Debian Math 93E20 Stochastic Optimal Control development packages

STochastic OPTimization library (StOpt) forsøger at tilbyde værktøjer i C++ for løsning af nogle stokastiske optimeringsproblemer mødt i finans eller i industri. Forskellige metoder er tilgængelige:

• dynamiske programmeringsmetoder baseret på Monte Carlo med regressioner (global, lokal, kerne og rumlig regressor), for underliggende tilstande der følger nogle ukontrollerede stokastiske differentialligninger
• dynamisk programmering med en repræsentation af usikkerheder med et træ: overgangsproblemer løses her af nogle diskretiseringer af kommandoerne, opløsning af LP med klip-repræsentation af Bellmann- værdierne
• Semi-Lagrangian-metoder for Hamilton Jacobi Bellman-generelle ligninger for underliggende tilstande, der følger nogle kontrollerede stokastiske differentialligninger
• Stochastic Dual Dynamic Programming-metoder til at håndtere stokastiske lagerhåndteringsmetoder i høj dimension. Usikkerheder kan angives af Monte Carlo og kan repræsenteres af en tilstand med et finitte antal værdier (træ)
• Nogle indlejringsmetoder for forgreninger til at løse meget høje dimensionelle og ikkelineære PDE'er og nogle der fremgår af HJK- problemer. Derudover tilbydes nogle metoder til at bruge Monte Carlo til at løse nogle problemer hvor den underliggende stokastiske tilstand er kontrolleret. For hver metode tilbydes en ramme for at optimere problemet og så simulere det ud fra prøven via de optimale kommandoer tidligere beregnet. Paralleliseringsmetoder baseret på OpenMP og MPI tilbydes i denne ramme hvilket gør løsning af høj dimensionelle problemer på klynger mulig. Biblioteket bør være fleksibelt nok til at blive brugt på forskellige niveauer afhængig af brugerens indsats.

Denne pakke indeholder teksthovederne og de statiske biblioteker (libstopt-mpi der gør brug af flere samtidige tråde mulig og libstopt der ikke gør).

Biblioteket STochastic OPTimization (StOpt) forsøger at tilbyde værktøjer i C++ for løsning af nogle stokastiske optimeringsproblemer mødt indenfor finans eller i industrien. Python 3-bindinger tilbydes også for at gøre det muligt at bruge C++-biblioteket i Pythonkode.