A New Learning Algorithm for Optimal Stopping
上传者:甘祥超|上传时间:2015-04-22|密次下载
A New Learning Algorithm for Optimal Stopping
DiscreteEventDynSyst(2009)19:91–113
DOI10.1007/s10626-008-0055-2
ANewLearningAlgorithmforOptimalStopping
VivekS.Borkar·JervisPinto·TarunPrabhu
Received:1July2007/Accepted:14October2008/
Publishedonline:1November2008
©SpringerScience+BusinessMedia,LLC2008
http://wendang.chazidian.comingthisformulation,areinforcementlearningschemebasedonaprimal-dualmethodandincorporatingasamplingdevicecalled‘splitsampling’isproposedandanalyzed.Anillustrativeexamplefromoptionpricingisalsoincluded.
KeywordsLearningalgorithm·Optimalstopping·Linearprogramming·
Primal-dualmethods·Splitsampling·Optionpricing
1Introduction
Inrecentyears,therehasbeenmuchactivityindevelopingreinforcementlearningalgorithmsforapproximatedynamicprogrammingforMarkovdecisionprocesses,basedonrealorsimulateddata.Thisisusefulwhenexactanalyticalornumericalsolutioniseitherinfeasibleorexpensive.SeeBertsekasandTsitsiklis(1996),SuttonResearchsupportedinpartbyagrantfromGeneralMotorsIndiaPvt.Ltd.ThisauthorthanksArnabBasuforsomeusefulinputs.
V.S.Borkar(B)
TataInstituteofFundamentalResearch,HomiBhabhaRoad,Mumbai400005,India
e-mail:borkar@tifr.res.in
J.Pinto·T.Prabhu
St.FrancisInstituteofTechnology,Mumbai400103,India
PresentAddress:
J.Pinto
SchoolofElectricalEngineeringandComputerScience,
OregonStateUniversity,Corvallis,OR97331,USA
e-mail:pinto@eecs.oregonstate.edu
PresentAddress:
T.Prabhu
SchoolofComputing,UniversityofUtah,SaltLakeCity,UT84112,USA
e-mail:tarunp@cs.utah.edu
92DiscreteEventDynSyst(2009)19:91–113andBarto(1998)forbooklengthtreatmentsofthisissueandoverview.Someexamplesofsuchschemesare:Q-learning,actor-critic,orTD(λ)(BertsekasandTsitsiklis1996).ThesecanbeviewedasbeingderivedfromthetraditionaliterativeschemesforMDPssuchasthevalueorpolicyiteration,withadditionalstructure(suchasapproximationarchitectureoradditionalaveraging)builtontopofit.Thereis,however,athirdcomputationalschemeforclassicalMDPssuchas?nite/in?nitehorizondiscountedcostoraveragecost,viz.,thelinearprogrammingapproach.The‘primal’formulationofthisisalinearprogram(LPforshort)overthesocalled‘occupationmeasures’.Its‘dual’isanLPoverfunctions.AnextensiveaccountofthesedevelopmentsmaybefoundinHernández-LermaandLasserre(1996).Ouraimhereistoformulatealearningschemefortheoptimalstoppingproblembasedonanoldformulationofoptimalstoppingasalinearprograminthespiritoftheaforementioned.
Somerelevantliteratureisasfollows:
?TheLPformulationofoptimalstoppingisthesameasthe‘minimalexcessive
majorantfunction’characterizationofthevaluefunction(formaximizationproblems)thatdatesbacktoDynkin(1963),orthe‘maximalsubsolution’(forminimizationproblems)asinBensoussan(1982),ChapterIII,Section5.1.ThecomputationalimplicationshavebeenexploredinChoandStockbridge(2002).Ourschemeleadstoanalternativetothoseproposedin,e.g.,ChoiandVanRoy(2006),LongstaffandSchwartz(2001),TsitsiklisandVanRoy(1999,2001),YuandBertsekas(2007),foroptionpricing,whichisperhapstheprimeapplicationareaforoptimalstoppingatpresent.ThesearebasedontheclassicallearningalgorithmssuchasQ-learning,notontheLPformulation.
