×
傅冠兴;乌尔里希·霍斯特;邱金鸟

准线性反射反向SPDE的最大值原理。 （英语） Zbl 1372.35057号

数学杂志。分析。申请。 456，第1号，307-336（2017）.
摘要：本文建立了拟线性反射倒向随机偏微分方程的极大值原理。我们证明了考虑非零Dirichlet边界条件的RBSPDEs弱解的存在唯一性，并利用De Giorgi迭代的随机版本，在一般区域上建立了RBSPDE的最大值原理。有界区域上RBSPDEs的最大值原理和一般区域上倒向随机偏微分方程（简称BSPDEs）的最大值原则可以作为副产品获得。最后，考虑了弱解的局部性态。

引用于三文件

MSC公司：

35B50型 PDE背景下的最大原则
35卢比60 随机偏微分方程的偏微分方程
35天30分 PDE的薄弱解决方案

关键词：

反射倒向随机偏微分方程;倒向随机偏微分方程;德乔治迭代法;非零Dirichlet边界条件
PDF格式BibTeX公司 XML格式引用
\textit{G.Fu}等人，《数学杂志》。分析。申请。456，第1号，307--336（2017；Zbl 1372.35057）
全文： 内政部 arXiv公司

参考文献：

[1] Aronson，D.G。；Serrin，J.，拟线性抛物型方程解的局部行为，Arch。定额。机械。分析。，25, 81-122 (1967) ·Zbl 0154.2001号
[2] Bensoussan，A.，部分观测扩散最优控制的最大值原理和动态规划方法，Stoch。，9, 169-222 (1983) ·Zbl 0516.60072号
[3] Chang，M。；Pang，Y。；Yong，J.，随机系数随机微分方程的最优停止问题，SIAM J.控制优化。，48941-971（2009年）·Zbl 1194.49035号
[4] 陈毅，《二阶抛物型偏微分方程》（2005），北京大学出版社
[5] 丹尼斯，L。；马图西，A。；Stoica，L.，拟线性SPDE解的一致范数的（L^p）估计，Probab。理论相关领域，133437-463（2005）·兹比尔1085.60043
[6] 丹尼斯，L。；马图西，A。；Stoica，L.，拟线性随机偏微分方程的最大值原理和比较定理，电子。J.概率。，14, 500-530 (2009) ·Zbl 1190.60050
[7] 丹尼斯，L。；马图西，A。；Zhang，J.，拟线性随机偏微分方程的障碍问题：分析方法，Ann.Probab。，42, 865-905 (2014) ·Zbl 1298.60064号
[8] 丹尼斯，L。；马图西，A。；Zhang，J.，带障碍的拟线性随机偏微分方程的最大值原理，电子。J.概率。，19, 1-32 (2014) ·Zbl 1310.60093号
[9] Graewe，P。；霍斯特，美国。；邱，J.，一个非马尔可夫清算问题和具有奇异终端条件的反向SPDE，SIAM J.Control Optim。，53, 690-711 (2014) ·Zbl 1312.93112号
[10] Ø克森达尔，B。；Sulem，A。；Zhang，T.，SPDE的奇异控制和最优停止，以及带反射的反向SPDE，数学。操作。研究，39，464-486（2014）·Zbl 1306.93078号
[11] Peng，S.，随机Hamilton-Jacobi-Bellman方程，SIAM J.控制优化。，30, 284-304 (1992) ·Zbl 0747.93081号
[12] Pierre，M.，《单向和潜在抛物线的演化问题》，《公共偏微分方程》，41149-1197（1979）·Zbl 0426.31005号
[13] Pierre，M.，Repésentant précis d'un potentel parabolique，（《潜在的现实》，《数学课堂笔记》，第814卷（1980）），186-228·Zbl 0463.31007号
[14] 邱，J.，（L^2）-线性退化SPDE理论和弱解一致范数的（L^p）估计（2015）
[15] 邱，J。；Tang，S.，拟线性倒向随机偏微分方程的最大值原理，J.Funct。分析。，262, 2436-2480 (2012) ·Zbl 1238.60076号
[16] 邱，J。；Wei，W.，关于拟线性反射后向随机偏微分方程，J.Funct。分析。，267, 3598-3656 (2014) ·Zbl 1300.60080号
[17] 周，X.，随机偏微分方程的对偶分析，J.Funct。分析。，103, 275-293 (1992) ·Zbl 0762.60055号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。