On the Convergence of Decomposition Methods for Multistage Stochastic Convex Programs

Abstract : We prove the almost-sure convergence of a class of sampling-based nested decomposition algorithms for multistage stochastic convex programs in which the stage costs are general convex functions of the decisions , and uncertainty is modelled by a scenario tree. As special cases, our results imply the almost-sure convergence of SDDP, CUPPS and DOASA when applied to problems with general convex cost functions.
Type de document :
Article dans une revue
Mathematics of Operations Research, INFORMS, 2015, 40 (1), 〈10.1287/moor.2014.0664〉
Liste complète des métadonnées

Littérature citée [13 références]  Voir  Masquer  Télécharger

https://hal-enpc.archives-ouvertes.fr/hal-01208295
Contributeur : Vincent Leclère <>
Soumis le : vendredi 2 octobre 2015 - 12:34:34
Dernière modification le : mercredi 6 décembre 2017 - 16:46:01
Document(s) archivé(s) le : dimanche 3 janvier 2016 - 10:48:29

Fichier

ConvergenceOfDecompositionMeth...
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

Pierre Girardeau, Vincent Leclere, A. B. Philpott. On the Convergence of Decomposition Methods for Multistage Stochastic Convex Programs. Mathematics of Operations Research, INFORMS, 2015, 40 (1), 〈10.1287/moor.2014.0664〉. 〈hal-01208295〉

Partager

Métriques

Consultations de la notice

152

Téléchargements de fichiers

107