Alsomotivatedby?nanceproblems,AndersenandBroadie(2004),HaughandKogan(2004),Rogers(2002)arriveataformulationakintooursviaanabstractdualityresult,buttheiremphasisison?ndingboundsonthesolutionviaMonteCarlo.Ourschemediffersfroma‘pure’MonteCarlointhatitisareinforcementlearningscheme.AsobservedinAhamedetal.(2006),suchaschemecanbeviewedasacrossbetweenpureMonteCarloandpure(deterministic)numericalschemes,withitsperiteratecomputationmorethantheformer,butlessthanthelatter,andits?uctuations(variance)morethanthelatter(whichiszero)andlessthantheformer.ThekeydifferencewithpureMonteCarloisthatourschemeisbasedononestepconditionalaveragingratherthanaveraging,whichleadstothedifferencesmentionedabove.??
WepresenttheLPformulationandthealgorithminthenextsection.Section3providesthemathematicaljusti?cationforthescheme.Thefocusofthisworkisprimarilytheoretical.Nevertheless,Section4describesnumericalexperimentsforasimpleillustrativeoptionpricingmodel.Section5sketchesanextensiontothein?nitehorizondiscountedcostproblemtoindicatethebroaderapplicabilityoftheapproach.
2Thealgorithm
ConsideradiscretetimeMarkovchain{Xn}takingvaluesinacompactmetricspaceSwiththetransitionprobabilitykernelp(dy|x).LetN>0beaprescribedinteger.
DiscreteEventDynSyst(2009)19:91–11393Givenaboundedcontinuousfunctiong:S→Randadiscountfactor0<α<1,ourobjectiveisto?ndtheoptimalstoppingtimeτ?thatmaximizes
????(1)EαN∧τg(XN∧τ)
overallstoppingtimesτw.r.t.thenatural?ltrationof{Xn}.Astandarddynamicprogrammingargumentthentellsusthatthevaluefunction
????def?Vn(x)=supEα(N∧τ?n)g(XN∧τ)|Xn=x,
wherethesupremumisoverallstoppingtimes≥n,satis?es
????Vn(x)=g(x)∨αVn+1(y)p(dy|x),0≤n<N,
?(x)=g(x).VN(2)(3)
OurschemewillbebasedonthefollowingobservationthatessentiallygoesbacktoDynkin,whoseproofisincludedforthesakeofcompleteness:
?Theorem1{Vn}aboveisgivenbythesolutiontotheLP:
MinimizeV0(i0)s.t.
Vn(x)≥g(x),0≤n≤N
Vn(x)≥α??
y
?}isfeasibleforthisLP.Atthesametime,if{Vn}isanyotherProofNotethat{Vnsolution,then??
Vn(x)=ζn(x)+g(i)∨αVn+1(y)p(dy|x),0≤n<N,p(dy|x)Vn+1(y),0≤n<N
VN(x)=ζN(x)+g(x),
forsomeζn(·)≥0,0≤n≤N.Thisissimplythedynamicprogrammingequationfortheoptimalstoppingproblemwithreward
??N∧τ??αmζm(Xm)+αN∧τg(XN∧τ).E
m=n
(Notethatforthedecisiontostopattimeninstatex,the‘runningreward’ζn(x)willalsobegrantedinadditiontothe‘stoppingreward’g(x).)Astandardargumentthenshowsthat??N∧τ ???V0(x)=supEαmζm(Xm)+αN∧τg(XN∧τ)|X0=x≥V0(x)
m=n
wherethesupremumisoverallstoppingtimes.ThusthesolutionoftheaboveLPdoesindeedcoincidewiththevaluefunction.????
94DiscreteEventDynSyst(2009)19:91–113Itisworthnotingthat:(i)theconstraintsaboveneedholdonlya.s.withrespecttothelawofXnforeachn,and,(ii)thenonnegativityconstraintsVn(·)≥0donothavetobeexplicitlyincorporated.ByLagrangemultipliertheory(Luenberger1968,pp.216),theaboveoptimizationproblembecomes
minmax[L(V,??)]Vλ(4)
where??=[??1(N,dx),??2(n,dx),??3(n,dx),0≤n<N]istheLagrangemultiplier(astringofpositivemeasuresonS)andtheLagrangianL(V,??)isgivenby
??defL(V,λ)=V0(x0)+??1(N,dx)(g(x)?VN(x))
+N?1????
n=0????2(n,dx)g(x)?Vn(x)??
