A Maximum Principle for Markov Regime-Switching Forward Backward Stochastic Differential Games and Applications
本文研究了一类马尔可夫状态切换正倒向部分信息带跳随机微分方程的随机微分对策的最优控制问题.首先证明了非零和随机微分对策问题的一个充分最大值原理,并得到了这类对策的平衡点。其次,我们证明了非零和随机微分对策的一个等价最大值原理。作为推论,得到了零和随机微分对策等价的最大值原理。应用所得结果研究了惩罚熵下的鲁棒效用最大化问题。最后,我们将所得结果应用于模型不确定性下保险公司的最优投资。
2014-10-13 math.OC
A global stochastic maximum principle for delayed forward-backward stochastic control systems
Southern University of Science and Technology(南方科技大学)
本文提出了一种新方法,用于解决具有延迟的前向后向随机控制系统的全局随机极大原理问题。
2026-10-27 math.OC
Parallel Random Block-Coordinate Forward-Backward Algorithm: A Unified Convergence Analysis
我们研究了块坐标的前向-后向算法,在该算法中,块以随机和可能并行的方式更新,根据任意的概率。该算法允许沿块坐标的不同步长,以充分利用目标函数的平滑特性。在凸情形和无穷维情形下,我们建立了迭代的几乎必然弱收敛性和函数值均值的渐近速度o(1/n).在强凸性和误差界条件下,我们得到了线性速率.我们的分析是基于一个抽象的随机下降算法,它允许扩展和简化现有的结果收敛原理。
2020-11-25 math.OC
A Stochastic Maximum Principle for Forward-backward Stochastic Control Systems with Quadratic Generators and Sample-wise Constraints
针对带二次增长BSDE且终端正向状态几乎必然受凸约束的正倒向随机控制系统,论文结合BMO鞅、终端扰动与Ekeland变分原理建立动态SMP,并应用于禁止破产的稳健递归效用最大化。
2023-08-21 math.OC
Maximum Principle for Forward-Backward Doubly Stochastic Control Systems and Applications
在扩散系数不包含控制变量,但控制域不需要是凸的条件下,得到了全局形式的完全耦合正倒向双随机微分方程(简称FBDSDEs)最优控制问题的最大值原理.应用随机最大值原理研究了一类随机偏微分方程的最优控制问题。作为SMP的一个例子,我们还解决了一类正倒向双随机线性二次型最优控制问题。在最后一节中,我们利用FBDSDES的解得到了线性二次型随机最优控制问题的最优控制的显式形式和非零和微分对策问题的开环Nash平衡点。
2010-05-22 math.OC
The Maximum Principle for Discounted Optimal Control of Partially Observed Forward-Backward Stochastic Systems with Jumps on Infinite Horizon
研究了无穷水平上带跳的部分可观测正倒向随机系统的折扣最优控制问题。控制域是凸的,并引入了一类无穷时域观测方程。得到了带跳的无穷时域正(倒)向随机微分方程的唯一可解性,并对后向情形作了进一步的推广分析。首先给出并证明了临界变分不等式的一些新的估计。然后通过引入无穷水平伴随方程,得到了一个遍历的最大值原理,该方程的唯一可解性是必要的。最后,对两类有代表性的无限时域随机系统及其相关的最优控制进行了比较。
2022-01-02 math.OC
Maximum Principle of Forward-Backward Stochastic Differential System of Mean-Field Type with Observation Noise
研究了部分观测下的平均场型部分信息最优控制问题,其中系统由受控平均场正倒向随机微分方程给出,系统与观测之间存在相关噪声,且观测系数不仅依赖于控制过程,还依赖于控制过程的概率分布.在对系数的标准假设下,以庞特里亚金最大值原理的形式统一地建立了控制问题最优性的充要条件.
