Time-optimal problem in the space of probabilities measures

这是一份关于论文《概率测度空间中的时间最优问题》（Time-optimal problem in the space of probability measures）的详细技术总结。该论文由 Yurii Averboukh 和 Ekaterina Kolpakova 撰写，主要研究了由非局部连续性方程驱动的概率测度空间中的受控系统的时间最优控制问题。

1. 问题背景与定义 (Problem Statement)

• 核心对象：受控的非局部连续性方程（Controlled Nonlocal Continuity Equation）。
  方程形式为：
  $$\partial_t m(t) + \text{div}\left( \int_U f(x, m(t), u) \xi(du|t) \cdot m(t) \right) = 0$$
  其中 $m(t) \in \mathcal{P}_2(\mathbb{R}^d)$ 是概率测度，$U$ 是紧度量空间（控制集），$\xi$ 是松弛控制（relaxed control），$f$ 是受外部力驱动的流速场。
• 物理意义：该方程描述了一个由无穷多个相同粒子组成的系统的演化，每个粒子受到由所有其他粒子产生的集体场（非局部项）以及外部控制的影响。
• 目标：给定初始分布 $\mu$ 和目标集 $M \subset \mathcal{P}_2(\mathbb{R}^d)$（$M$ 为闭集），寻找一个控制策略，使得系统状态 $m(t)$ 在最短时间 $\tau$ 内到达 $M$。
• 值函数 (Value Function)：定义为 $Val(\mu) = \inf \{ \tau(m(\cdot; \mu, \xi)) : \xi \in \mathcal{U} \}$。

2. 方法论 (Methodology)

论文采用动态规划原理 (Dynamic Programming Principle, DPP) 结合 粘性解 (Viscosity Solutions) 理论来处理该问题。

• 松弛控制 (Relaxed Controls)：为了证明最优控制的存在性，作者引入了松弛控制（即概率测度形式的控制），这比普通控制具有更好的紧性性质。
• Kruzhkov 变换：由于值函数 $Val(\mu)$ 可能取无穷大且通常是不连续的，作者对其进行了 Kruzhkov 变换：
  $$\phi(\mu) = 1 - e^{-Val(\mu)}$$
  将值函数映射到 $[0, 1]$ 区间，从而将其转化为 Hamilton-Jacobi (HJ) 方程的 Dirichlet 问题。
• 非光滑分析 (Nonsmooth Analysis)：在 Wasserstein 空间 $\mathcal{P}_2(\mathbb{R}^d)$ 上定义粘性解。
  • 关键创新点：作者定义了次微分 (Subdifferential) 和 超微分 (Superdifferential)，其允许的变化方向（variations）满足次线性增长条件 (sublinear growth condition)，即 $F \in SL(m)$ 满足 $\|F(x)\| \le C(1+\|x\|)$。
  • 这与以往文献（如 [5, 15]）中要求变化方向和微分元素必须是平方可积 ($L^2$) 不同。作者指出，对于时间最优问题，次线性增长条件更为自然且必要，这使得定义的粘性解更强。
• 比较原理 (Comparison Principle)：通过引入矩规范函数 (Moment gauge function) $V_g(m)$ 和 Wasserstein 距离的性质，证明了 HJ 方程 Dirichlet 问题的比较原理，从而确立了粘性解的唯一性。

3. 主要贡献与结果 (Key Contributions & Results)

A. 存在性与动态规划原理

• 最优控制存在性：证明了当值函数有限时，存在一个最优松弛控制 $\xi^*$ 使得达到目标集的时间最小化（定理 3.7）。
• 值函数性质：证明了值函数 $Val(\mu)$ 是下半连续的 (lower semicontinuous)。
• 动态规划原理：建立了值函数满足的动态规划方程：
  $$Val(\mu) - h = \inf_{\xi \in \mathcal{U}_h} Val(m(h; \mu, \xi))$$

