The Generalized Fermat-Torricelli-Weber Problem

技術要約：一般化フェルマー・トリチェッリ・ウェーバー問題

問題の定式化
本論文は、実ヒルベルト空間の枠組みにおける新しい一般化フェルマー・トリチェッリ・ウェーバー（FTW）問題を導入するものである。この問題は、以下の制約付き最小化タスクとして定式化される：
$$\min_{x \in D} \zeta(x)$$
ここで、$D$ はヒルベルト空間 $H$ の空でない、閉かつ凸な部分集合である。目的関数 $\zeta(x)$ は次のように定義される：
$$\zeta(x) = \left\| \sum_{i=1}^{L} B_i(A_i x) - \tilde{y} \right\|_K + \sum_{i=1}^{L} \sum_{j=1}^{m_i} t_{ij} \| A_i x - P_{C_{ij}}(A_i x) \|_{H_i}$$
ここで、$A_i: H \to H_i$ および $B_i: H_i \to K$ は有界線形作用素であり、$C_{ij}$ は $H_i$ の空でない、閉かつ凸な部分集合である。$P_{C_{ij}}$ は $C_{ij}$ への距離射影を表す。$\tilde{y}$ は $K$ の固定された要素であり、$t_{ij}$ は正の実数重みである。関数 $\zeta(x)$ は非平滑かつ凸である。

著者らは、この一般化された枠組みが、古典的なフェルマー・ウェーバー・ロケーション問題、一般化フェルマー・トリチェッリ問題、複数の出力集合を持つ分割フェーズ可能性問題（SFP-MOS）、および分割等価問題（SEP）を含む、既存のいくつかの問題を特殊なケースとして包含していることを示している。

手法
この非平滑最適化問題を解くために、著者らは劣勾配アルゴリズム（アルゴリズム 3.1）を開発した。このアプローチの際立った特徴は、劣勾配の選択における柔軟性であり、本アルゴリズムは各反復において、特定の選択規則を必要とせず、劣微分 $\partial \zeta(x_n)$ から任意の要素を選択することを許容する。

反復スキームは以下の通りである：
$$x_{n+1} = P_D^H (x_n - \sigma_n g_n)$$
ここで、$g_n$ は目的関数の劣微分からの任意の要素であり、$\sigma_n$ は正のステップサイズ列である。

著者らは、ステップサイズ列 $\{\sigma_n\}$ に基づいて、2つの異なる収束レジームを分析している：

1. 標準的劣勾配レジーム： $\lim_{n \to \infty} \sigma_n = 0$ かつ $\sum \sigma_n = \infty$ のとき、著者らは最小値の列 $M_n = \min_{1 \le k \le n} \zeta(x_k)$ が最適値に収束することを証明している。さらに、$\sum \sigma_n^2 < \infty$ である場合、列 $\{x_n\}$ は解に弱収束する部分列を含む。有限次元空間においては、これは強収束を意味する。
2. 適応的ステップサイズ・レジーム（MSFP-MOS用）： 最適値がゼロであると既知の場合（複数の出力集合を持つ混合分割フェーズ可能性問題、MSFP-MOSの場合）、著者らは以下の適応的ステップサイズ規則を提案している：
   $$\sigma_n = \frac{\tau_n \zeta(x_n)}{\|g_n\|^2 + \beta_n}$$
   ここで、$\tau_n \in [a, b] \subset (0, 2)$ であり、$\{\beta_n\}$ は有界な正の数列である。これらの条件下で、列 $\{x_n\}$ は MSFP-MOS の解に弱収束することが証明されている。

さらに、本論文では、厳密な縮小写像 $f$ を含む粘性近似法（アルゴリズム 4.1）を導入している。このバリアントは、当該の問題に関連する特定の変分不等式の唯一の解に対して強収束をもたらすことが示されている。

主要な貢献

• 統一された枠組み： 本論文は、一般化 FTW 問題を SEP および SFP-MOS と結びつける統一された枠組みを確立している。著者らの知る限り、これらの方程式を単一の一般化された構造の中で明示的に関連付けた研究は、これが最初である。
• 任意の劣勾配選択： 提案されたアルゴリズムは、非平滑な目的関数の劣微分から任意の要素の選択を許容しており、特定の劣勾配の選択を必要とする既存の手法と比較して、より高い柔軟性を提供している。
• 収束分析： 著者らは、ステップサイズおよび基礎となるヒルベルト空間（有限次元 vs 無限次元）に関する様々な条件下において、提案されたアルゴリズムの弱収束および強収束の定理を確立している。
• 画像デブラーリングへの応用： 理論的枠組みは、画像デブラーリング問題に適用され、これを一般化 FTW 問題の特定の事例として定式化している。

結果と数値実験
理論的な結果は、MATLAB R2025(a) で実装された数値実験によって検証されている。

• 合成データ： 合成凸集合および線形作用素を用いた実験により、アルゴリズム（ラベル X, Y, Z, 5.1, 5.2, 5.3, および 5.4）の収束挙動が示されている。結果は、適応的ステップサイズ・アルゴリズムが、固定ステップサイズのアプローチと比較して、一般に高速に、かつより少ない反復回数で収束することを示している。
• 画像デブラーリング： ガウスカーネルによって劣化させた画像（Cameraman および Tire データセット）を復元するために、フレームワークが適用されている。性能は信号対雑音比（SNR）を用いて測定されている。数値結果は、提案されたアルゴリズムが画像を正常に復元できることを示しており、テストされたシナリオにおいて、アルゴリズム 5.2（強収束バリアント）はアルゴリズム 5.1 よりもわずかに高い SNR 値を達成している。

意義と主張
著者らは、本研究が文献における既存のいくつかのアプローチを拡張し、一般化するものであると主張している。主な意義は、ロケーション理論（FTW）と分割フェーズ可能性問題を統合する、新しい一般化問題モデルの導入にある。任意の劣勾配選択を許容する劣勾配アルゴリズムを開発し、その収束特性を証明することで、本論文はヒルベルト空間における非平滑最適化問題を解くための堅牢な理論的ツールを提供している。画像デブラーリングへの応用は、提案された枠組みを現実世界の逆問題における実用的なツールとして示す役割を果たしている。