+N?1????
n=0????????3(n,dx)αp(dy|x)Vn+1(y)?Vn(x).(5)
NowweshalldescribeagradientschemeforestimatingVn(x)usinglinearfunctionapproximationsfor{Vn}andthesquare-rootsoftheLagrangemultipliers.Forthis,?rstsupposethat??i(n,dx)=λi(n,x)m(dx),1≤i≤3,forsomeprobabilitymeasurem(dx)onSwith√full√support.1√Inparticular,λi(n,·)’sarenonnegative.Approxi-mateVn(x)and1,2and3asfollows.Letr∈Rt,q1∈Rs1,q2∈Rs2andq3∈Rs3,with
t??????rk??φk??(n,x),Vn(x)≈
k??=1
??λ1n,x)≈s1??
j=1q1(j)?1j(n,x),??λ2n,x)≈s2??
j=1q2(j)?2j(n,x),??λ3n,x)≈s3??
j=1q3(j)?3j(n,x),
where{φk,?ij}arebasisfunctionsor‘features’selectedapriori.Squaringthelastthreeexpressionsabovegivesanapproximationtoλ1(n,x),λ2(n,x)andλ3(n,x),ensuringtheirnonnegativityautomatically.
itselfcanbethe?rststepoftheapproximationprocedureifthe??(i,dx)arenotabsolutelycontinuousw.r.t.m(dx),thelatterusuallybeingsome‘natural’candidatesuchasthenormalizedLebesguemeasure.Forexample,whenm(dx)=thenormalizedLebesguemeasure,convolutionof??i(n,dx)withasmoothapproximationofDiracmeasurewouldgivethedesiredapproximation.1This
DiscreteEventDynSyst(2009)19:91–11395
ThentheoriginalLagrangianEq.5isapproximatedintermsofr,q1,q2,q3by
??
L(r,q)=r(k??)φk??(0,x0)
k??
??+
?????2????
?????q1(l)?1l(N,x)r(k??)φk??(N,x)g(x)?
lN?1??n=0
+
??
??????
ll
??2??
q2(l)?2l(n,x)
k??
g(x)?
??
k??
??
r(k??)φk??(n,x)
+
N?1??n=0
????2??????
??
αp(dy|x)q3(l)?3l(n,x)r(k??)φk??(n+1,y)
?? m(dx).
k??
?
??
k??
r(k??)φk??(n,x)
(6)
Considerthefollowing‘primal-dual’recursiveschemeforsolvingthisproblem:????2??????
????
q1,m(l)?1l(N,x)rm+1(j)=rm(j)?am?φj(0,x0)+??φj(N,x)
N?1??n=0
??
+
??
l
??2
q2,m(l)?2l(n,x)????2
?1????????N
?φj(n,x)+q3,m(l)?3l(n,x)
n=0
l
l
?????? ??
×αp(dy|x)φj(n+1,y)?φj(n,x)+ηrm(j)m(dx)
??????
q1,m+1(j)=q1,m(j)+bm
2?1j(N,x)??×??????N?1??
n=0
(7)
??
??
l
??
q1,m(l)?1l(N,x)
????
m(dx)??
q2,m(l)?2l(n,x)
????
m(dx)
(9)(8)
g(x)?
??
k??
rm(k??)φk??(N,x)
q2,m+1(j)=q2,m(j)+bm2?2j(n,x)g(x)?
??
??
l
??
×
??????N?1??
n=0
??
k??
rm(k??)φk??(n,x)
q3,m+1(j)=q3,m(j)+bm
??×
??
k??
2?3j(n,x)
??
??
??
l
??????
q3,m(l)?3l(n,x)αp(dy|x)
????
m(dx)
(10)
rm(k??)φk??(n+1,y)?
