Сравнение подходов к оптимизации функциональных алгоритмов статистического моделирования в метрике пространства C

Функциональные алгоритмы статистического моделирования предназначены для построения ап- проксимации решения задачи как функции на требуемой области. Для функциональных алгоритмов с различными типами стохастических оценок в узлах были разработаны подходы к построению верх- них границ погрешностей в метрике пространства C, учитывающие степень зависимости оценок. Кроме того, существует универсальный подход, применимый при любой степени зависимости стохастических оценок. Построенная верхняя граница погрешности функционального алгоритма используется при вы- боре условно-оптимальных значений параметров, таких как число узлов сетки и объем выборки. Оп- тимальность выбираемых параметров напрямую зависит от точности используемой верхней границы погрешности. Основной целью работы является сравнение универсального подхода и подходов, учиты- вающих степень зависимости оценок.

Авторы

Шкарупа Е.В.

Тэги

функциональные алгоритмы статистического моделирования бигармониче- ское уравнение оценка погрешности оптимизация.

Тематические рубрики

Общий отдел

Предметные рубрики

В этом же номере:

Асимптотика поля напряжений у вершины усталостной трещины в среде с поврежденностью: вычислительный эксперимент и аналитическое решение, Применение СДУ к оценке решения уравнений теплопроводности с разрывными коэффициентами, ...

Резюме по документу**

18, 2 УДК 519.245 Сравнение подходов к оптимизации функциональных алгоритмов статистического моделирования в метрике пространства C <...> Е.В. Шкарупа Институт вычислительной математики и математической геофизики Сибирского отделения Российской академии наук, просп. <...> Сравнение подходов к оптимизации функциональных алгоритмов статистического моделирования в метрике пространства C // Сиб. журн. вычисл. математики / РАН. <...> Для функциональных алгоритмов с различными типами стохастических оценок в узлах были разработаны подходы к построению верхних границ погрешностей в метрике пространства C, учитывающие степень зависимости оценок. <...> Кроме того, существует универсальный подход, применимый при любой степени зависимости стохастических оценок. <...> Построенная верхняя граница погрешности функционального алгоритма используется при выборе условно-оптимальных значений параметров, таких как число узлов сетки и объем выборки. <...> Введение Методы статистического моделирования (Монте-Карло) позволяют вычислять отдельные функционалы от решений интегральных и дифференциальных уравнений, в Работа выполнена при поддержке Президентской программы поддержки ведущих научных школ Российской Федерации НШ-5111.2014.1. c - Шкарупа Е.В., 2015 220 СИБИРСКИЙ ЖУРНАЛ ВЫЧИСЛИТЕЛЬНОЙ МАТЕМАТИКИ. <...> В последние годы активно развиваются также подходы к построению и оптимизации алгоритмов статистического моделирования для глобального решения задач [1–18]. <...> Эти методы связаны с предварительной дискретизацией задачи (введением сетки), оцениванием решения в узлах сетки методом Монте-Карло с последующим восполнением решения по полученным приближенным значениям в узлах. <...> В работах [4, 5] было предложено исследовать сходимость функциональных алгоритмов по вероятности, что позволяет построить более точную верхнюю границу статистической погрешности в метрике C. <...> В этом подходе существенной оказалась степень вероятностной зависимости используемых <...>

** - вычисляется автоматически, возможны погрешности

Похожие документы:

Похожие документы из РУАЭСТ
|
Похожие документы из Руконт

Сравнение подходов к оптимизации функциональных алгоритмов статистического моделирования в метрике пространства C

Помощь:

Участники: