Relaksacja informacji i dualność w stochastycznych programach dynamicznych: Przegląd i samouczek

Oryginalny tytuł:

Information Relaxations and Duality in Stochastic Dynamic Programs: A Review and Tutorial

Zawartość książki:

Programowanie dynamiczne (DP) zapewnia potężne ramy do modelowania złożonych problemów decyzyjnych, w których niepewność jest rozwiązywana, a decyzje są podejmowane w czasie. Jest ono jednak trudne do skalowania do złożonych problemów.

Metody symulacji Monte Carlo zazwyczaj dobrze się skalują, ale zazwyczaj nie zapewniają dobrego sposobu identyfikacji optymalnej polityki lub zapewnienia granicy wydajności. Aby zaradzić tym ograniczeniom, autorzy dokonują przeglądu podejścia opartego na relaksacji informacji, które działa poprzez zredukowanie złożonego stochastycznego DP do serii deterministycznych problemów optymalizacyjnych specyficznych dla scenariusza, rozwiązywanych w ramach symulacji Monte Carlo. Napisany w stylu samouczka, autorzy podsumowują kluczowe idee metod relaksacji informacji dla stochastycznych DP i demonstrują ich zastosowanie w kilku przykładach.

Zapewniają one "punkt kompleksowej obsługi" dla naukowców pragnących poznać kluczowe idee i narzędzia do korzystania z metod relaksacji informacji. Książka ta zapewnia czytelnikowi kompleksowy przegląd potężnej techniki do wykorzystania przez studentów, badaczy i praktyków.