Optimal Transport（最优传输）

最优传输理论起源于Monge和Kantorovich的工作，用于计算两个分布之间的最小传输代价。其核心是Wasserstein距离，相比KL散度能提供更有意义的梯度。在机器学习中，Sinkhorn算法和熵正则化使其可扩展。应用包括生成模型（WGAN）、领域适应、多模态对齐和点云匹配。近年来的研究聚焦于大规模计算和理论性质。