本项目在随机动态规划问题获得了重要进展。随机动态规划是处理不确定性决策问题的强大工具，然而由于维数灾难，直接应用贝尔曼方程来求解高维问题是不切实际的因此，需要找到一种计算上可行且具有足够性能的次优控制策略。研究团队提出对偶驱动的动态规划算法，利用对偶值来构建新的惩罚，从而生成可单调收敛到SDP问题真实值函数的对偶值；提出将回归框架与蒙特卡罗模拟结合的新数值近似方案，克服维度灾难。该研究为高维情况下评估和改进SDP问题的次优策略提供了新方法，有助于解决金融工程、库存管理等领域的复杂决策问题。

研究成果：Nan Chen; Xiang Ma; Yanchu Liu; Wei Yu; Information Relaxation and a Duality-Driven Algorithm for Stochastic Dynamic Programs, Operations Research, 2024, online. (UTD24; ABS 4*星)​