停止

StOpt:C++中的随机优化库。随机优化库(StOpt)旨在用C++提供工具来解决金融或工业中遇到的一些随机优化问题。python绑定可用于某些C++对象,这些对象允许通过回归轻松地解决优化问题。有不同的方法可供选择:基于蒙特卡罗的动态规划方法和回归(全局、局部和稀疏回归),对于遵循一些不受控制的随机微分方程的底层状态(提供python绑定)。Hamilton-Jacobi-Bellman一般方程的半拉格朗日方法(仅C++)。求解高维随机股票管理问题的随机对偶动态规划方法。提供了python中的SDDP模块。要使用这个模块,过渡优化问题必须用C++编写并映射到python(提供了示例)。文中给出了用蒙特卡罗方法求解基本随机状态受控的一些问题的方法。提出了一些求解非线性偏微分方程的纯蒙特卡罗方法。对于每种方法,都提供了一个框架来优化问题,然后使用先前计算的最优命令在样本中模拟它。该框架提供了基于OpenMP和MPI的并行化方法,可以解决集群上的高维问题。图书馆应该足够灵活,可以根据用户的意愿在不同的层次上使用。