Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:1005.0160v1

帮助 | 高级搜索

数学 > 概率

arXiv:1005.0160v1 (math)
[提交于 2010年5月2日 ]

标题: 构建与最优停止值一致的时齐广义扩散过程

标题: Constructing Time-Homogeneous Generalised Diffusions Consistent with Optimal Stopping Values

Authors:David Hobson, Martin Klimmek
摘要: 考虑一个折扣最优停止问题的集合,针对一个单参数族的目标函数和一个固定的扩散过程,从一个固定点开始。 随机控制/最优停止中的一个标准问题是在此设定下求解问题价值。 在本文中,我们考虑一个反问题;给定一族目标函数的问题价值,我们旨在恢复扩散过程。 在目标函数族的一个自然假设下,我们可以表征存在性和唯一性,使得最优停止问题具有指定的价值。 该问题的解决依赖于广义凸性理论的技术。
摘要: Consider a set of discounted optimal stopping problems for a one-parameter family of objective functions and a fixed diffusion process, started at a fixed point. A standard problem in stochastic control/optimal stopping is to solve for the problem value in this setting. In this article we consider an inverse problem; given the set of problem values for a family of objective functions, we aim to recover the diffusion. Under a natural assumption on the family of objective functions we can characterise existence and uniqueness of a diffusion for which the optimal stopping problems have the specified values. The solution of the problem relies on techniques from generalised convexity theory
主题: 概率 (math.PR) ; 优化与控制 (math.OC)
MSC 类: 60G40
引用方式: arXiv:1005.0160 [math.PR]
  (或者 arXiv:1005.0160v1 [math.PR] 对于此版本)
  https://doi.org/10.48550/arXiv.1005.0160
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Martin Klimmek [查看电子邮件]
[v1] 星期日, 2010 年 5 月 2 日 19:49:30 UTC (848 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.PR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2010-05
切换浏览方式为:
math
math.OC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号