Selected parallel optimization methods for ®nancial management under uncertainty

ABSTRACT

A review of some of the most important existing parallel solution algorithms for stochastic dynamic problems arising in ®nancial planning is the main focus of this work. Optimization remains the most dicult, time and resource consuming part of the process of decision support for  ®nancial planning under uncertainty. However, other parts of a specialized decision support system (DSS) are also brie¯y outlined to provide appropriate background. Finally, ®nancial modeling is but one of the possible application ®elds of stochastic dynamic optimization. Therefore the same fairly general methods described here are also useful in many other contexts. Authors hope that the overview of this application ®eld may be of interest to readers concerned with development of parallel programming paradigms, methodology and tools. Therefore special care was taken to ensure that the presentation is easily understandable without much previous knowledge of theory and methods of  operations research.

INTRODUCTION

Large-scale optimization methods, especially for structured problems, such as dynamic, stochastic and stochastic dynamic problems, have long been known for their extreme requirements on computer memory and computing power. Each signi®cant increase in available  processing power, and especially the advent of parallel computers, was seen as a chance to solve new important and dicult classes of optimization problems. Yet one cannot help noticing the discrepancy between the availability of parallel computers in numerous research centers as well as commercial institutions and the availability of specialized optimization software able to utilize those vast resources. This is not caused by the lack of appropriate parallel algorithms: those have been proliferating for more than a decade now (not to mention the parallel methods that came before the time of parallel computers). One can enumerate decompositionbased approaches like , data parallel algorithms  and even specializations of general optimization methods for solution of a structured problem, like . Some generic parallel optimization  algorithmic paradigms have also been developed a relatively long time ago .

چکیده

بررسی برخی از مهمترین الگوریتم های راه حل موازی موجود برای مشکلات پویایی تصادفی ناشی از برنامه ریزی رسمی، تمرکز اصلی این کار است. بهینه سازی بخشی از فرآیند حمایت از تصمیم گیری برای برنامه ریزی رسمی در شرایط نامطمئن، بیشترین میزان مصرف، زمان و منابع مصرف کننده است. با این حال، بخش های دیگر سیستم پشتیبان تصمیم گیری تخصصی (DSS) نیز برای ارائه پیش زمینه مناسب طراحی شده اند. در نهایت، مدل سازی عمومی تنها یکی از قابلیت های کاربردی قابل استفاده برای بهینه سازی دینامیکی است. به همین دلیل، روش های معمولی که در اینجا شرح داده شده است، در بسیاری از زمینه های دیگر مفید نیز هستند. نویسندگان امیدوارند که مرور کلی این نرم افزار ®eld برای خوانندگان مربوط به توسعه پارادایم های برنامه نویسی موازی، روش شناسی و ابزار مفید باشد. بنابراین مراقبت ویژه ای برای اطمینان از این که ارائه بدون اطلاع قبلی نسبت به تئوری و روش تحقیق عملیات، به راحتی قابل درک است، انجام شد. Ó 2000 منتشر شده توسط Elsevier Science B.V. کلیه حقوق محفوظ است.

مقدمه

روشهای بهینه سازی در مقیاس بزرگ، به ویژه برای مشکلات ساختاری مانند مشکلات پویای دینامیکی، تصادفی و تصادفی، به خاطر نیازهای شدید آنها در حافظه کامپیوتر و قدرت محاسبات، شناخته شده است. هر علامت زنجیره ای در قدرت پردازش در دسترس، و به ویژه ظهور رایانه های موازی، به عنوان فرصتی برای حل مسائل مهم و متداول جدید بهینه سازی می شود. با این حال، نمی توان به تفاوت بین دسترسی کامپیوترهای موازی در مراکز تحقیقاتی متعدد و همچنین نهادهای تجاری و در دسترس بودن نرم افزار بهینه سازی تخصصی که قادر به استفاده از آن منابع وسیع بود اشاره ای نکرد. این مسئله ناشی از نبود الگوریتم های موازی موثر است: اینها در حال حاضر بیش از یک دهه گسترش یافته اند (به جز روش های موازی که قبل از زمان رایانه های موازی آمده است). می توان روش های تجزیه بر اساس مانند الگوریتم های موازی اطلاعات و حتی تخصص های روش بهینه سازی عمومی را برای حل مشکل ساختاری، مانند. برخی از الگوریتم های الگوریتم بهینه سازی موازی همگانی نیز نسبتا طولانی پیش گرفته شده اند.

Year: 2000

Publisher : ELSEVIER

By : G.Ch. P¯ug , A. Swie  ßtanowski

File Information: English Language/ 23 Page / size: 303 KB

Download

سال : 1379

ناشر : ELSEVIER

کاری از : G.Ch. P¯ug , A. Swie  ßtanowski

اطلاعات فایل : زبان انگلیسی / 23 صفحه / حجم : KB 303

لینک دانلود