𝑔
𝑖
(𝑖 𝐽(𝑥))
gi li ti đim
𝑥
thì
(
𝑥
,
𝜆
,𝜇)
𝐾(𝐷)
là nghim cực đại toàn cc ca bài toán
đối ngu (D).
Chng minh. Ta tp 𝐶
li và điu kin chính quy
(RC) ca i tn tối ưu gc không li (P) tha mãn ti
đim
𝑥
.
𝑥𝐾
nghim cc tiu toàn cc
ca bài toán
(P) n áp dng Định 3.1 tn ti
các nhân t Lagrange
𝜆
=
(𝜆
1,
𝜆
2,,
𝜆
𝑝
)
+
𝑝
,
vi
𝜆
𝑗=0 vi mi 𝑗
𝐼(𝑥
)
𝜆
𝑗=1
𝑝
𝑗=1
𝜇=(𝜇1,𝜇2,, 𝜇𝑚)
+
𝑚
vi 𝜇𝑖=0 vi
mi 𝑖
𝐽
(
𝑥
)
sao cho
𝑚𝑖𝑛
𝑣𝐶−𝑥
(𝜆
𝑗
𝑑𝑓
𝑗
(𝑥
,𝑣
)
+
𝑝
𝑗=1
𝜇𝑖
𝑑𝑔
𝑖
(𝑥
,𝑣
)
𝑚
𝑖=1
)0.
Theo định nghĩa, ta suy ra
(
𝑥
,𝜆,𝜇)
𝐾(𝐷).
Bây gi, nếu ta thêm gi thiết rng c hàm
𝑓
𝑗
(𝑗𝐼(𝑥)),𝑔
𝑖
(𝑖 𝐽(𝑥))
gi li ti
𝑥
thì áp dng đnh
đối ngu yếu, vi mi nghim chp nhận được
(𝑦,
𝜆
,𝜇′)
𝐾(𝐷)
, ta có
𝐹(𝑥)𝐹(𝑦)0.
Theo Định
nghĩa 4.1, véctơ (
𝑥
,
𝜆
,𝜇)
𝐾(𝐷)
nghim cực đại toàn
cc ca bài toán đối ngu (D).
dụ 4.3.
Xét bài toán tối ưu (P), vi
𝑛=2,
𝑝=3,𝑚=2,𝐶=
2
và xét các hàm số thực sau
𝑓
1
(𝑥,𝑦)=|𝑥|+𝑦,
𝑓
2
(𝑥,𝑦)=|𝑥|+𝑦2024,
𝑓
3
(𝑥,𝑦)=|𝑥|+𝑦2025,
𝑔
1
(𝑥,𝑦)=|𝑦|𝑥
𝑔
2
(𝑥,𝑦)=|𝑥|𝑦
vi
mi
𝑥,𝑦
.
Suy ra
𝐹(𝑥,𝑦)=|𝑥|+𝑦
vi
mi
𝑥,𝑦
𝐼(𝑥,𝑦)={1}
.
Khi đó tp chp nhận được
𝐾={(𝑥,𝑦)
+
2
: 𝑥=𝑦}.
Chọn điểm
𝑥
=(𝑎,𝑎)
𝐾
vi mi s thc a
0
đim
𝑦
=
(
𝑥,𝑦
)
2
.
D dàng kim tra bằng định nghĩa
các
hàm
𝑓
1
,𝑔
1
𝑣à 𝑔
2
gi li ti
𝑦
các đạo hàm trên của
chúng hữu hạn tại
𝑦
.
Bài toán đối ngẫu (D) cho bài toán tối ưu min gốc (P)
được xác định bởi:
max
𝑦∈𝐶
𝐹(𝑦)
với điều kiện
(
𝑦,
𝜆
,𝜇
)𝐾(𝐷),
(D)
trong đó, tp chp nhn được đối ngu
𝐾(𝐷)
có dạng:
{
(𝑦
,
𝜆
,𝜇
)𝐶×
+
3
×
+
2
𝜆
𝑗
𝑑𝑓
𝑗
(𝑦
,𝑣
)
+
3
𝑗=1
𝜇𝑖
𝑑𝑔
𝑖
(𝑦
,𝑣
)
2
𝑖=1
0,
∀𝑣𝐶𝑦,𝜆
𝑗=0 với mọi 𝑗
𝐼(𝑦) 𝜆
𝑗=1
3
𝑗=1
,
𝜇𝑖=0 với mọi 𝑖
𝐽(𝑦)
}
hay là
𝐾(𝐷)=
{
(𝑦
,
𝜆
,𝜇
)𝐶×
+
3
×
+
2
𝑑𝑓
1
(𝑦
,𝑣
)+
𝜇1
𝑑𝑔
1
(𝑦
,𝑣
)
+
𝜇2
𝑑𝑔
2
(𝑦
,𝑣
)0,
∀𝑣𝐶𝑦.
}
.
Vi mi nghim chp nhận được
((𝑥,𝑦),
𝜆
,𝜇)
𝐾
(
𝐷
)
,
theo Định lí 4.1 ta
𝐹(𝑥)𝐹(𝑦),
hay
|𝑥|+𝑦𝑎+|𝑎|=2𝑎.
Vậy định lý đối ngu yếu cung cp mt b chặn i
cho m mc tiêu ca bài toán gc
(P).
5. Kết luận
Trong bài báo này nhóm tác giả đã thiết lập được điều
kiện hữu hiệu cần và đủ cho nghiệm cực tiểu toàn cục của
bài toán tối ưu không lồi (P) có các ràng buộc bất đẳng thức
ràng buộc tập với hàm mục tiêu max của các thành
phần của hàm véctơ nào đó thông qua các đạo hàm trên.
Nhóm tác giả cũng xây dựng hình đối ngẫu dạng max
cho bài toán tối ưu min (P) và đồng thời cũng cung cấp các
định lí về tính đối ngẫu mạnh định lí về đối ngẫu yếu
của chúng.
Lời cảm ơn: Nghiên cứu này được tài trợ bởi Quỹ Phát
triển Khoa học và Công nghệ Đại học Đà Nẵng trong đề tài
có mã số B2023-DN03-08.
TÀI LIỆU THAM KHẢO
[1] J. P. Aubin and H. Frankowska, Set-Valued Analysis, Birkhauser,
Boston, 1990.
[2] B. Jiménez and N. Novo, "First order optimality conditions in vector
optimization involving stable functions", Optimization, vol. 57, no.
3, pp. 449-471, 2008.
[3] G. D. Yalcin, and R. Kasimbeyli, "Generalized derivatives and
optimality conditions in nonconvex optimization", Bull. Malays.
Math. Sci. Soc., vol. 47, no. 81, pp. 1-30, 2024.
[4] P. N. Tinh, "Optimality conditions for nonsmooth vector problems
in normed spaces", Optimization, vol. 69, no. 6, pp. 1151-1186,
2020.
[5] P. N. Tinh, "On optimality conditions for nonsmooth vector
problems in normed spaces via generalized Hadamard directional
derivatives", Optimization, vol. 72, no. 4, pp. 1037-1068, 2023.
[6] T. D. Chuong, and D. S. Kim, "Nondifferentiable minimax
programming problems with applications", Ann. Oper. Res., vol.
251, no. 1-2, pp. 73-87, 2017.
[7] Z. Hong, K. D. Bae, and D. S. Kim, "Minimax programming as a
tool for studying robust multi-objective optimization problems",
Ann. Oper. Res. vol. 319, no. 2, pp. 1589-1606, 2022.
[8] R. T. Rockafellar, Convex Analysis, Princeton University Press,
Princeton, 1970.