Multistage Stochastic Programs via Stochastic Parametric Optimization

0306710 - ÚTIA 2008 RIV DE eng C - Conference Paper (international conference)
Kaňková, Vlasta
Multistage Stochastic Programs via Stochastic Parametric Optimization.
[Vícestupňové stochastické programování a stochastické parametrické programování.]
Operations Research Proceedings 2007. Berlin: Springer, 2008 - (Kalcsics, J.; Nickel, S.), s. 63-68. ISBN 978-3-540-77902-5.
[Annual International Conference of the German Operations Research Society (GOR). Saarbruecken (DE), 05.09.2007-07.09.2007]
R&D Projects: GA ČR(CZ) GA402/06/1417; GA ČR GA402/05/0115; GA ČR GA402/07/1113
Institutional research plan: CEZ:AV0Z10750506
Keywords : Multistage stochastic programs * Stochastic parametric optimization * autoregrsesive sequences * individual probability constraints
Subject RIV: BB - Applied Statistics, Operational Research

The contribution deals with multistage stochastic (generally) nonlinear problems under assumptions that random element follows auroregressive sequence and constraint sets corresopond to the individual probability constraints. The assumptions under which the above mentioned problem is ``equivalent" (from the mathematical point of view) to a ``classical" multistage problems with deterministic constraints are introduced. Moreover, some assumptions guaranteing to be constraint sets nonempty are introduced. At the end stability results (given by the Wassertein metric) are mentioned.

Práce se zabývá ptoblemtikou vícestupňového stochastického programování za předpokladu, že náhodný element splňuje podmínky autoregresní (obecně nelineární) posloupnosti a množiny omezení odpovídají individuálním pravděpodobnostním omezením. V práci jsou uvedeny předpoklady, za jejichž splnění, daná úloha je ekvivalentní úloze vícestupňového stochastického programovíní s ``deterministckým" omezením. Dále jsou uvedeny podmínky zaručující nepráydnost nnožin omezení. V závěru je uveden výsledek o stabilitě, získaný pomocí Wassersteinovy metriky v prostoru pravděpodobnostních měr.
Permanent Link: http://hdl.handle.net/11104/0159668