Dynamic Programming for Mean-Field Type Control

Abstract : We investigate a model problem for optimal resource management. The problem is a stochastic control problem of mean-field type. We compare an Hamilton-Jacobi-Bellman fixed point algorithm to a Steepest Descent method issued from calculus of variations. For mean-field type control problems, stochastic dynamic programming requires adaptation. The problem is reformulated as a distributed control problem by using the Fokker-Planck equation for the probability distribution of the stochastic process; then, an extended Bellman's principle is derived by a different argument than the one used by P.L. Lions. Both algorithms are compared numerically.
Type de document :
Article dans une revue
Journal of Optimization Theory and Applications, Springer Verlag, 2015, 169 (3), pp.902-924. 〈10.1007/s10957-015-0785-x〉
Liste complète des métadonnées

Littérature citée [31 références]  Voir  Masquer  Télécharger

http://hal.upmc.fr/hal-01558745
Contributeur : Olivier Pironneau <>
Soumis le : dimanche 9 juillet 2017 - 20:28:52
Dernière modification le : jeudi 11 janvier 2018 - 06:12:16
Document(s) archivé(s) le : mercredi 24 janvier 2018 - 06:15:47

Fichier

MLOP-jota_v7R4b.pdf
Fichiers produits par l'(les) auteur(s)

Licence


Distributed under a Creative Commons Paternité 4.0 International License

Identifiants

Collections

UPMC | LJLL | USPC

Citation

Mathieu Lauriere, Olivier Pironneau. Dynamic Programming for Mean-Field Type Control. Journal of Optimization Theory and Applications, Springer Verlag, 2015, 169 (3), pp.902-924. 〈10.1007/s10957-015-0785-x〉. 〈hal-01558745〉

Partager

Métriques

Consultations de la notice

62

Téléchargements de fichiers

43