2017-08-17 math.OC
A global stochastic maximum principle for fully coupled forward-backward stochastic systems
研究了具有非空控制域的完全耦合正倒向随机控制系统的随机最优控制问题。对于我们的问题,一阶和二阶变分方程是完全耦合的线性FBSDES。受Hu(Hu,Probability,Uncertainty and Quantitative Risk,2(1)(2017):pp 1-20)的启发,我们通过引入一个二次Bundle的伴随方程来开发一种新的解耦方法。通过揭示一阶泰勒展开式各项之间的关系,估计了它们的阶数,并导出了一个包含全新项的全局随机最大值原理。随机线性二次控制问题的应用进行了研究。
2018-12-04 math.OC
A global stochastic maximum principle for forward-backward stochastic control systems with quadratic convex generator and unbounded terminal condition
Univ. Rennes, CNRS, IRMAR - UMR 6625(雷恩大学);Southern University of Science and Technology(南方科技大学)
本文针对具有二次凸生成元和无界终端条件的前向后随机控制系统,引入新概率测度并采用新方法推导伴随方程,建立了全局随机最大值原理。
2026-11-10 math.OC
A note on the global stochastic maximum principle for fully coupled forward-backward stochastic systems
Hu et. al 2018研究了具有非空控制域的完全耦合正倒向随机控制系统的随机最优控制问题。在弱耦合条件下,他们建立了求解状态X、Y、Z的一阶、二阶变分方程和伴随方程的方法,并推导出了全局极大值原理。但是众所周知,对于完全耦合的倒向随机微分方程,有几个不同的条件可以保证解的存在唯一性,如单调性条件、弱耦合条件等。在这份说明中,为了克服假设一个特定的条件的局限性,我们提出了两种假设,可以保证在胡等开发的方法。2018年仍然适用。在这两类假设下,我们得到了全局随机最大值原理。
2018-12-22 math.OC
The Global Maximum Principle for Progressive Optimal Control of Partially Observed Forward-Backward Stochastic Systems with Random Jumps
本文研究了带随机跳的正倒向随机微分方程的部分可观测渐进最优控制问题,其中控制域不一定是凸的,控制变量进入所有系数.在我们的模型中,观测方程不仅是由布朗运动驱动的,而且是由泊松随机测度驱动的,它们与状态方程也存在相关噪声。作为准备,我们首先在一定的假设条件下,在$L^β(β\geq2)$ -空间中得到了具有随机跳的完全耦合正倒向随机系统解的存在唯一性及其估计,以及部分可观测的具有随机跳的随机系统的非线性滤波方程.在此基础上,我们导出了带随机跳的部分观测全局最大值原理。为了说明它的应用,利用最大值原理和随机滤波,研究了带随机跳变的部分可观测线性二次型渐进最优控制问题。通过引入一些常微分方程,给出了最优控制的状态估计反馈表达式。
2022-06-24 math.OC
Stochastic maximum principle, dynamic programming principle, and their relationship for fully coupled forward-backward stochastic control systems
在黏性解的框架下,研究了具有非凸控制域的完全耦合正倒向随机控制系统(FBSCS)的最大值原理(MP)与动态规划原理(DPP)之间的关系.对于完全耦合的FBSCS,相应的MP和相应的Hamilton-Jacobi-Bellman(HJB)方程分别组合了一个代数方程。因此,这种关系变得更加复杂,几乎没有任何工作涉及这个问题。借助于一种新的解耦技巧,我们得到了完全耦合的正倒向变分方程的理想估计,并建立了关系。此外,对于光滑情形,我们发现了代数方程解的导数与一阶和二阶伴随方程中某些项之间的联系。最后,我们在[14,27]中的单调性条件下研究了局部情形,得到了[27]中的MP和[14]中的DPP之间的关系。
2018-05-16 math.OC
A General Maximum Principle for Progressive Optimal Control of Fully Coupled Forward-Backward Stochastic Systems with Jumps
