Publication

Barycentric Bounds in Stochastic Programming: Theory and Application

2011
Book Chapters

Résumé

The design and analysis of efficient approximation schemes are of fundamental importance in stochastic programming research. Bounding approximations are particularly popular for providing strict error bounds that can be made small by using partitioning techniques. In this chapter we develop a powerful bounding method for linear multistage stochastic programs with a generalized nonconvex dependence on the random parameters. Thereby, we establish bounds on the recourse functions as well as compact bounding sets for the optimal decisions. We further demonstrate that our bounding methods facilitate the reliable solution of important real-life decision problems. To this end, we solve a stochastic optimization model for the management of nonmaturing accounts and compare the bounds on maximum profit obtained with different partitioning strategies.

Source officielle

https://infoscience.epfl.ch/entities/publication/98493c63-4546-4a2a-b10a-7ad4c716737b

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2011
Book Chapters

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/98493c63-4546-4a2a-b10a-7ad4c716737b

À propos de ce résultat

Concepts associés (32)

Algorithme d'approximation

En informatique théorique, un algorithme d'approximation est une méthode permettant de calculer une solution approchée à un problème algorithmique d'optimisation. Plus précisément, c'est une heuristique garantissant à la qualité de la solution qui fournit un rapport inférieur (si l'on minimise) à une constante, par rapport à la qualité optimale d'une solution, pour toutes les instances possibles du problème.

Espace précompact

En topologie, une branche des mathématiques, un espace métrique E est précompact si, pour tout ε > 0, on peut recouvrir E par un nombre fini de boules de rayon ε. La propriété principale est qu'un espace métrique est compact si et seulement s'il est précompact et complet. La notion de précompacité et ses propriétés se généralisent aux espaces uniformes. Soit E un espace métrique. Si l'une des trois propriétés suivantes est vérifiée, alors toutes trois le sont et E est dit précompact.

Compacité (mathématiques)

En topologie, on dit d'un espace qu'il est compact s'il est séparé et qu'il vérifie la propriété de Borel-Lebesgue. La condition de séparation est parfois omise et certains résultats demeurent vrais, comme le théorème des bornes généralisé ou le théorème de Tychonov. La compacité permet de faire passer certaines propriétés du local au global, c'est-à-dire qu'une propriété vraie au voisinage de chaque point devient valable de façon uniforme sur tout le compact.

Afficher plus

Publications associées (11)

Afficher plus

Barycentric Bounds in Stochastic Programming: Theory and Application

Chattez avec Graph Search

Bayesian and Data-Efficient Strategies for the Optimization of Organic Reactions

The selective boundary crossing in stochastic processes driven by white shot noise

Reduced Basis method for Isogeometric Analysis: application to structural problems