B. Hamilton-Jacobi 方程与粘性解

• HJ 方程形式：变换后的函数 $\phi$ 满足如下 Dirichlet 问题：
  $$H(m, \nabla \phi(m)) + 1 - \phi(m) = 0, \quad m \in G$$
  $$\phi(m) = 0, \quad m \in \partial G$$
  其中 Hamiltonian 定义为 $H(m, s) = \inf_{u \in U} \int \langle s(x), f(x, m, u) \rangle m(dx)$。
• 粘性解刻画：
  • 证明了 $Val$ 的 Kruzhkov 变换 $\phi$ 是该 HJ 方程的粘性解（定理 6.5）。
  • 证明了该 Dirichlet 问题在粘性解意义下的存在性与唯一性（定理 5.1 和推论 5.2）。这是该领域的核心突破，因为之前的许多工作未能证明唯一性。

C. 正则性与收敛性

• 连续性条件：给出了值函数连续性的充分条件。如果 HJ 方程的粘性解在边界 $\partial G$ 上连续，则它在整个闭包 $\text{cl } G$ 上连续（定理 7.1）。这通常与“小时间局部可达性” (small-time local attainability) 性质相关。
• $\Gamma$-收敛 (Gamma-convergence)：研究了受扰动动力学系统（$f_n \to f$）的值函数 $Val_n$ 的收敛性。证明了在适当的收敛条件下，扰动问题的值函数 $\Gamma$-收敛到原问题的值函数（定理 7.4）。这保证了数值近似或模型扰动下的稳定性。

D. 示例

• 论文提供了一个一维示例，其中流速场依赖于控制 $u$ 和分布的均值。在该示例中，显式计算了值函数，并验证了其下半连续性（在某些区域为 $+\infty$），以及对应的粘性解形式。

4. 技术细节与理论框架

• 空间设置：使用具有有限二阶矩的概率测度空间 $\mathcal{P}_2(\mathbb{R}^d)$，配备 Wasserstein 距离 $W_2$。
• 微分定义：
  • 次微分 $\partial^- \psi(m)$ 包含所有 $s \in LD(m)$（$LD$是$SL$的对偶空间），使得对于任意$F \in SL(m)$，方向导数满足特定不等式。
  • 这种定义允许微分元素 $s$ 的增长速度快于 $L^2$ 函数，这对于处理时间最优问题中的不连续性至关重要。
• 比较原理证明技巧：
  • 使用了“倍增变量法” (doubling variables technique)。
  • 引入了矩规范函数 $V_g(m) = \int a^2(x)g(a(x))m(dx)$ 来正则化差值，利用其紧性水平集和可微性来克服非紧性问题。

5. 意义与影响 (Significance)

1. 理论完整性：填补了非局部连续性方程时间最优控制理论中的空白，特别是证明了 HJ 方程 Dirichlet 问题解的唯一性。
2. 方法创新：通过放宽对变化方向（次线性增长而非 $L^2$）的限制，建立了一套更适合处理时间最优问题（通常涉及不连续值函数）的非光滑分析框架。
3. 应用广泛性：该模型广泛应用于群体动力学（如人群行为、蜂群）、意见动力学和等离子体物理。论文提供的稳定性结果（$\Gamma$-收敛）为这些系统的数值模拟和模型简化提供了理论保证。
4. 与现有工作的对比：
   • 不同于 [5, 15] 等基于 $L^2$ 变分的有限时间 horizon 问题研究，本文专注于时间最优问题（无限 horizon，目标为闭集）。
   • 不同于 [17-19] 中针对均值场控制且目标为超平面的研究，本文处理更一般的闭目标集，并提供了唯一性证明。

总结

这篇论文通过引入基于次线性增长变分的粘性解理论，成功解决了概率测度空间中非局部连续性方程的时间最优控制问题。它不仅建立了动态规划原理，还证明了变换后值函数作为 HJ 方程 Dirichlet 问题唯一粘性解的性质，并分析了其连续性和对动力学扰动的稳定性，为该领域的数学理论奠定了坚实基础。