本文针对带跳的全耦合正倒向随机系统,在非凸控制域和渐进可测框架下,提出一般最大值原理,并处理了含变量$e$的解及特殊扩散项,体现了$Z$与Polish空间的本质耦合。
2025-03-26 math.OC
A Global Stochastic Maximum Principle for Mean-Field Forward-Backward Stochastic Control Systems with Quadratic Generators
针对系数为平均场型且BSDE生成元关于Z二次增长的正倒向随机控制问题,本文建立了新的全局随机最大值原理。
2024-04-10 math.OC
A global maximum principle for optimal control of general mean-field forward-backward stochastic systems with jumps
在扩散系数依赖于控制,控制集不需要是凸的,跳变项的系数与控制无关以及平均场倒向随机微分方程的系数依赖于$(X(t),Y(t))$的联合律的情况下,证明了一类一般的带跳的平均场正倒向随机系统的最优控制问题的一个必要条件.引入了两个新的伴随方程,并研究了其解的几个新的一般估计,用于分析高阶项,特别是涉及系数关于测度的导数的期望的高阶项.利用这些精细的估计,得到了分析该必要条件的关键点--代价泛函的二阶展开式,进而得到了随机最大值原理。
2019-02-19 math.OC
Global maximum principle for mean-field forward-backward stochastic systems with delay and application to finance
本文的目的是探讨平均场前向后延迟控制系统最优性的必要条件。证明了一个新的估计,它是处理时滞平均场型最优控制问题的有力工具。与经典情形不同,本文的一阶伴随系统是一个期望平均场倒向随机微分方程,二阶伴随系统是一个矩阵值过程系统,而不是平均场型,利用这两个伴随系统,证明了状态变分的二阶展开式$Y$,从而证明了Peng随机最大值原理.作为一个说明性的例子,我们将我们的结果应用到金融中的平均场博弈。虽然为了方便起见,我们只研究了一个点态时滞的情况,但我们的方法对于分析点态时滞的情况是足够的。
2018-11-04 math.OC
Fully Coupled Nonlinear Forward-Backward Stochastic Difference Equations: Spectral Contraction and Infinite-Horizon Maximum Principle
Fudan University(复旦大学);Shandong University(山东大学)
本文提出显式谱压缩方法,研究无穷时域全耦合非线性正倒向随机差分方程,推导随机最大值原理及验证定理,并用投资组合示例展示应用。
2026-09-11 math.OC
A maximum principle for progressive optimal control of mean-filed forward-backward stochastic system involving random jumps and impulse controls
本文针对含随机跳的平均场正倒向随机系统,在渐进结构下建立同时涵盖连续、跳与脉冲三部分的最优控制随机最大值原理,并用两个线性二次例子验证其意义。
2023-05-28 math.OC
A Bregman forward-backward linesearch algorithm for nonconvex composite optimization: superlinear convergence to nonisolated local minima
针对两个非凸函数之和的最小化问题,提出基于Bregman前后包络的线搜索算法Bella,可在KL条件下全局收敛到平稳点,且在非孤立极小点处也能实现超线性收敛。
2020-05-01 math.OC
Stochastic Maximum Principle for Mean-field Controls and Non-Zero Sum Mean-field Game Problems for Forward-Backward Systems
