Оптимизация рандормизированных алгоритмов метода Монте-Карло для решения задач со случайными параметрами

Аффилиация:
Институт вычислительной математики и математической геофизики СО РАН
Новосибирский государственный университет
Адрес: Российская Федерация,

Название журнала

Доклады Академии наук

Выпуск

Том 482 Номер 3

Страницы

254-258

Аннотация

Статья посвящена оптимизации рандомизированных алгоритмов метода Монте-Карло для статистической “ядерной” оценки осредненного решения задачи со случайными базовыми параметрами. Для этого сформулирован критерий трудоемкости функциональной оценки метода Монте-Карло. В рассматриваемых алгоритмах используется вариант метода расщепления, основанный на том, что для каждой реализации параметров строится некоторое число траекторий соответствующего базового процесса.

Ключевые слова

Источник финансирования

Работа выполнена при финансовой поддержке грантов РФФИ 16-01-00530, 17-01-00823, 18-01-00356.

Получено

08.11.2018

Дата публикации

08.11.2018

Цитировать Скачать pdf Для скачивания PDF необходимо авторизоваться

ГОСТ	Михайлов Г. Оптимизация рандормизированных алгоритмов метода Монте-Карло для решения задач со случайными параметрами // Доклады Академии наук – 2018. – Tом 482. – Номер 3 C. 254-258 [Электронный ресурс]. URL: http://ras.jes.su/dan/s086956520003126-1-1 (дата обращения: 04.05.2024). DOI: 10.31857/S086956520003126-1
MLA	Mikhailov, Gennadiy "Optimization of the Randomized Monte Carlo Algorithms for Solving of Problems with Random Parameters." Doklady Akademii nauk 482.3 (2018):254-258. DOI: 10.31857/S086956520003126-1
APA	Mikhailov G. (2018). Optimization of the Randomized Monte Carlo Algorithms for Solving of Problems with Random Parameters. Doklady Akademii nauk 482(3), pp.254-258 DOI: 10.31857/S086956520003126-1

Размещенный ниже текст является ознакомительной версией и может не соответствовать печатной.

всего просмотров: 1098

Оценка читателей: голосов 0

1. Михайлов Г.А. Оптимизация весовых методов Монте-карло. М.: Наука, 1987. 283 с. [Engl. transl.: Springer-Verlag, 1980].

2. Амбос А.Ю., Михайлов Г.А. // Журн. вычисл. матем. и матем. физ. 2016. Т. 56, №5. С. 896–908.

3. Г. А. Михайлов. // Журн. вычисл. матем. и матем. физ. 1977. Т. 17, №1. С. 246–249.

4. Михайлов Г.А., Войтишек А.В. Численное статистическое моделирование. Методы Монте-Карло: Учеб. пособие. М.: Изд. центр “Академия”, 2006. 367 с.

5. Марчук Г.И., Михайлов Г.А., Назаралиев М.А. и др. Методы Монте-Карло в атмосферной оптике. Под ред. Г.И. Марчука. Новосибирск: Наука, 1976. 239 с. [Engl. transl.: Springer-Verlag, 1992].

6. А. Ю. Амбос. // Сиб. журн. вычисл. матем. 2016. Т. 19, №1. C. 19–32.

7. Parsen E. // Ann. Math. Statist., 1962. №35. P. 1065–1076.

8. Боровков А.А. Математическая статистика. Новосибирск: Изд-во ИМ СОРАН, 1997. 772 с.

9. Mikhailov G.A., Prigarin S.M. Rozhenko S.A. // Rus. J. Num. Anal. Math. Model. 2018. V. 33, №4. P, 220–229.

10. Lotova G. Z. // Rus. J. Num. Anal. Math. Model. 2011. Vol. 31, №6. P. 369–377.

11. Епаничников В. А. // Теор. вероятности и ее применения. 1969. Т. 14, вып. 1. С. 156–161.

12. Ченцов Н. Н. Статистические решающие правила и оптимальные выводы. М.: Наука, 1972. 520 с.

13. Михайлов Г. А., Трачева Н. В., Ухинов С. А. // Журн. вычисл. матем. и матем. физ. 2016. Т. 56, №9. С. 1560–1570.