Ваш любимый книжный интернет-магазин
Перейти на
GlavKniga.SU
Ваш город: Алматы
Ваше местоположение – Алматы
 Да 
От вашего выбора зависит время и стоимость доставки
Корзина: пуста
Авторизация 
  Логин
  
  Пароль
  
Регистрация  Забыли пароль?

Поиск по каталогу 
(строгое соответствие)
ISBN
Фраза в названии или аннотации
Автор
Язык книги
Год издания
с по
Электронный носитель
Тип издания
Вид издания
Отрасли экономики
Отрасли знаний
Сферы деятельности
Надотраслевые технологии
Разделы каталога
худ. литературы

OPTCON2. An Algorithm for the Optimal Control of Nonlinear Stochastic Models

В наличии
Местонахождение: АлматыСостояние экземпляра: новый
Бумажная
версия
Автор: Viktoria Bl?schke-Nikolaeva
ISBN: 9783838136363
Год издания: 2013
Формат книги: 60×90/16 (145×215 мм)
Количество страниц: 72
Издательство: S?dwestdeutscher Verlag f?r Hochschulschriften
Цена: 30411 тг
Положить в корзину
Ожидает определения тематики
Код товара: 500807
Способы доставки в город Алматы *
комплектация (срок до отгрузки) не более 2 рабочих дней
Самовывоз из города Алматы (пункты самовывоза партнёра CDEK)
Курьерская доставка CDEK из города Москва
Доставка Почтой России из города Москва
      Аннотация: This book considers the OPTCON2 algorithm which delivers numerical solutions to optimum control problems with a quadratic objective function for nonlinear dynamic econometric models with additive and multiplicative (parameter) uncertainties. The algorithm was programmed in C# and allows for deterministic and stochastic control, the latter with open-loop and passive learning (open-loop feedback) information patterns. The applicability of the algorithm is demonstrated by experiments with two existing models, MacRae and Abel, as well as two new macroeconomic models, SLOVNL and SLOVL, which were developed for the purposes of this research. These illustrate the convergence and the practical usefulness of the algorithm and (in most cases) the superiority of open-loop feedback over open-loop controls.
Ключевые слова: Optimal control, nonlinear stochastic models, algorithm, passive learning, policy applications