本文的目的是研究完全耦合的平均场正倒向随机微分方程(简称FBSDEs)的解,并研究状态过程都用FBSDEs描述的平均场型随机控制问题和平均场随机对策问题.结合Hu和Peng [Y. Hu,S. Peng,正倒向随机微分方程的解,Probab。理论关系Fields 103(1995)]中的方法,在一定的"\textquotedblleft单调性"条件下,证明了这类完全耦合平均场倒向随机微分方程解的存在唯一性.接下来,我们感兴趣的是最优控制问题(完全耦合分别)FBSDES的平均场型凸控制域。注意,控制问题是时间不一致的,在这个意义上,贝尔曼最优性原则不成立。导出了平均场控制的积分形式的随机最大值原理,给出了最优性的必要条件。在附加的假设条件下,得到了控制最优性的充分条件。然后我们研究了一类新的非零和随机微分对策的最大值原理。这个游戏系统不同于现有的文献中的游戏系统在这个意义上的特点是(完全耦合分别)FBSDES的平均场框架。本文以最大值原理的形式分别推导了这类对策的开放平衡点的必要条件和充分条件。
2012-07-18 math.OC
A Global Stochastic Maximum Principle for Forward-Backward Stochastic Control Systems with Quadratic Generators
研究了具有二次生成元的正倒向控制系统的随机最优控制问题。为了建立一阶和二阶变分方程和伴随方程,得到了一类包含有界平均振荡鞅(BMO-martingales)的具有无界随机Lipschitz系数的一维线性倒向随机微分方程的新估计,并证明了这类多维倒向随机微分方程的可解性.最后,导出了一个新的全局随机最大值原理。
2021-07-03 math.OC math.PR
A general stochastic maximum principle for optimal control problems of forward-backward systems
非线性受控正倒向系统的随机最大值原理是一个无法用经典尖峰变分方法解决的公开问题,其中严格(经典)控制集不需要是凸的,扩散系数显式地依赖于变量控制.在本文中,我们引入了一种新的方法来解决这个开放的问题,我们建立了必要的以及充分条件,在全球随机最大值原理的形式,两个模型。第一个是关于放松控制的,放松控制是一个度量值过程。第二个是限制,第一个是严格控制问题。
2008-12-20 math.OC math.PR
Maximum principle for stochastic optimal control problem of finite state forward-backward stochastic difference systems
本文研究了前倒向随机差分系统(FBSΔSs)的随机最优控制问题的最大值原理,其中不确定性由离散时间有限状态过程而不是白噪声建模.研究了两种类型的FBSΔSs。第一个方程由部分耦合的前向-后向随机差分方程(FBSΔE)描述,第二个方程由完全耦合的FBSΔE描述。通过采用乘积规则的适当表示和倒向随机差分方程(BSΔE)的适当形式,推导出了伴随差分方程.最后,建立了控制域为凸的最优控制问题的最大值原理。
2019-07-06 math.OC math.PR
Accelerated gradient descent method for functionals of probability measures by new convexity and smoothness based on transport maps
本文针对欧几里得空间上概率测度泛函最小化问题,基于传输映射引入新凸性与光滑性,提出不依赖Wasserstein几何的确定性加速梯度下降算法,并证明其收敛快于普通梯度下降,数值实验验证了理论。
2023-09-03 cs.NA math.NA math.OC
General Doubly Stochastic Maximum Principle and Its Applications to Optimal Control of SPDEs
本文证明了在凸控制域上由拟线性随机热方程描述的系统的最优控制的充要最大值原理,其中所有系数都包含控制变量。为此,研究了完全耦合正倒向双随机系统的最优控制问题。我们应用我们的NSMPs处理一类正倒向双随机线性二次最优控制问题和一个随机偏微分方程(简称SPDE)的最优控制问题。
2012-10-31 math.OC
Stochastic maximum principle for time-changed forward-backward stochastic control problem with Lévy noise
Yau Mathematical Sciences Center, Tsinghua University(丘成桐数学科学中心,清华大学);Department of Mathematical Sciences, Tsinghua University(数学科学系,清华大学);Department of Automation, Center for Brain-Inspired Computing Research, Tsinghua University(自动化系,脑启发计算研究中心,清华大学)
