Thesis (Selection of subject)Thesis (Selection of subject)(version: 390)
Thesis details
   Login via CAS
Redukce scénářů v Monte Carlo metodách v optimalizaci
Thesis title in Czech: Redukce scénářů v Monte Carlo metodách v optimalizaci
Thesis title in English: Scenario reduction in Monte Carlo methods in optimization
Key words: Monte Carlo, redukce scénářů, optimalizace, výběr portfolia
English key words: Monte Carlo, scenario reduction, optimization, portfolio selection
Academic year of topic announcement: 2015/2016
Thesis type: Bachelor's thesis
Thesis language: čeština
Department: Department of Probability and Mathematical Statistics (32-KPMS)
Supervisor: doc. RNDr. Ing. Miloš Kopa, Ph.D.
Author: hidden - assigned and confirmed by the Study Dept.
Date of registration: 19.10.2015
Date of assignment: 20.10.2015
Confirmed by Study dept. on: 24.11.2015
Date and time of defence: 21.06.2017 00:00
Date of electronic submission:16.05.2017
Date of submission of printed version:19.05.2017
Date of proceeded defence: 21.06.2017
Opponents: doc. RNDr. Martin Branda, Ph.D.
 
 
 
Advisors: RNDr. Václav Kozmík, Ph.D.
Guidelines
V stochastických optimalizačních úlohách často vycházíme z předpokladu, že známe spojité rozdělení náhodných parametrů, které ovlivňují podobu naší úlohy. Parametry rozdělení jsou většinou odhadnuty z reálných dat a pro samotný výpočet optimalizační úlohy používáme metody Monte Carlo. Tato práce by se měla zabývat metodou redukce scénářů, která se často používá pro urychlení výpočtů optimalizačních úloh. Cílem práce je srovnat běžný způsob generování scénářů pomocí Monte Carlo s verzí, kdy na vygenerované scénáře aplikujeme redukční techniku. Výsledkem by mělo být porovnání kvality řešení, účelové funkce a doby výpočtu na praktických úlohách.
References
[1] DUPAČOVÁ, J., GRÖWE-KUSKA, N. a RÖMISCH, W. (2003). Scenario reduction in stochastic programming: an approach using probability metrics, Mathematical Programming vol. 95, pp. 493-511.
[2] ROSS, Sheldon M. Simulation [online]. 4th ed. Amsterdam: Elsevier Academic Press, c2006, xiii, 298 p.
[3] SHAPIRO, Alexander, Darinka DENTCHEVA a Andrzej P RUSZCZYŃSKI. Lectures on stochastic programming: modeling and theory. 2nd ed. Philadelphia: Society for Industrial and Applied Mathematics, c2014, xvii, 494 s. ISBN 978-1-611973-42-6.
 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html