Solving Heterogeneous Agent Models with Physics-informed Neural Networks
创建于 更新于
摘要
本论文提出 ABH-PINN：将 Hamilton–Jacobi–Bellman 与 Kolmogorov Forward 方程嵌入 PINN 的训练目标，采用网格外的可微函数逼近来替代传统有限差分解法，从而缓解维数灾难、提供更平滑的策略与密度函数并显著降低重复求解的计算成本。初步数值实验证明该方法能在基准 ABH 设置下重现经济学直觉（如消费随财富/生产率递增、密度随时间向稳定峰值集中），并给出资本、产出、工资与利率的收敛轨迹以供对比与扩展研究 [page::0][page::5][page::8]
