The Generalized Fermat-Torricelli-Weber Problem

技术摘要：广义费马-托里切利-韦伯问题

问题表述
本文在实希尔伯特空间框架内引入了一种新的广义费马-托里切利-韦伯（FTW）问题。该问题被表述为一个约束最小化任务：
$$\min_{x \in D} \zeta(x)$$
其中 $D$ 是希尔伯特空间 $H$ 中的一个非空、闭且凸的子集。目标函数 $\zeta(x)$ 定义为：
$$\zeta(x) = \left\| \sum_{i=1}^{L} B_i(A_i x) - \tilde{y} \right\|_K + \sum_{i=1}^{L} \sum_{j=1}^{m_i} t_{ij} \| A_i x - P_{C_{ij}}(A_i x) \|_{H_i}$$
这里 $A_i: H \to H_i$ 且 $B_i: H_i \to K$ 是有界线性算子；$C_{ij}$ 是 $H_i$ 中非空、闭且凸的子集；$P_{C_{ij}}$ 表示向 $C_{ij}$ 的度量投影；$\tilde{y}$ 是 $K$ 中的一个固定元素；$t_{ij}$ 是正实数权重。函数 $\zeta(x)$ 是非光滑且凸的。

作者证明了这一广义框架涵盖了若干现有问题作为特例，包括经典的费马-韦伯位置问题、广义费马-托里切利问题、具有多个输出集的拆分可行性问题（SFP-MOS）以及拆分等式问题（SEP）。

方法论
为了求解该非光滑优化问题，作者开发了一种次梯度算法（算法 3.1）。该方法的一个显著特征是选择次梯度的灵活性：算法允许在每次迭代中从次微分 $\partial \zeta(x_n)$ 中选择任意元素，而不需要特定的选择规则。

迭代方案如下：
$$x_{n+1} = P_D^H (x_n - \sigma_n g_n)$$
其中 $g_n$ 是目标函数次微分中的任意元素，$\sigma_n$ 是正步长序列。

作者根据步长序列 $\{\sigma_n\}$ 分析了两种不同的收敛机制：

1. 标准次梯度机制： 当 $\lim_{n \to \infty} \sigma_n = 0$ 且 $\sum \sigma_n = \infty$ 时，作者证明了极小值序列 $M_n = \min_{1 \le k \le n} \zeta(x_k)$ 收敛于最优值。此外，如果 $\sum \sigma_n^2 < \infty$，则序列 $\{x_n\}$ 包含一个弱收敛于解的子序列。在有限维空间中，这意味着强收敛。
2. 自适应步长机制（针对 MSFP-MOS）： 当已知最优值为零时（如具有多个输出集的混合拆分可行性问题 MSFP-MOS），作者提出了一个自适应步长规则：
   $$\sigma_n = \frac{\tau_n \zeta(x_n)}{\|g_n\|^2 + \beta_n}$$
   其中 $\tau_n \in [a, b] \subset (0, 2)$ 且 $\{\beta_n\}$ 是有界正序列。在这些条件下，证明了序列 $\{x_n\}$ 弱收敛于 MSFP-MOS 的一个解。

此外，本文还引入了一种涉及严格收缩映射 $f$ 的粘性逼近方法（算法 4.1）。研究表明，该变体能实现向与该问题相关的特定变分不等式唯一解的强收敛。

核心贡献

• 统一框架： 本文建立了一个将广义 FTW 问题与拆分等式问题 (SEP) 及具有多个输出集的拆分可行性问题 (SFP-MOS) 联系起来的统一框架。据作者所知，这是第一项在单一广义结构中明确连接这些问题的研究。
• 任意次梯度选择： 所提算法允许从非光滑目标函数的次微分中选择任意元素，与可能需要特定次梯度选择的现有方法相比，提供了更大的灵活性。
• 收敛性分析： 作者在各种步长条件和底层希尔伯特空间（有限维 vs 无限维）下，为所提算法建立了弱收敛和强收敛定理。
• 图像去模糊应用： 该理论框架被应用于图像去模糊问题，将其表述为广义 FTW 问题的一个特定实例。

结果与数值实验
通过在 MATLAB R2025(a) 中实现的数值实验验证了理论结果。

• 合成数据： 对合成凸集和线性算子的实验展示了算法的收敛行为（标记为 Algorithm X, Y, Z, 5.1, 5.2, 5.3, 和 5.4）。结果表明，与固定步长方法相比，自适应步长算法通常收敛更快，且所需的迭代次数更少。
• 图像去模糊： 该框架被应用于恢复受高斯核退化的模糊图像（Cameraman 和 Tire 数据集）。性能使用信噪比 (SNR) 进行衡量。数值结果表明，所提算法成功恢复了图像，其中算法 5.2（强收敛变体）在测试场景中比算法 5.1 获得了略高的 SNR 值。

意义与主张
作者声称这项工作扩展并推广了文献中的几种现有方法。其主要意义在于引入了一种新的广义问题模型，将位置理论 (FTW) 与拆分可行性问题统一起来。通过开发一种允许任意次梯度选择的次梯度算法并证明其收敛性质，本文为求解希尔伯特空间中的非光滑优化问题提供了一个强大的理论工具。对图像去模糊的应用旨在展示所提框架在解决现实世界逆问题中的实际效用。