MathLabs
定理已证明

坎托罗维奇对偶定理

命题陈述

对于 XX 上的概率测度 μ\mu、YY(均为波兰空间)上的概率测度 ν\nu 以及连续且下有界的代价函数 cc,坎托罗维奇问题等于在满足逐点条件 φ(x)+ψ(y)≤c(x,y)\varphi(x) + \psi(y) \le c(x,y) 的坎托罗维奇势对 φ:X→R\varphi:X\to\mathbb R、ψ:Y→R\psi:Y\to\mathbb R 上取对偶极大化:min⁡γ∈Π(μ,ν)∫X×Yc dγ  =  sup⁡φ(x)+ψ(y)≤c(x,y)(∫Xφ dμ+∫Yψ dν),\min_{\gamma\in\Pi(\mu,\nu)}\int_{X\times Y} c\,d\gamma \;=\; \sup_{\varphi(x)+\psi(y)\le c(x,y)}\left(\int_X\varphi\,d\mu+\int_Y\psi\,d\nu\right), 且极小值与上确界均可达到。

为什么成立?

可以把 φ(x)\varphi(x) 想象成在 xx 处取货所收取的价格,ψ(y)\psi(y) 想象成在 yy 处送货所支付的价格,处于一个由独立承运商组成的去中心化市场中。任何承运商都无法通过绕开直接路线来获利:以价格 φ(x)\varphi(x) 买入、以价格 ψ(y)\psi(y) 卖出,永远不可能比真正运送该质量并支付 c(x,y)c(x,y) 更划算——这恰好就是约束 φ(x)+ψ(y)≤c(x,y)\varphi(x)+\psi(y)\le c(x,y)。在一个最优出清的市场中,等式 φ(x)+ψ(y)=c(x,y)\varphi(x)+\psi(y)=c(x,y) 恰好沿着最优方案实际使用的路径成立。

证明思路

对于有限离散测度 μ=∑ipiδxi\mu=\sum_i p_i\delta_{x_i}、ν=∑jqjδyj\nu=\sum_j q_j\delta_{y_j},坎托罗维奇问题正是有限线性规划 min⁡∑i,jcijγij\min \sum_{i,j} c_{ij}\gamma_{ij},约束为 γij≥0\gamma_{ij}\ge0、∑jγij=pi\sum_j\gamma_{ij}=p_i、∑iγij=qj\sum_i\gamma_{ij}=q_j。其线性规划对偶恰好是在约束 φi+ψj≤cij\varphi_i+\psi_j\le c_{ij}(对所有 i,ji,j)下求 max⁡∑ipiφi+∑jqjψj\max \sum_i p_i\varphi_i+\sum_j q_j\psi_j——原问题每个边缘约束对应一个对偶变量。原问题可行(乘积耦合 piqjp_iq_j 总是可行)且以 00 为下界,可行多胞形 {γij≥0}∩Π(μ,ν)\{\gamma_{ij}\ge0\}\cap\Pi(\mu,\nu) 是紧的,因此线性规划的强对偶性给出两个最优值相等,且均可达到。这精确证明了离散情形;波兰空间上的一般命题由同样的原始-对偶模式,通过将 Fenchel–Rockafellar 对偶应用于 Cb(X×Y)C_b(X\times Y) 上的凸泛函而得(Kantorovich 1942;完整论证见 Villani 2009,定理5.10)。

用到此定理的主题

分步证明

该定理暂无分步证明。

参考文献

  1. Cédric Villani (2009). Optimal Transport: Old and New
  2. Marco Cuturi (2013). Sinkhorn Distances: Lightspeed Computation of Optimal Transport · arXiv:1306.0895
  3. Yann Brenier (1991). Polar Factorization and Monotone Rearrangement of Vector-Valued Functions · DOI:10.1002/cpa.3160440402
  4. John Lott, Cédric Villani (2009). Ricci Curvature for Metric-Measure Spaces via Optimal Transport