Математическая концепция для измерения минимальной стоимости преобразования одного распределения вероятностей в другое.Оптимальная транспортировка — это математическая концепция, которая задаёт простой вопрос: каков наиболее эффективный способ переместить кучу земли (или любую массу) из одного места в другое, учитывая стоимость за единицу расстояния? В более формальных терминах, она ищет минимальную стоимость преобразования одного распределения вероятностей в другое, где «стоимость» может быть определена множеством способов — расстояние, время, энергия или любая другая метрика. Эта, казалось бы, абстрактная проблема стала мощным инструментом в науке, поскольку многие процессы можно представить как перемещение массы или информации из одного состояния в другое.
Задача была впервые поставлена Гаспаром Монжем в 1781 году, а позже переформулирована Леонидом Канторовичем в 1942 году, который ввёл вероятностную формулировку, сделавшую её разрешимой. Работа Канторовича принесла ему Нобелевскую премию по экономике в 1975 году. В 1990-х годах область пережила возрождение благодаря связям с гидродинамикой и геометрией.
Основная идея состоит в том, чтобы найти «план перевозки», который сопоставляет каждую бесконечно малую часть массы в исходном распределении с частью в целевом распределении, минимизируя общую стоимость. Это не просто взаимно-однозначное соответствие; это глобальная задача оптимизации, которую можно решить с помощью линейного программирования или, более элегантно, через теорию дифференциальных уравнений в частных производных (уравнение Монжа — Ампера). Решение часто выявляет «геодезический» путь между распределениями, а сама минимальная стоимость определяет метрику (расстояние Вассерштейна), которая измеряет, насколько «далеки» два распределения.
Она используется в регистрации и морфинге изображений, в экономике (сопоставление спроса и предложения), в машинном обучении (обучение генеративных моделей, таких как GAN), а также в физике для моделирования гранулированных потоков и эволюции звёздных систем.
Расстояние Вассерштейна, полученное из оптимальной транспортировки, является метрикой, используемой при обучении генеративно-состязательных сетей (GAN), которые отвечают за создание реалистичных дипфейков и AI-арта.








