摘 要:在熱傳導(dǎo)、化學(xué)物質(zhì)擴(kuò)散的問題中,常出現(xiàn)帶有隨機(jī)系數(shù)的拋物偏微分方程,而求這些隨機(jī)拋物微分方程的解析解非常困難,因此考慮其數(shù)值近似。本文用多水平Monte Carlo法和有限差分法相結(jié)合來求解拋物隨機(jī)問題的數(shù)值解,與傳統(tǒng)的Monte Carlo法相比,它的漸近成本顯著降低,計(jì)算速度顯著提高,數(shù)值算例檢驗(yàn)了該方法的高效性。
關(guān)鍵詞:多水平;Monte Carlo方法;拋物隨機(jī)偏微分方程;有限差分法
中圖分類號(hào):O241.82; O35
文獻(xiàn)標(biāo)識(shí)碼: A
現(xiàn)實(shí)生活中很多物理現(xiàn)象都是用微分方程來描述,特別是隨機(jī)偏微分方程(SPDE)在現(xiàn)代物理學(xué)、化學(xué)、生物學(xué)、經(jīng)濟(jì)學(xué)等都有很多應(yīng)用。由于求隨機(jī)問題的解析解比較困難,于是轉(zhuǎn)而考慮數(shù)值解。在處理這類數(shù)值問題時(shí),Monte Carlo(MC)法是首選方法, 多水平Monte Carlo(MLMC)法是GILES首先基于多重網(wǎng)格的思想在傳統(tǒng)Monte Carlo法的基礎(chǔ)上提出來的[1],目前漸漸受到了廣泛關(guān)注。
到目前為止,Monte Carlo 法(包含擬Monte Carlo法、多水平Monte Carlo法、多水平擬Monte Carlo法)在常見的隨機(jī)橢圓偏微分方程[2-3]的數(shù)值解方面已經(jīng)取得了一些進(jìn)展。比如2011年CLIFFE等將MLMC法應(yīng)用在含有隨機(jī)系數(shù)的橢圓偏微分方程,并在數(shù)值計(jì)算中證明了該方法對(duì)地下水流中出現(xiàn)的一維和二維模型問題的有效性[4];BARTH等于2011年采用多水平Monte Carlo法數(shù)值近似有隨機(jī)系數(shù)的橢圓偏微分方程,并給出了詳細(xì)的理論分析[5];2011年GRAHAM等利用擬Monte Carlo法求解含有隨機(jī)系數(shù)的橢圓偏微分方程[6];2015年KUO、SCHWAB,以及SLOAN利用多水平擬Monte Carlo(MLQMC)法結(jié)合有限元方法數(shù)值求解在帶有隨機(jī)系數(shù)的橢圓偏微分方程[7]; 2016年KUO和NUYENS分析了擬Monte Carlo法在含有隨機(jī)系數(shù)的橢圓偏微分方程的應(yīng)用,分別比較了均勻分布與正態(tài)分布、單水平算法與多水平算法、一階擬Monte Carlo規(guī)則與高階擬Monte Carlo規(guī)則,確定的擬Monte Carlo法與隨機(jī)擬Monte Carlo法,給出了誤差分析的總結(jié),提供了在偏微分方程問題中生成擬Monte Carlo點(diǎn)的示例[8];2017年KUO等將對(duì)數(shù)正態(tài)問題的多水平擬Monte Carlo方法,應(yīng)用于隨機(jī)多孔介質(zhì)中典型橢圓問題穩(wěn)態(tài)流動(dòng)解的線性泛函,得出了誤差分析,并用數(shù)值實(shí)驗(yàn)檢驗(yàn)[9]。這對(duì)于處理地下流動(dòng)問題的不確定性量化至關(guān)重要。
然而,用多水平Monte Carlo方法在處理帶時(shí)間的隨機(jī)偏微方程數(shù)值解的研究較少。本文考慮用多水平Monte Carlo方法研究拋物隨機(jī)微分方程的數(shù)值近似。
參考文獻(xiàn):
[1]GILES M B. Multi-level monte carlo path simulation[M]. England: INFORMS, 2008.
[2]HAJI-ALI A L, NOBILE F, SCHWERIN E V, et al. Optimization of mesh hierarchies in multilevel monte carlo samplers[J]. Stochastics amp; Partial Differential Equations Analysis amp; Computations, 2016, 4(1): 76-112.
[3]TECKENTRUP A L, SCHEICHL R, GILES M B, et al. Further analysis of multilevel Monte Carlo methods for elliptic PDEs with random coefficients[J]. Numerische Mathematik, 2013, 125(3): 569-600.
[4]CLIFFE K A, GILES M B, SCHEICHL R, et al. Multilevel Monte Carlo methods and applications to elliptic PDEs with random coefficients[J]. Computing and Visualization in Science, 2011, 14(1): 3-15.
[5]BARTH A, SCHWAB C, ZOLLINGER N. Multi" level Monte Carlo finite element method for elliptic PDEs with stochastic coefficients[J]. Numerische Mathematik, 2011, 119(1): 123-161.
[6]GRAHAM I G, KUO F Y, NUYENS D, et al. Quasi Monte Carlo methods for elliptic PDEs with random coefficients and applications[J]. Journal of Computational Physics, 2011, 230 (10): 3668-3694.
[7]KUO F Y, SCHWAB C, SLOAN I H. Multi level Quasi Monte Carlo finite element methods for a Class of elliptic PDEs with random coefficients[J]. Foundations of Computational Mathematics, 2015, 15(2): 411-449.
[8]KUO F Y, NUYENS D. Application of Quasi Monte Carlo methods to elliptic PDEs with random diffusion coefficients: a survey of analysis and implementation[J]. Foundations of Computational Mathematics, 2016, 16(6): 1631-1696.
[9]KUO F Y, SCHEICHL R, SCHWAB C, et al. Multilevel Quasi Monte Carlo methods for lognormal diffusion problems[J]. Mathematics of Computation, 2017, 86(308): 2827-2860.
[10]ADLER R J. The geometry of random fields[M]. New York: Wiley, 1981.
[11]CAFLISCH R E, RUSSEL E. Monte Carlo and Quasi-Monte Carlo methods[J]. Acta Numerica, 1998, 7: 1-49.
[12]SCHWAB C, TODOR R A. Karhunen-Loève approximation of random fields by generalized fast multipole methods[J]. Comput. Phys, 2006, 217(1): 100-122.
[13]GILES M B. Multilevel Monte Carlo methods[J]. Acta Numerica, 2015, 24(3): 259-328.
[14]GILES M B. Improved multilevel Monte Carlo convergence using the milstein scheme[M]. New York: Springer, 2008.
[15]COLLIER N, HAJI-ALI A L, NOBILE F, et al. A continuation multilevel Monte Carlo algorithm[J]. Numer Math, 2015, 55: 399-432.
(責(zé)任編輯:于慧梅)