??
k??
rm(k??)φk??(n,x)
下载文档
热门试卷
- 2016年四川省内江市中考化学试卷
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
- 山东省滨州市三校2017届第一学期阶段测试初三英语试题
- 四川省成都七中2017届高三一诊模拟考试文科综合试卷
- 2017届普通高等学校招生全国统一考试模拟试题(附答案)
- 重庆市永川中学高2017级上期12月月考语文试题
- 江西宜春三中2017届高三第一学期第二次月考文科综合试题
- 内蒙古赤峰二中2017届高三上学期第三次月考英语试题
- 2017年六年级(上)数学期末考试卷
- 2017人教版小学英语三年级上期末笔试题
- 江苏省常州西藏民族中学2016-2017学年九年级思想品德第一学期第二次阶段测试试卷
- 重庆市九龙坡区七校2016-2017学年上期八年级素质测查(二)语文学科试题卷
- 江苏省无锡市钱桥中学2016年12月八年级语文阶段性测试卷
- 江苏省无锡市钱桥中学2016-2017学年七年级英语12月阶段检测试卷
- 山东省邹城市第八中学2016-2017学年八年级12月物理第4章试题(无答案)
- 【人教版】河北省2015-2016学年度九年级上期末语文试题卷(附答案)
- 四川省简阳市阳安中学2016年12月高二月考英语试卷
- 四川省成都龙泉中学高三上学期2016年12月月考试题文科综合能力测试
- 安徽省滁州中学2016—2017学年度第一学期12月月考高三英语试卷
- 山东省武城县第二中学2016.12高一年级上学期第二次月考历史试题(必修一第四、五单元)
- 福建省四地六校联考2016-2017学年上学期第三次月考高三化学试卷
- 甘肃省武威第二十三中学2016—2017学年度八年级第一学期12月月考生物试卷
网友关注
- 银行流动性风险隐现
- 中银国际-煤炭行业价格周报:煤价大幅杀跌下需求有所恢复,但持续性仍有不确定性
- 零基础学外汇:总结斐波那契
- 零基础学外汇:简单移动平均线及指数移动平均线
- GWFX金道环球英镑技术分析:会议纪要是否隐含加息风波
- gct语文古代文学基础
- 先秦诸子散文文学传播研究——以《论语》、《孟子》为例
- 银河证券-社会服务行业每日动态:一季度旅游总收入同比增16%,旅游业成创业新热点
- 银行系人才助力大资管转型
- 论桂学研究的文学理论与方法论基础——桂学理论与方法论研究之六 (2)
- 结合我国信用发展状况,讨论利率如何改革才能充分发挥其在经济发展中的作用?
- 中银国际-机械行业周报:继续看好国防军工板块、“一带一路”主题投资、低估值蓝筹
- 华泰证券-交运设备行业“互联网+”系列报道之三,互联网造车篇:互联网汽车新生态、新机遇
- 德希总理将终极会面 债局破冰还是彻底撕破脸?
- 操作期权交易的要点
- 齐鲁证券-煤炭开采行业:强烈建议买入煤炭股,分享行业性投资机会
- 中金公司-房地产行业:重点城市商品房成交量周报(第364期)
- 东方证券-电子竞技行业:从流量崛起谈产业展望
- 文学文本理论与文学形式研究
- 4.21汇评丨希腊阴魂不散拖累欧元 美元表示“躺着”也能走高
- 长江证券-煤炭行业周报:宽松政策加码,把握板块估值提升机会
- 零基础学外汇:斐波那契回撤
- 4.23汇评丨非美上演群雄割据 分久必合合久必分?
