📈 economics

Clarke Differentials and the Envelope Theorem in Dynamic Programming

यह शोध पत्र क्लार्क डिफरेंशियल (Clarke differentials) का उपयोग करके नियतात्मक गतिशील प्रोग्रामिंग (deterministic dynamic programming) मॉडलों के लिए एक एनवेलप प्रमेय (envelope theorem) स्थापित करता है, जिससे पिछले शोध में पाई जाने वाली अवकलनीयता (differentiability), उत्तलता (convexity) और परिबद्धता (boundedness) की मानक आवश्यकताओं को हटाया जा सका है।

मूल लेखक: Yuhki Hosoya

प्रकाशित 2026-06-30

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yuhki Hosoya

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक जटिल, घुमावदार नदी में नेविगेट कर रहे एक जहाज के कप्तान हैं। आपका लक्ष्य अधिक से अधिक खजाना लेकर एक दूर स्थित बंदरगाह तक पहुँचना है। हर दिन, आपको यह निर्णय लेना होता है कि आज कितना ईंधन जलाना है और कल के लिए कितना बचाना है। यह एक क्लासिक "डायनेमिक प्रोग्रामिंग" (dynamic programming) समस्या है: निर्णय लेने की एक ऐसी श्रृंखला जहाँ आज का चुनाव कल के विकल्पों को प्रभावित करता है।

अर्थशास्त्र में, इसे अक्सर एक "वैल्यू फंक्शन" (Value Function) के रूप में मॉडल किया जाता है। इस फंक्शन को एक जादुई मानचित्र के रूप में सोचें जो आपको बताता है कि यदि आप एक विशिष्ट स्थान से शुरू करते हैं तो आप अधिकतम कितना खजाना मिलने की उम्मीद कर सकते हैं।

समस्या: "स्मूथनेस" (Smoothness) का जाल

लंबे समय से, अर्थशास्त्री जानना चाहते थे: यदि मैं अपने शुरुआती स्थान को थोड़ा सा बदल दूँ, तो मेरे कुल खजाने में कैसे बदलाव आएगा?

इसका उत्तर देने के लिए, उन्होंने एन्वेलप थ्योरम (Envelope Theorem) नामक एक उपकरण का उपयोग किया। सरल शब्दों में, यह थ्योरम कहता है: "यदि आप पहले से ही सर्वोत्तम संभव विकल्प बना रहे हैं, तो आपको इस बात की चिंता करने की आवश्यकता नहीं है कि जब आप थोड़ा सा आगे बढ़ते हैं तो आपके भविष्य के विकल्प कैसे बदलेंगे। आपको केवल तत्काल स्थिति में होने वाले बदलावों को देखने की आवश्यकता है।"

हालाँकि, एक पेंच था। इस थ्योरम का उपयोग करने के लिए, "जादुई मानचित्र" (वैल्यू फंक्शन) और "नदी के नियम" (बाधाएं/constraints) पूरी तरह से चिकने और गोल होने चाहिए, जैसे एक पॉलिश की हुई मार्बल बॉल। गणित में, इसका अर्थ है कि उन्हें डिफरेंशिएबल (प्रत्येक बिंदु पर एक स्पष्ट, एकल ढलान होना) और कॉन्वेक्स (एक कटोरे के आकार जैसा, न कि एक ऊबड़-खाबड़ पहाड़) होना चाहिए।

लेकिन वास्तविक जीवन एक पॉलिश की हुई मार्बल बॉल नहीं है।

"लॉगारिदम" (Logarithm) की समस्या: कई आर्थिक मॉडल एक उपयोगिता फलन (utility function) का उपयोग करते हैं जो लॉगारिदम जैसा दिखता है (जैसा कि उल्लेखित CRRA फंक्शन में है)। यह किनारों पर अनंत (infinity) तक ऊपर जाता है या ऋणात्मक अनंत (negative infinity) तक नीचे गिर जाता है। यह "बाउंडेड" (bounded) नहीं है (यह एक निश्चित बॉक्स के भीतर नहीं रहता) और किनारों पर स्मूथ भी नहीं है।
"जैग्ड" (Jagged) की समस्या: कभी-कभी खेल के नियम अचानक बदल जाते हैं। मानचित्र में एक तीखा कोना हो सकता है।

