Résumé d'exposé d'après Hugo Lavenant sur le problème de transport optimal.
Problème de transport optimal
Sur un ensemble Ω on peut définir l'ensemble de mesure de probabilité M1(Ω). Un problème de transport optimal est chercher une manière de transport tel qu'il commence par une probabilité ρ0 et termine par une autre ρ1 ce coût est minimal.
Mathématiquement, l'ensemble de probabilité de transition est
Π(ρ0,ρ1)={π∈M1(Ω×Ω)|∀A∈B(Ω),π(A,Ω)=ρ0(A),π(Ω,A)=ρ1(A)}
et le coût est donné par la distance de Wasserstein
W22(ρ0,ρ1)=minπ∈Π(ρ0,ρ1){∫Ω×Ω|x−y|2dπ(x,y)}.
Bien sûr, on peut généraliser la distance ici par d'autre norme ou utiliser une distance double.
Courbe de mesure
Un théorème de Radmender nous dit dans l'espace Rd, une fonction lipschitzienne est presque comme une fonction dérivée et on peut appliquer la formule Newton-Leibniz. En fait, c'est un résultat direct d'une fonction absolument continuée. Si on définit une flot
ρ:[0,1]→M1(Ω)
qui est aussi lipschitzienne dans le sens de distance de Wasserstein. Alors,
W2(ρt+h,ρt)h
existes mais W2(ρt+h,ρt)≤∫t+ht|∂ρt|dt.
L’intérêt de courbe de mesure est de construire une mesure sur l'espace Γ=C([0,1],Ω) donc c'est l'ensemble. Alors une mesure sur l'espace comme ça est un peu compliquée mais on rappelle qu'il est espace polonais. Donc, pour une flot, il existe une mesure μ∈M1(Γ) tel que
ρt(A)=μ[γ∈Γ,γ(t)∈A]
puis l'intégration
∫10|∂ρt|2dt=∫Γ(∫10|∂γ(t)|2dt)dμ(γ)
Un dernier remarque : Cette façon relie beaucoup la analyse et la théorie de probabilité et surtout a un esprit de l'intégration de chemin. Imagine est-ce que l'on a chance de l'utiliser dans la géométrie aléatoire ? On va voir.
没有评论:
发表评论