非光滑分析入門：Clarke次微分嘅運算規則、經典論文與最新文獻

非光滑分析（Nonsmooth Analysis）係將古典微分學推廣到唔可以傳統微分嘅函數，尤其係局部Lipschitz函數，呢類函數成日出現喺優化（optimization）、數學規劃同集合/向量優化入面。 Clarke理論嘅核心係Clarke廣義梯度（又稱次微分），佢用一個集值（set-valued）嘅廣義導數嚟取代單一梯度，捕捉梯度嘅極限行為。

雖然我嘗試睇過你上傳嘅 getPDF.jsp(nonsmooth).pdf 檔案，但係入面嘅文字喺呢個工具入面讀唔到／搜尋唔到，所以下面嘅總結係基於標準理論同提供嘅文獻來源。

1. 非光滑分析嘅基本概念

• 古典微積分對光滑函數好有用，但好多重要函數都係非光滑嘅，例如：
  • f(x)=|x|
  • f(x)=max_i f_i(x)（最大值函數）
  • 距離函數
  • 優化/控制問題嘅值函數
  • ReLU呢類分段線性損失函數
• 非光滑分析唔追求一個導數，而係追求一組廣義導數。
• 對於局部Lipschitz函數 f: R^n -> R，Clarke引入咗廣義方向導數同廣義梯度，作為非光滑優化嘅工具。

2. Clarke廣義方向導數

對於局部Lipschitz嘅 f，Clarke方向導數喺點 x 沿方向 v 通常寫成：

f°(x; v) = limsup_{y -> x, t ↓ 0} [f(y + t v) - f(y)] / t.

重點：

• 專為局部Lipschitz非光滑函數設計。
• 對 v 係正齊次（positively homogeneous）同次可加（subadditive）。
• 通常大於或等於普通方向導數。
• 捕捉 x 附近最壞情況嘅局部方向增長。

3. Clarke次微分

Clarke次微分通常定義為：

∂C f(x) = { ξ in R^n: f°(x; v) >= <ξ, v> 對所有 v in R^n }.

另一個等價嘅標準描述（對局部Lipschitz f）係：Clarke次微分等於附近可微點梯度極限嘅凸包。

∂C f(x) = co { lim  ∇f(x_k): x_k -> x, f 喺 x_k 可微 }.

其中 co 係凸包（convex hull）。

主要性質：

• ∂C f(x) 係局部Lipschitz函數嘅集值廣義導數。
• 喺標準有限維Clarke理論入面，∂C f(x) 係非空、緊致同凸嘅。
• 如果 f 喺 x 附近連續可微，Clarke次微分就退化為普通梯度。

∂C f(x) = {∇f(x)}.

• 如果 f 係凸函數，Clarke次微分同凸分析入面嘅次微分一致。

例子：

f(x) = |x|.

結果：

∂C f(x) =
  {-1},        x < 0
  [-1, 1],     x = 0
  {1},         x > 0.

呢個係標準例子，顯示一個角點（corner）點樣用成個斜率區間嚟表示。

4. Clarke次微分嘅運算規則

設 f, g: R^n -> R 喺 x 附近局部Lipschitz；Clarke運算規則是非光滑優化理論嘅核心。

求和法則（Sum rule）

∂C(f + g)(x) ⊂ ∂C f(x) + ∂C g(x).

喺額外正則條件下，等式成立。

純量乘法

對於純量 a，

∂C(a f)(x) = a ∂C f(x).

如果 a < 0，集會反轉。

乘積法則（Product rule）

∂C(fg)(x) ⊂ f(x) ∂C g(x) + g(x) ∂C f(x).

呢個係Clarke次微分嘅標準包含型運算規則之一。

商法則（Quotient rule）

如果 g(x) ≠ 0 而且 g 喺 x 附近遠離零，標準商法則係：

∂C(f/g)(x) ⊂ [g(x) ∂C f(x) - f(x) ∂C g(x)] / g(x)^2.

鏈式法則（Chain rule）

如果 F: R^n -> R^m 喺 x 嚴格可微，而 φ: R^m -> R 喺 F(x) 附近局部Lipschitz，Clarke鏈式法則通常係一個包含關係：

∂C(φ ∘ F)(x) ⊂ DF(x)^T ∂C φ(F(x)).

如果 φ 喺Clarke意義下係正則嘅，就有更強嘅形式。

最大值法則（Max rule）

如果

f(x) = max { f1(x),..., fm(x) },

而每個 fi 都局部Lipschitz，定義活躍索引集

I(x) = { i: fi(x) = f(x) }.

標準Clarke最大值法則係一個包含關係：

∂C f(x) ⊂ co ⋃_{i in I(x)} ∂C fi(x).

如果 fi 係光滑嘅，就變成：

∂C f(x) ⊂ co { ∇fi(x): i in I(x) }.

喺適當嘅正則假設下，等式成立。

非光滑優化嘅Fermat法則

如果 x 係局部Lipschitz函數 f 嘅局部極小點，非光滑Fermat條件係：

0 ∈ ∂C f(x).

呢個係 ∇f(x)=0 嘅非光滑版本。

5. 經典論文同書籍

• F. H. Clarke 關於廣義梯度嘅工作係非光滑分析嘅基礎來源。
• Hiriart-Urruty 嘅有限維工作討論咗Clarke方向導數、Clarke廣義梯度、運算規則同非光滑優化應用。
• Rockafellar 嘅《數學規劃中嘅廣義次梯度》係另一條基礎路線。

6. 最新文獻方向

• 2025年一篇論文研究使用Goldstein次微分嘅收斂速度，呢個係Clarke次微分嘅鬆弛版本。
• 2025年另一篇論文用新型Clarke型廣義導數研究集合優化問題嘅近似弱極小解。
• Rockafellar 2025年嘅工作繼續研究集值同非光滑分析，同變分法相關。

7. 推薦閱讀路徑

1. 由Clarke廣義方向導數同次微分開始。
2. 學習核心運算規則：求和、乘積、鏈式、最大值同Fermat法則。
3. 研究凸次微分並同Clarke次微分比較。
4. 進入變分分析：法錐、餘導數同更廣泛嘅廣義微分框架。
5. 閱讀最新嘅優化論文，睇吓點樣用Clarke或Goldstein次微分。

實用嘅入門閱讀清單：

• Clarke嘅廣義梯度工作。
• Hiriart-Urruty嘅廣義導數同非光滑優化。
• Rockafellar嘅《數學規劃中嘅廣義次梯度》。
• 最近使用Goldstein或Clarke型次微分嘅非光滑優化算法同最優性條件論文。