本文基于时变前向后向随机微分方程建立了随机极大原理,用于最优控制问题,通过对偶变换和凸变分方法推导出最优条件,应用于随机递归效用下的现金管理问题。
2026-03-26 math.OC math.PR
Maximum Principles for Partially Observed Controls of Forward SPDEs and Backward SDEs with Jumps
Auburn University(奥本大学);University of Connecticut(康涅狄格大学);Oak Ridge National Laboratory(橡树岭国家实验室)
本文提出两种最大原理,用于部分观测控制的耦合前向和后向随机偏微分方程与随机微分方程,解决了具有跳跃的SPDE的适定性问题。
2026-03-01 math.OC math.PR
Convergence rate analysis of the forward-Douglas-Rachford splitting scheme
算子分裂格式是一类求解复杂单调包含和凸优化问题的强有力的算法。它们产生了一种算法,在这种算法中,分解的所有简单片段都被单独处理。这导致易于实现和高度并行化或分布式算法,通常获得接近最先进的性能。本文分析了前向-道格拉斯-拉奇福德分裂(FDRS)算法的收敛速度,FDRS算法是前向-后向分裂(FBS)和道格拉斯-拉奇福德分裂(DRS)算法的推广.在一般的凸性假设下,我们推导了FDRS算法的遍历和非遍历收敛速度,并证明了这些速度是最好的。在Lipschitz可微性假设下,我们证明了FDRS算法的最佳收敛速度与FBS算法的最后一个收敛速度一样快。在强凸性假设下,我们得到了序列强收敛到极小点的收敛速度。在强凸性和Lipschitz可微性假设下,证明了FDRS线性收敛.我们还提供了例子,目标是强凸的,但FDRS收敛任意缓慢。最后,我们将FDRS算法与原始-对偶前向-后向分裂方案联系起来,并阐明其在现有分裂方法中的地位。我们的研究结果表明,FDRS算法自动适应的规则性的目标函数,并实现利率,提高了尖锐的最坏情况下举行的光滑性和强凸性。
2015-07-08 math.OC
Maximum-Entropy Multi-Agent Dynamic Games: Forward and Inverse Solutions
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Stanford University(斯坦福大学)
在本文中,我们研究的问题,多个随机代理人在一个动态的游戏场景与连续的状态和行动空间。我们定义了一个新的概念,有限理性代理的随机纳什均衡,我们称之为熵成本均衡(ECE)。我们表明,ECE是一个自然扩张多个代理的最大熵最优的单一代理。我们解决了多智能体ECE游戏的“正”和“逆”问题。对于正问题,我们提供了一个Riccati算法来计算封闭形式的ECE反馈策略的代理,这是精确的线性二次高斯的情况下。我们给出了一个迭代的变种,找到本地ECE反馈政策的非线性情况下。对于逆问题,我们提出了一种算法来推断的费用函数的多个相互作用的代理商给出嘈杂的,有界理性的输入和状态轨迹的例子,代理商在ECE。我们的算法的有效性证明在一个模拟的多智能体碰撞避免的情况下,并与数据的互动交通数据集。在这两种情况下,我们表明,考虑到代理的博弈论的相互作用,使用我们的算法,更准确的代理成本模型可以学习,与标准的逆最优控制方法相比。
2021-10-03 cs.RO math.OC
Gradient-Normalized Smoothness for Optimization with Approximate Hessians
EPFL(洛桑联邦理工学院)
本研究提出梯度归一化平滑性新概念,构建结合近似二阶信息与梯度正则化的优化算法,为近似二阶算法提供通用全局收敛保证,适用于多类函数及逻辑回归、非凸优化等场景。
2025-06-16 cs.LG math.OC
Global Maximum Principle for Partially Observed Risk-Sensitive Progressive Optimal Control of FBSDE with Poisson Jumps
本文研究带泊松跳和风险敏感准则的部分观测前向-后向随机系统渐进最优控制问题,通过引入新技术处理二次指数特征以建立变分,推导出新的全局随机最大值原理,并应用于最优投资与滤波问题。
2025-04-07 math.OC
Optimal Control of Markov Regime-Switching Stochastic Recursive Utilities
本文针对连续时间Markov状态切换随机递归效用模型描述的系统,建立了一个通用的随机最大值原理用于最优控制。假设控制域不是凸的,扩散项依赖于控制变量。为此,我们首先研究了一类经典的正向随机最优控制问题。然后,在已有结果的基础上,引入了两组新的一阶和二阶伴随方程。导出了相应的正倒向随机微分方程的变分方程。特别地,最大值原理中的生成元包含二阶伴随方程的解,这是新颖的。一些有趣的例子,以及总结。
