Der Fluch der Dimensionalität für den Lp-Diskrepanz-Wert bei endlichem p > 1

核心概念

Der Lp-Diskrepanz-Wert leidet für alle p in (1, ∞) unter dem Fluch der Dimensionalität.

要約

Der Artikel untersucht das Verhalten des inversen Lp-Diskrepanz-Wertes für endliche p > 1. Während für p = 2 und p = ∞ das Verhalten bereits bekannt ist (exponentieller Anstieg bzw. linearer Anstieg mit der Dimension), war das Verhalten für andere endliche p lange Zeit offen.

Die Autoren zeigen nun, dass der Lp-Diskrepanz-Wert für alle p in (1, ∞) unter dem Fluch der Dimensionalität leidet. Das bedeutet, dass die minimale Anzahl an Punkten, die benötigt wird, um einen vorgegebenen Diskrepanz-Wert zu erreichen, exponentiell mit der Dimension anwächst.

Der Beweis erfolgt über eine Betrachtung des verwandten Problems der numerischen Integration in einem Sobolev-Raum mit q-Norm, wobei q der zu p duale Exponent ist. Dabei wird eine geeignete Zerlegung der Worst-Case-Funktion verwendet, um eine untere Schranke für die Komplexität herzuleiten.

Das Ergebnis zeigt, dass der Fluch der Dimensionalität für den Lp-Diskrepanz-Wert bei endlichen p > 1 allgemeingültig ist und nicht nur für spezielle Werte von p auftritt.

統計

Der Anfangsdiskrepanz-Wert discp(0, d) ist gegeben durch:
(1 / (p + 1)^(d/p)) für p in [1, ∞)
1 für p = ∞

引用

"Für alle p in (1, ∞) gibt es eine reelle Zahl Cp, die strikt größer als 1 ist, so dass für alle d in N und alle ε in (0, 1/2) gilt:
N disc_p(ε, d) ≥ C^d_p (1 - 2ε)."
"Insbesondere leidet der Lp-Diskrepanz-Wert für alle p in (1, ∞) unter dem Fluch der Dimensionalität."

抽出されたキーインサイト

The $L_p$-discrepancy for finite $p>1$ suffers from the curse of dimensionality

by Erich Novak,... 場所 arxiv.org 03-14-2024

https://arxiv.org/pdf/2403.07961.pdf

深掘り質問

Wie könnte man die unteren Schranken für den Wert von Cp weiter verbessern, um eine schärfere Aussage über den Fluch der Dimensionalität zu erhalten?

Um die unteren Schranken für den Wert von Cp weiter zu verbessern und eine präzisere Aussage über den Fluch der Dimensionalität zu erhalten, könnten verschiedene Ansätze verfolgt werden. Eine Möglichkeit besteht darin, die Analyse der Zerlegungsfunktionen zu verfeinern und möglicherweise komplexere Zerlegungen zu untersuchen, die zu größeren Konstanten Cp führen könnten. Durch eine detailliertere Untersuchung der Fehlerabschätzungen für Quadraturformeln und die Verwendung von spezifischen Eigenschaften der Funktionen könnten optimierte Zerlegungen gefunden werden, die zu schärferen unteren Schranken für Cp führen. Darüber hinaus könnte eine systematische Untersuchung verschiedener Zerlegungspunkte a in Kombination mit numerischen Optimierungsmethoden dazu beitragen, den Wert von Cp zu maximieren und somit eine präzisere Charakterisierung des Fluchs der Dimensionalität zu ermöglichen.

Gilt der Fluch der Dimensionalität auch für beliebige Quadraturformeln, also ohne die Beschränkung auf positive Gewichte?

Die vorliegende Analyse zeigt, dass der Fluch der Dimensionalität für positive Quadraturformeln gilt. Es ist jedoch eine offene Frage, ob dieser Fluch auch für beliebige Quadraturformeln ohne die Beschränkung auf positive Gewichte besteht. Es könnte angenommen werden, dass ähnliche Ergebnisse auch für allgemeine Quadraturformeln gelten, da die zugrunde liegenden Konzepte und Techniken zur Fehlerabschätzung in beiden Fällen relevant sind. Eine umfassende Untersuchung dieser Frage erfordert jedoch weitere Forschung und Analyse, um die spezifischen Auswirkungen von negativen Gewichten und anderen Formen von Quadraturformeln auf den Fluch der Dimensionalität zu verstehen.

Ist das Problem für den Fall p = 1 immer noch offen, und lässt sich hier eine ähnliche Aussage treffen?

Für den Fall p = 1 bleibt das Problem weiterhin offen, da die vorgestellte Analyse und der Beweis des Fluchs der Dimensionalität für andere Werte von p nicht auf den Fall p = 1 übertragbar sind. Es ist unklar, ob ähnliche Ergebnisse wie für andere Werte von p auch für p = 1 gelten. Eine spezifische Untersuchung des Falls p = 1 unter Berücksichtigung der einzigartigen Eigenschaften und Herausforderungen dieses Falls ist erforderlich, um festzustellen, ob der Fluch der Dimensionalität auch für p = 1 gilt. Weitere Forschung und Analyse sind notwendig, um eine fundierte Aussage über den Fluch der Dimensionalität für p = 1 zu treffen.