एन्वेलप थ्योरम के पिछले संस्करणों (जैसे प्रसिद्ध बेनविन्स्टे-शिंकेंटमैन थ्योरम) के लिए यह आवश्यक था कि मानचित्र चिकना हो और नियम पूरी तरह से कॉनवेक्स हों। यदि आपके आर्थिक मॉडल में कोई तीखा कोना या अनबाउंडेड फंक्शन था, तो पुराने गणितीय उपकरण विफल हो जाते थे, और अर्थशास्त्री यह गणना नहीं कर पाते थे कि उनका खजाना कैसे बदलेगा।

समाधान: "क्लार्क डिफरेंशियल" (Clarke Differential)

यह पेपर क्लार्क डिफरेंशियल नामक उपकरण का उपयोग करके मानचित्र को देखने का एक नया तरीका पेश करता है।

क्लार्क डिफरेंशियल को ढलानों के लिए एक "धुंधला दिशा-सूचक यंत्र" (fuzzy compass) या "सुरक्षा जाल" के रूप में सोचें।

पुराना तरीका (मानक डेरिवेटिव): यदि आप एक पहाड़ के तीखे कोने पर खड़े होते हैं, तो एक मानक दिशा-सूचक यंत्र (compass) बेतहाशा घूमता है क्योंकि वहां कोई एक एकल "ऊपर" की दिशा नहीं होती। गणित कहता है, "मैं इसकी गणना नहीं कर सकता।"
नया तरीका (क्लार्क डिफरेंशियल): धुंधला दिशा-सूचक यंत्र एक एकल दिशा खोजने के बजाय, उस तीखे कोने पर मौजूद सभी संभावित ढलानों को देखता है और आपको संभावित दिशाओं की एक "रेंज" या "बादल" देता है। यह कहता है, "ढलान इन दो मानों के बीच कहीं है।"

इस धुंधले दिशा-सूचक यंत्र का उपयोग करके, लेखक (युकी होसोया) एक नया एन्वेलप थ्योरम सिद्ध करते हैं जो तब भी काम करता है जब:

मानचित्र में तीखे कोने होते हैं (यह स्मूथ नहीं है)।
खजाने के मूल्य अनंत तक जा सकते हैं (यह बाउंडेड नहीं है)।
नदी का आकार एक आदर्श कटोरा नहीं है (यह स्ट्रिक्टली कॉनवेक्स नहीं है)।

मुख्य परिणाम: एक अधिक लचीला मानचित्र

पेपर की मुख्य उपलब्धि (थ्योरम 3) यह दिखाना है कि आप इन "अव्यवस्थित", वास्तविक दुनिया के आर्थिक मॉडलों पर अभी भी एन्वेलप थ्योरम लागू कर सकते हैं।

लेखक इसे रामसे-कास-कोपमैन्स (RCK) मॉडल का उपयोग करके प्रदर्शित करते हैं, जो पूंजी संचय (बचत और निवेश) के लिए एक मानक मॉडल है।

पुराना थ्योरम: कहेगा, "यह मॉडल बहुत अव्यवस्थित है क्योंकि उपयोगिता फलन (उपभोग से खुशी) शून्य पर अनंत या अपरिभाषित हो सकता है। हम यहाँ एन्वेलप थ्योरम का उपयोग नहीं कर सकते।"
नया थ्योरम: कहता है, "भले ही फंक्शन अव्यवस्थित, टेढ़ा-मेढ़ा और अनबाउंडेड हो, फिर भी हम यह निर्धारित करने के लिए अपने धुंधले दिशा-सूचक यंत्र का उपयोग कर सकते हैं कि जब आप थोड़े अधिक या थोड़े कम पूंजी के साथ शुरू करते हैं तो कुल खजाना कैसे बदलता है।"

"सीक्रेट सॉस": रेगुलैरिटी (Regularity)

