Information Relaxations and Duality in Stochastic Dynamic Programs: A Review and Tutorial
Die dynamische Programmierung (DP) bietet einen leistungsfähigen Rahmen für die Modellierung komplexer Entscheidungsprobleme, bei denen Ungewissheit beseitigt wird und Entscheidungen im Zeitverlauf getroffen werden. Es ist jedoch schwierig, es auf komplexe Probleme zu übertragen.
Monte-Carlo-Simulationsmethoden lassen sich in der Regel gut skalieren, bieten aber keine gute Möglichkeit, eine optimale Strategie zu ermitteln oder eine Leistungsgrenze anzugeben. Um diesen Einschränkungen zu begegnen, stellen die Autoren den Ansatz der Informationsrelaxation vor, bei dem eine komplexe stochastische DV auf eine Reihe von szenariospezifischen deterministischen Optimierungsproblemen reduziert wird, die im Rahmen einer Monte-Carlo-Simulation gelöst werden. Im Stil eines Tutorials fassen die Autoren die wichtigsten Ideen der Informationsrelaxationsmethoden für stochastische DPs zusammen und demonstrieren ihre Anwendung in mehreren Beispielen.
Sie bieten einen "One-Stop-Shop" für Forscher, die die wichtigsten Ideen und Werkzeuge für den Einsatz von Informationsrelaxationsmethoden erlernen wollen. Dieses Buch bietet dem Leser einen umfassenden Überblick über eine leistungsstarke Technik, die von Studenten, Forschern und Praktikern verwendet werden kann.
| ISBN: | 9781680839623 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2022 |
| Seitenzahl: | 108 |
Derzeit verfügbar, auf Lager.
