一篇新研究论文为具有有界连续成本函数的多边最优传输(MOT)问题引入了一个统一的Kantorovich对偶框架。该研究侧重于建立原始值和对偶值之间的相等性,并表征最优对偶势的结构。对于紧致度量空间,该论文利用Fenchel-Rockafellar对偶、等连续性估计和Arzelà-Ascoli定理,证明了对偶问题在互为c-共轭族中存在优化器。在非紧致情况下,该研究通过截断和紧性论证恢复了Kantorovich对偶恒等式,并在支持分割条件下,获得了有界Borel可测对偶优化器。 AI
影响 这项研究提供了理论基础,可能推动AI在数据分析和机器学习优化等领域的应用。
排序理由 这是一篇发表在arXiv上的研究论文,详细介绍了一种新的最优传输数学框架。[lever_c_demoted from research: ic=1 ai=0.7]
- alphaXiv
- CatalyzeX
- DagsHub
- Fenchel--Rockafellar duality
- Gotit.pub
- Hugging Face
- Influence Flower
- Kantorovich duality
- Mokhtar Z. Alaya
- Multimarginal Optimal Transport Maps for One–dimensional Repulsive Costs
- Prokhorov compactness
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →