随机对偶动态规划中的不精确割
最优化与控制
2019-07-09 v4
摘要
我们引入随机对偶动态规划（SDDP）的一种扩展，用于求解随机凸动态规划方程。当该方法在前向与后向遍历中需求解的部分或全部原始与对偶子问题存在有界误差（即不精确地求解）时，此扩展适用。该 SDDP 的不精确变体分别针对线性问题（相应变体记为 ISDDP-LP）与非线性问题（相应变体记为 ISDDP-NLP）予以描述。我们证明了 ISDDP-LP 与 ISDDP-NLP 在误差有界及渐近消失情形下的收敛定理。最后，我们给出数值实验的结果，在建模为多级随机线性优化问题且含直接交易成本的投资组合问题上比较 SDDP 与 ISDDP-LP。在这些实验中，ISDDP-LP 使我们比 SDDP 更快地获得良好的策略。
引用
@article{arxiv.1809.02007,
title = {Inexact cuts in Stochastic Dual Dynamic Programming},
author = {Vincent Guigues},
journal= {arXiv preprint arXiv:1809.02007},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1707.00812, arXiv:1801.04243