- GWFX金道环球澳元技术分析:日内38.2%压制
- 招商证券-汽车行业2015年2季度策略报告:平稳,变革不断
- 零基础学外汇:斐波那契应用失效
- 零基础学外汇:斐波那契延伸位
- 想炒金 金道告诉你影响世界金价的因素
- 府县史学文化论述研究_文学理论论文
- 申万宏源-轻工造纸行业一季报前瞻:家居与包装延续稳健增长M把握具有长期成长基因的公司
网友关注视频
- 冀教版小学数学二年级下册1
- 飞翔英语—冀教版(三起)英语三年级下册Lesson 2 Cats and Dogs
- 【部编】人教版语文七年级下册《老山界》优质课教学视频+PPT课件+教案,安徽省
- 第19课 我喜欢的鸟_第一课时(二等奖)(人美杨永善版二年级下册)_T644386
- 8.练习八_第一课时(特等奖)(苏教版三年级上册)_T142692
- 人教版历史八年级下册第一课《中华人民共和国成立》
- 冀教版英语四年级下册第二课
- 北师大版数学 四年级下册 第三单元 第二节 小数点搬家
- 二年级下册数学第一课
- 30.3 由不共线三点的坐标确定二次函数_第一课时(市一等奖)(冀教版九年级下册)_T144342
- 冀教版小学数学二年级下册第二单元《余数和除数的关系》
- 外研版英语三起5年级下册(14版)Module3 Unit2
- 外研版英语三起5年级下册(14版)Module3 Unit1
- 冀教版小学数学二年级下册第二周第2课时《我们的测量》宝丰街小学庞志荣.mp4
- 外研版英语七年级下册module1unit3名词性物主代词讲解
- 沪教版牛津小学英语(深圳用) 四年级下册 Unit 7
- 沪教版八年级下册数学练习册21.4(1)无理方程P18
- 沪教版牛津小学英语(深圳用) 五年级下册 Unit 12
- 8.对剪花样_第一课时(二等奖)(冀美版二年级上册)_T515402
- 沪教版牛津小学英语(深圳用) 四年级下册 Unit 4
- 冀教版小学数学二年级下册第二单元《有余数除法的整理与复习》
- 【部编】人教版语文七年级下册《泊秦淮》优质课教学视频+PPT课件+教案,天津市
- 化学九年级下册全册同步 人教版 第18集 常见的酸和碱(二)
- 《空中课堂》二年级下册 数学第一单元第1课时
- 第五单元 民族艺术的瑰宝_16. 形形色色的民族乐器_第一课时(岭南版六年级上册)_T1406126
- 第8课 对称剪纸_第一课时(二等奖)(沪书画版二年级上册)_T3784187
- 冀教版小学英语五年级下册lesson2教学视频(2)
- 【获奖】科粤版初三九年级化学下册第七章7.3浓稀的表示
- 苏科版八年级数学下册7.2《统计图的选用》
- 北师大版八年级物理下册 第六章 常见的光学仪器(二)探究凸透镜成像的规律
精品推荐
- 2016-2017学年高一语文人教版必修一+模块学业水平检测试题(含答案)
- 广西钦州市高新区2017届高三11月月考政治试卷
- 浙江省湖州市2016-2017学年高一上学期期中考试政治试卷
- 浙江省湖州市2016-2017学年高二上学期期中考试政治试卷
- 辽宁省铁岭市协作体2017届高三上学期第三次联考政治试卷
- 广西钦州市钦州港区2016-2017学年高二11月月考政治试卷
- 广西钦州市钦州港区2017届高三11月月考政治试卷
- 广西钦州市钦州港区2016-2017学年高一11月月考政治试卷
- 广西钦州市高新区2016-2017学年高二11月月考政治试卷
- 广西钦州市高新区2016-2017学年高一11月月考政治试卷
分类导航
- 互联网
- 电脑基础知识
- 计算机软件及应用
- 计算机硬件及网络
- 计算机应用/办公自动化
- .NET
- 数据结构与算法
- Java
- SEO
- C/C++资料
- linux/Unix相关
- 手机开发
- UML理论/建模
- 并行计算/云计算
- 嵌入式开发
- windows相关
- 软件工程
- 管理信息系统
- 开发文档
- 图形图像
- 网络与通信
- 网络信息安全
- 电子支付
- Labview
- matlab
- 网络资源
- Python
- Delphi/Perl
- 评测
- Flash/Flex
- CSS/Script
- 计算机原理
- PHP资料
- 数据挖掘与模式识别
- Web服务
- 数据库
- Visual Basic
- 电子商务
- 服务器
- 搜索引擎优化
- 存储
- 架构
- 行业软件
- 人工智能
- 计算机辅助设计
- 多媒体
- 软件测试
- 计算机硬件与维护
- 网站策划/UE
- 网页设计/UI
- 网吧管理