पेपर "रेगुलैरिटी" की एक अवधारणा भी पेश करता है। एक ऐसे पहाड़ की कल्पना करें जहाँ ऊपर जाने वाला रास्ता नीचे जाने वाले रास्ते से अलग है। वह "इर्रेगुलर" (अनियमित) है। पेपर दिखाता है कि कई आर्थिक कार्यों (जैसे कॉन्केव यूटिलिटी फंक्शन्स) के लिए, ऊपर और नीचे जाने का रास्ता वास्तव में इतना सुसंगत होता है कि "धुंधला दिशा-सूचक यंत्र" एक विश्वसनीय उत्तर देता है। यह सिद्धांत को तब भी काम करने की अनुमति देता है जब यह मानने की आवश्यकता नहीं होती कि फंक्शन पूरी तरह से स्मूथ है।

सारांश

रोजमर्रा की भाषा में, यह पेपर एक नेविगेशन सिस्टम को अपग्रेड करने जैसा है।

पहले: जीपीएस केवल तभी काम करता था जब सड़कें पूरी तरह से सीधी, चिकनी और एक विशिष्ट शहर की सीमा के भीतर होती थीं। यदि आप ऑफ-रोड जाने की कोशिश करते या किसी घाटी में जाते, तो जीपीएस विफल हो जाता।
अब: नया जीपीएस (क्लार्क डिफरेंशियल का उपयोग करके) ऊबड़-खाबड़ रास्तों, तीखे मोड़ों और अनंत दूरियों को संभाल सकता है। यह अर्थशास्त्री को बताता है, "भले ही आपका आर्थिक मॉडल टेढ़ा-मेढ़ा और अनबाउंडेड हो, फिर भी आप बिना अटके छोटे बदलावों के प्रभाव की गणना कर सकते हैं।"

पेपर यह दावा नहीं करता है कि वह नई आर्थिक समस्याओं को हल करता है या भविष्य की भविष्यवाणी करता है; यह केवल एक अधिक मजबूत गणितीय उपकरण प्रदान करता है जो अर्थशास्त्रियों को उन मॉडलों का विश्लेषण करने की अनुमति देता है जिन्हें पहले एन्वेलप थ्योरम के साथ अध्ययन करने के लिए "बहुत अधिक अव्यवस्थित" माना जाता था।

तकनीकी सारांश: क्लार्क डिफरेंशियल और डायनेमिक प्रोग्रामिंग में एनवेलप प्रमेय

समस्या विवरण
यह शोध पत्र नियतिवादी (deterministic) डायनेमिक प्रोग्रामिंग मॉडलों में एनवेलप प्रमेय (envelope theorem) के अनुप्रयोग को संबोधित करता है। मानक अनुकूलन सिद्धांत (optimization theory) में, एनवेलप प्रमेय यह बताता है कि मान फलन (value function) का एक पैरामीटर के सापेक्ष अवकलज (derivative), वस्तु फलन (objective function) पर पैरामीटर के प्रत्यक्ष प्रभाव पर निर्भर करता है, क्योंकि इष्टतम चयन (optimal choice) के माध्यम से होने वाला अप्रत्यक्ष प्रभाव प्रथम-क्रम की स्थिति (first-order condition) के कारण शून्य हो जाता है। हालांकि, डायनेमिक प्रोग्रामिंग में, मान फलन $\bar{V}(x)$ अंतर्जात रूप से (endogenously) व्युत्पन्न होता है, जिससे इसकी अवकलनीयता (differentiability) को बाह्य रूप से (exogenously) मानना कठिन हो जाता है। इसके अतिरिक्त, इष्टतम नीति फलन (policy function) $y^*(x)$ अवकलनीय नहीं भी हो सकता है।

पिछले साहित्य ने इसे हल करने का प्रयास किया है। बेनविन्स्टे और शेन्कमैन [1] ने उत्तलता विश्लेषण (convex analysis) का उपयोग करके एक एनवेलप प्रमेय स्थापित किया, लेकिन उनके परिणाम मजबूत धारणाओं पर निर्भर करते हैं, जिसमें डोमेन की उत्तलता (convexity) और वस्तु फलन की अवतलता (concavity) शामिल है। मोर्दुकविच और सागारा [4] ने गैर-उत्तल (non-convex) सेटिंग्स और स्टोकेस्टिक मॉडलों के लिए क्लार्क डिफरेंशियल (Clarke differentials) का उपयोग करके इन परिणामों का विस्तार किया। हालांकि, उनके दृष्टिकोण के लिए यह आवश्यक है कि वस्तु फलन परिबद्ध (bounded) हो और संपूर्ण स्थान पर परिभाषित हो। ये धारणाएं अक्सर मानक आर्थिक मॉडलों में टूट जाती हैं, जैसे कि कॉन्स्टेंट रिलेटिव रिस्क एवरजन (CRRA) उपयोगिता कार्यों के साथ रैमसे-कास-कोपमैन्स (RCK) मॉडल, जो अनबाउंडेड (unbounded) होते हैं और प्रतिबंधित डोमेन (जैसे, धनात्मक वास्तविक संख्याएं) पर परिभाषित होते हैं।