2019-05-01 math.OC
Stochastic maximum principle for recursive optimal control problems with varying terminal time
本文研究终端时间随状态约束变化的递归随机最优控制问题,通过提出rho-移动变分与伴随方程建立随机最大值原理,并给出实例验证。
2023-04-14 math.OC math.PR
Maximum Causal Entropy IRL in Mean-Field Games and GNEP Framework for Forward RL
本文将最大因果熵逆强化学习引入有限状态离散时间稳态平均场博弈,通过占有测度凸重构和梯度下降算法高效求解,并提出广义纳什均衡问题框架以推进前向强化学习中平均场均衡的计算。
2025-07-19 cs.LG cs.SY eess.SY
Path-depending controlled mean-field coupled forward-backward SDEs. The associated stochastic maximum principle
本文研究路径分布依赖的均值场耦合正倒向随机微分方程,在一般假设下证明解的存在唯一性,并推导出新的 Pontryagin 最大值原理,其哈密顿量新颖,且在凸性条件下最优性条件充分必要。
2023-07-26 math.OC math.PR
Kernel Based Maximum Entropy Inverse Reinforcement Learning for Mean-Field Games
Department of Mathematical Engineering, Özyeğin University(数学工程系,奥兹耶尼大学)
本文提出基于核方法的最大熵逆强化学习用于均场博弈,通过 RKHS 推断非线性奖励结构,提升策略恢复精度。
2026-03-05 cs.LG math.OC
An optimal control problem of forward-backward stochastic Volterra integral equations with state constraints
研究了由带状态约束的正倒向随机Volterra积分方程(简称FBSVIEs)控制的系统的随机最优控制问题。利用Ekeland的变分原理,得到了一类变分不等式.然后,利用对偶方法导出了一个随机最大值原理,给出了最优控制的必要条件。
2013-12-02 math-ph math.MP math.OC
Fixed-Point Automatic Differentiation of Forward--Backward Splitting Algorithms for Partly Smooth Functions
University of Tübingen(蒂宾根大学);Saarland University(萨尔大学)
针对光滑与部分光滑函数之和的参数化优化问题,研究正反向分裂定点迭代的自动微分,提出FPAD以降低反向模式内存开销并加快收敛,且在Lasso、Group Lasso和图像去噪中验证。
2024-10-24 cs.LG math.OC
Accelerated zero-order SGD under high-order smoothness and overparameterized regime
Lomonosov MSU(罗蒙诺索夫莫斯科大学);ISP RAS(俄罗斯科学院信息问题研究所);HSE University(高等经济大学);MIPT(莫斯科物理技术学院);MSU Institute for Artificial Intelligence(莫斯科大学人工智能研究所);Innopolis University(因诺波利斯大学);IITP RAS(俄罗斯科学院信息传输问题研究所);Skoltech(斯科尔科沃科学技术研究院)
本文提出一种适用于高阶光滑凸随机优化问题的加速零阶随机梯度下降算法,在过参数化情形下具有最优预言机复杂度,并给出两类噪声下的收敛保证及最大可容许噪声水平估计。
2024-11-21 cs.LG math.OC
Graph-Based Ascent Algorithms for Function Maximization
University of Wisconsin - Madison(威斯康星大学麦迪逊分校)
本文研究了在连通图节点上寻找函数最大值的问题,提出两种基于图的局部迭代算法,通过不同转移核分析其收敛性,并通过模拟展示算法在不同图函数平滑度下的收敛性能。
2018-02-13 cs.NA cs.SI math.NA