基于逆最优传输的聚合数据马尔可夫链估计的凸方法

我们解决的问题是从只观测到的连续时间的聚合分布序列中，识别支配不可区分粒子群演化规律的任务。假设在离散状态空间上存在马尔可夫演化，该任务简化为从分布数据估计底层转移概率矩阵。我们将该逆问题在熵最优传输框架内形式化，作为在转移矩阵和连接连续分布的运输计划上的联合优化。这一表述结果为一个凸优化问题，我们提出了基于熵近端方法的高效迭代算法。我们在两种数值设置中说明了该方法的准确性和收敛性，分别考虑来自独立快照和来自聚合观测时间序列的估计。