कार्यप्रणाली (Methodology)
लेखक क्लार्क डिफरेंशियल का उपयोग करता है, जो नॉनस्मूथ विश्लेषण (nonsmooth analysis) का एक उपकरण है, ताकि काफी कमजोर धारणाओं के तहत एक एनवेलप प्रमेय व्युत्पन्न किया जा सके। कार्यप्रणाली में शामिल है:

ढांचा (Framework): शोध पत्र एक संक्षिप्त रूप वाले नियतिवादी डायनेमिक प्रोग्रामिंग मॉडल का उपयोग करता है जहाँ मान फलन बेलमैन समीकरण (Bellman equation) का पालन करता है:
$\bar{V}(x) = \max \{ w(x, y) + \delta \bar{V}(y) \mid y \in \Gamma(x) \}$
यहाँ, $X$ एक बानाच स्पेस (Banach space) है, $w$ एक वस्तु फलन है, और $\Gamma$ एक बाधा सहसंबंध (constraint correspondence) है, और $\delta \in (0, 1)$ है।
क्लार्क डिफरेंशियल टूल्स: शोध पत्र स्थानीय लिप्सचिट्ज़ (locally Lipschitz) फलनों के लिए सामान्य दिशात्मक अवकलज (generalized directional derivative) $f^\circ(x; v)$ और क्लार्क डिफरेंशियल $\partial^\circ f(x)$ को परिभाषित करता है। यह स्ट्रॉन्ग डिफरेंशिएबिलिटी (strong differentiability) के साथ क्लार्क डिफरेंशियल के संबंध सहित मौलिक गुणों को स्थापित करता है, और सिद्ध करता है कि उत्तल या अवतल फलनों के लिए, क्लार्क डिफरेंशियल मानक सबडिफरेंशियल (subdifferential) के समान होता है।
नियमितता की शर्तें (Regularity Conditions): एक प्रमुख अवधारणा जिसे नियमितता (regularity) कहा जाता है, उसे पेश किया गया है, जहाँ सामान्य दिशात्मक अवकलज शास्त्रीय दिशात्मक अवकलज के बराबर होता है। शोध पत्र इस तथ्य का लाभ उठाता है कि खुले उत्तल सेटों पर अवतल फलन नियमित होते हैं।
प्रमाण रणनीति (Proof Strategy): मुख्य प्रमेय (थ्योरम 3) की प्रमाण प्रक्रिया इस प्रकार है:
- यह स्थापित करना कि मान फलन $\bar{V}$ , $w$ की वैश्विक परिबद्धता (global boundedness) की धारणा किए बिना, $\bar{x}$ के आसपास स्थानीय रूप से लिप्सचिट्ज़ है।
- नीति सहसंबंध (policy correspondence) $G(x)$ की अपर हेमी-निरंतरता (upper hemi-continuity) और बाधा सेट की कॉम्पैक्टनेस (compactness) का उपयोग करके इष्टतम पथ की ओर अभिसरण करने वाले अनुक्रमों (sequences) का निर्माण करना।
- $\bar{V}$ के सामान्य अवकलज को अवस्था चर (state variable) के सापेक्ष $w$ के आंशिक क्लार्क डिफरेंशियल द्वारा बांधने के लिए बेलमैन समीकरण पर क्लार्क डिफरेंशियल के अनुप्रयोग का उपयोग करना।

प्रमुख योगदान और परिणाम
प्राथमिक योगदान थ्योरम 3 है, जो उन स्थितियों के तहत नियतिवादी डायनेमिक प्रोग्रामिंग मॉडलों के लिए एनवेलप प्रमेय स्थापित करता है जो उन शर्तों द्वारा संतुष्ट हैं जो कई मानक आर्थिक मॉडलों द्वारा पूरी की जाती हैं लेकिन पिछले प्रमेयों द्वारा वर्जित हैं।

