Time-optimal problem in the space of probabilities measures

이 논문은 확률 측도 공간 (Space of Probability Measures) 에서 비국소 연속 방정식 (Nonlocal Continuity Equation) 으로 기술되는 제어 시스템의 **시간 최적 제어 문제 (Time-Optimal Control Problem)**를 다룹니다. 저자들은 이 문제의 가치 함수 (Value Function) 의 성질을 규명하고, 이를 해밀토니안 - 야코비 (Hamilton-Jacobi) 방정식의 점근 해 (Viscosity Solution) 와 연결하는 이론적 체계를 구축했습니다.

다음은 논문의 주요 내용, 방법론, 핵심 기여 및 결과에 대한 상세한 기술적 요약입니다.

---

1. 문제 정의 (Problem Statement)

• 동역학 시스템: 외부 힘에 의해 주도되는 비국소 연속 방정식을 따르는 확률 측도 $m(t)$의 진화를 다룹니다.
  $$\partial_t m(t) + \text{div}\left( \int_U f(x, m(t), u) \xi(du|t) \cdot m(t) \right) = 0$$
  여기서 $f$는 입자의 속도장을 나타내며, $m(t)$는 전체 시스템의 분포를, $u$는 제어 입력을 의미합니다. 이 방정식은 플라즈마 역학 (Vlasov), 여론 동역학, 군집 행동 등 무한한 수의 동일한 입자로 구성된 시스템의 집합적 행동을 모델링합니다.
• 제어 목표: 주어진 초기 분포 $\mu$에서 목표 집합 $M$ (확률 측도의 닫힌 집합) 에 도달하는 데 걸리는 최소 시간을 찾는 것입니다.
• 제어 변수: 표준 제어뿐만 아니라 **이완된 제어 (Relaxed Controls, $\xi$)**를 사용하여 문제의 해 존재성을 보장하고, 해의 안정성을 확보합니다.
• 가치 함수 (Value Function):
  $$\text{Val}(\mu) = \inf \{ \tau(m(\cdot; \mu, \xi)) : \xi \in \mathcal{U} \}$$
  여기서 $\tau$는 목표 집합 $M$에 도달하는 첫 번째 시간입니다.

2. 방법론 (Methodology)

이 연구는 유한 차원 공간에서의 최적 제어 이론을 무한 차원인 Wasserstein 공간 ($P_2(\mathbb{R}^d)$) 으로 확장하는 데 중점을 두었습니다.

• 비선형 분석 및 미분 개념:
  • Wasserstein 공간에서의 미분 (Subdifferential/Superdifferential) 을 정의하기 위해 **선형 성장 조건 (Sublinear Growth Condition)**을 만족하는 함수들의 집합 $SL(m)$과 그 쌍대 공간$LD(m)$을 도입했습니다.
  • 기존 연구들 (예: $L^2$ 제곱 적분 가능 함수 기반) 과 달리, 선형 성장 조건을 허용함으로써 더 넓은 범위의 변동을 고려할 수 있게 했습니다. 이는 시간 최적 문제의 특성상 가치 함수가 불연속일 수 있음을 고려한 것입니다.
• Kruzhkov 변환:
  • 가치 함수 $\text{Val}(\mu)$는 무한한 값을 가질 수 있고 불연속일 수 있으므로, 이를 유계 함수로 변환하기 위해 Kruzhkov 변환을 적용했습니다:
    $$\phi(\mu) = 1 - e^{-\text{Val}(\mu)}$$
  • 변환된 함수 $\phi$는 $[0, 1]$ 범위의 값을 가지며, 디리클레 문제 (Dirichlet Problem) 의 해로 다뤄집니다.
• 점근 해 (Viscosity Solution) 프레임워크:
  • 해밀토니안 - 야코비 방정식을 점근 해의 개념으로 정의하고, 비교 원리 (Comparison Principle) 를 통해 해의 유일성을 증명했습니다.
  • 해밀토니안은 다음과 같이 정의됩니다:
    $$H(m, s) = \inf_{u \in U} \int_{\mathbb{R}^d} \langle s(x), f(x, m, u) \rangle m(dx)$$

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 동적 프로그래밍 원리 (Dynamic Programming Principle)

• 가치 함수가 동적 프로그래밍 원리를 만족함을 증명했습니다. 이는 최적 제어 문제의 해가 시간에 따라 재귀적으로 최적화될 수 있음을 의미하며, 해밀토니안 - 야코비 방정식 유도의 기초가 됩니다.
• 최적 제어의 존재성: 가치 함수가 유한할 때, 최적의 이완된 제어 (Optimal Relaxed Control) 가 존재함을 보였습니다.

