PDHCG：大规模竞争市场均衡计算的可扩展一阶方法
最优化与控制
2025-06-09 v1
摘要
大规模竞争市场均衡问题出现在包括经济决策和智能制造等众多重要应用领域。传统方法，如内点算法和某些投影法，往往难以有效扩展到大规模问题。本文提出一种高效计算框架，将原始-双边混合共轭梯度（PDHCG）算法与 GPU 基于并行计算集成，以求解大规模 Fisher 市场均衡问题。通过利用问题的底层数学结构，我们为该算法建立了线性收敛的理论保证。此外，该框架通过固定点迭代方案可扩展至求解大规模 Arrow-Debreu 市场均衡问题。大量在 GPU 平台上的数值实验表明，计算效率得到显著提升，大幅扩展了市场均衡模型的实际可求解规模和适用范围。
引用
@article{arxiv.2506.06258,
title = {PDHCG: A Scalable First-Order Method for Large-Scale Competitive Market Equilibrium Computation},
author = {Huikang Liu and Yicheng Huang and Hongpei Li and Dongdong Ge and Yinyu Ye},
journal= {arXiv preprint arXiv:2506.06258},
year = {2025}
}