शिथिल धारणाएं (Relaxed Assumptions): मोर्दुकविच और सागारा [4] के विपरीत, थ्योरम 3 के लिए यह आवश्यक नहीं है कि वस्तु फलन $w$ परिबद्ध हो या $X^2$ के संपूर्ण स्थान पर परिभाषित हो। बेनविन्स्टे और शेन्कमैन [1] के विपरीत, इसके लिए यह आवश्यक नहीं है कि डोमेन उत्तल हो या वस्तु फलन अवतल हो (हालांकि अवतलता स्थानीय लिप्सचिट्ज़ निरंतरता और नियमितता को दर्शाती है, जो पर्याप्त है)।
मुख्य परिणाम: इस धारणा के तहत कि $w$ स्थानीय रूप से लिप्सचिट्ज़, इष्टतम बिंदुओं पर नियमित, और नीति सहसंबंध विशिष्ट निरंतरता और गैर-रिक्त प्रतिच्छेदन गुणों को संतुष्ट करता है, मान फलन $\bar{V}$ स्थानीय रूप से लिप्सचिट्ज़ है, और इसका क्लार्क डिफरेंशियल निम्नलिखित को संतुष्ट करता है:
$\partial^\circ \bar{V}(\bar{x}) \subset \partial^\circ_x w(\bar{x}, \bar{y})$
किसी $\bar{y} \in \text{cl} G(\bar{x})$ के लिए।
कोरोलरी 2 (Corollary 2): यदि वस्तु फलन स्ट्रॉन्गली डिफरेंशिएबल है, तो मान फलन भी स्ट्रॉन्गली डिफरेंशिएबल होगा, और समावेशन स्ट्रॉन्ग डेरिवेटिव के साथ समानता बन जाएगा।

महत्व और दायरा
शोध पत्र का दावा है कि इसके परिणाम महत्वपूर्ण हैं क्योंकि वे पहले से संभव मॉडलों की तुलना में व्यापक श्रेणी के आर्थिक मॉडलों पर लागू होते हैं। विशेष रूप से, लेखक प्रदर्शित करते हैं कि थ्योरम RCK मॉडल पर लागू होता है जिसमें CRRA उपयोगिता फलन (लॉगरिक केस सहित) और कॉब-डगलस या AK उत्पादन तकनीकें शामिल हैं। इन मॉडलों में अनबाउंडेड उपयोगिता फलन और धनात्मक वास्तविक संख्याओं के लिए प्रतिबंधित डोमेन होते हैं, जो मोर्दुकविच-सागारा की परिबद्धता और पूर्ण-स्थान संबंधी धारणाओं और बेनविन्स्टे-शेन्कमैन की उत्तलता आवश्यकताओं का उल्लंघन करते हैं।

लेखक नोट करते हैं कि जबकि थ्योरम 1 (बेनविन्स्टे-शेन्कमैन) मानक अवकल मॉडलों पर लागू होता है, थ्योरम 3 उन मॉडलों के लिए आवश्यक है जहाँ बाधा सेट या वस्तु फलन में उत्तलता का अभाव होता है (उदाहरण के लिए, सरकारी व्यय नियमों वाले मॉडल जो अवतलता को तोड़ते हैं) या जहाँ वस्तु फलन अनबाउंडेड होता है। शोध पत्र निष्कर्ष निकालता है कि थ्योरम 3 "प्राकृतिक आर्थिक स्थितियों" में एनवेलप प्रमेय को व्युत्पन्न करने के लिए एक मजबूत उपकरण प्रदान करता है जहाँ अवकलनीयता और उत्तलता की गारंटी नहीं दी जा सकती है।

समस्या: "स्मूथनेस" (Smoothness) का जाल

समाधान: "क्लार्क डिफरेंशियल" (Clarke Differential)

मुख्य परिणाम: एक अधिक लचीला मानचित्र

"सीक्रेट सॉस": रेगुलैरिटी (Regularity)

सारांश

इसी तरह के और पेपर