B. 해밀토니안 - 야코비 방정식의 점근 해 특성화

• 주요 정리: Kruzhkov 변환된 가치 함수 $\phi$가 해당 디리클레 문제의 **유일한 불연속 점근 해 (Unique Discontinuous Viscosity Solution)**임을 증명했습니다.
• 비교 원리 (Comparison Principle):
  • 하위 해 (Subsolution) 와 상위 해 (Supersolution) 에 대한 비교 원리를 수립하여, 디리클레 문제의 해가 유일함을 증명했습니다.
  • 이 증명에는 **모멘트 게이지 함수 (Moment Gauge Function, $V_g$)**가 핵심적으로 사용되었습니다. 이는 Wasserstein 공간에서의 정규화 (Regularization) 를 가능하게 하여, 두 해의 차이를 분석하는 데 필수적인 도구였습니다.

C. 가치 함수의 연속성 및 수렴성

• 연속성 조건: 일반적으로 가치 함수는 불연속일 수 있으나, 목표 집합의 경계 ($\partial G$) 에서의 국소 도달 가능성 (Small Time Local Attainability) 이 보장되면 가치 함수 전체가 연속이 됨을 보였습니다.
• $\Gamma$-수렴 (Gamma-Convergence):
  • 동역학이 교란 (Perturbation) 되었을 때, 교란된 문제의 가치 함수가 원래 문제의 가치 함수로 $\Gamma$-수렴함을 증명했습니다. 이는 수치적 근사나 모델 불확실성 하에서 문제의 안정성을 보장합니다.

D. 예시 (Example)

• 1 차원 공간에서 평균 (Mean) 만이 목표에 영향을 미치는 구체적인 예시를 제시하여, 이론적 결과가 실제 계산 가능한 형태 (명시적 해) 로 도출될 수 있음을 보여주었습니다.

4. 의의 및 의의 (Significance)

1. 이론적 확장: 기존의 유한 차원 최적 제어 이론을 비국소 연속 방정식이 정의된 무한 차원 확률 측도 공간으로 성공적으로 확장했습니다.
2. 불연속 해의 처리: 시간 최적 제어 문제에서 발생하는 가치 함수의 불연속성을 점근 해 이론을 통해 엄밀하게 다룰 수 있는 체계를 마련했습니다. 특히, $L^2$ 제곱 적분 조건보다 약한 선형 성장 조건을 기반으로 한 미분 개념을 도입함으로써, 더 일반적인 물리적 시스템 (예: 입자 상호작용이 강한 시스템) 에 적용 가능한 프레임워크를 제시했습니다.
3. 응용 가능성: 여론 형성, 군집 로봇 제어, 금융 수학 등 집단 행동을 모델링하는 다양한 분야에서 최적 제어 전략을 수립하는 데 이론적 토대를 제공합니다.
4. 수치적 안정성: $\Gamma$-수렴 결과와 비교 원리를 통해, 실제 계산이나 시뮬레이션에서 모델의 작은 오차가 해의 큰 편차를 초래하지 않음을 보장하여 수치 해법의 신뢰성을 높였습니다.

결론

이 논문은 확률 측도 공간에서의 시간 최적 제어 문제를 해밀토니안 - 야코비 방정식의 점근 해 이론과 연결하여, 해의 존재성, 유일성, 그리고 안정성을 체계적으로 규명한 중요한 연구입니다. 특히, 비국소 상호작용을 가진 시스템의 제어에 있어 이완된 제어와 비선형 분석 기법을 결합한 접근법은 해당 분야의 이론적 발전에 크게 기여합니다.