×
宋晨晓;赖一郎·卡瓦伊

分层抽样的动态有限预算分配，分层自适应方差缩减。 （英语） Zbl 1512.65008号

SIAM J.科学。计算。 45，编号2，A898-A932（2023）.
摘要：我们开发并分析了一种用于单位超立方体上分层抽样的动态有限预算分配方案，该方案采用分层应用的自适应方差缩减。通过对并行任务进行分批处理，该方案成功地仅偶尔更新预算分配，同时有效地考虑了不断减少的分层方差，同时估计了分层均值并更新了方差减少参数。该方案旨在适应参数搜索过程的各种现有算法。特别是，当采用随机近似时，我们根据沿途调整的批量大小导出最优分层批量学习率。数值结果支持了理论结果，并说明了所提方案的有效性。

引用于2文件

MSC公司：

65二氧化碳 蒙特卡罗方法
65年20月 数值算法的复杂性和性能
93E35型 随机学习与自适应控制
62L20型 随机近似

关键词：

分层抽样;重要性抽样;控制变量;随机近似;均匀分布;预算拨款
PDF格式BibTeX公司 XML格式引用
\textit{C.Song}和\textit{R.Kawai}，SIAM J.Sci。计算。45，编号2，A898--A932（2023；Zbl 1512.65008）
全文： 内政部

参考文献：

[1] Alrefaei，M.H.和Abdul-Rahman，H.M.，一种具有一般除法方法的自适应蒙特卡罗积分算法，数学。计算。《模拟》，79（2008），第49-59页·Zbl 1151.65005号
[2] Arouna，B.，自适应蒙特卡罗方法，方差减少技术，蒙特卡罗法应用。，10（2004），第1-24页，doi:10.1515/156939604323091180·Zbl 1063.65003号
[3] Carpentier，A.和Munos，R.，《蒙特卡罗分层抽样的有限时间分析》，年，Curran Associates，2011年，第1-9页。
[4] Carpentier，A.和Munos，R.，可微函数蒙特卡罗积分的自适应分层采样，在，Curran Associates，2012，第1-9页。
[5] Carpentier，A.和Munos，R.，《分层Monte-Carlo集成的最优分层》，《第30届机器学习国际会议论文集》28，PMLR，2013年，第28-36页。
[6] Carpentier，A.、Munos，R.和Antos，A.，分层蒙特卡罗抽样的自适应策略，J.Mach。学习。研究，16（2015），第2231-2271页·Zbl 1351.62013年
[7] Dingeç，K.D.和Hörmann，W.，Lévy过程下期权定价的一般控制变量方法，欧洲期刊Oper。Res.，2（2012），第368-377页·Zbl 1253.91177号
[8] Dingeç，K.D.、Sak，H.和Hörmann，W.，《一般模型框架下亚洲期权的方差减少》，《金融评论》。，19（2015），第907-949页·Zbl 1417.91552号
[9] Engelund，S.和Rackwitz，R.，《结构可靠性中重要抽样技术的基准研究》。安全。，12（1993年），第255-276页。
[10] 埃托雷，P.，福特，G.，朱丹，B.和穆林，E.，《关于适应性分层》，《Ann.Oper》。研究，189（2011），第127-154页，doi:10.1007/s10479-009-0638-9·Zbl 1279.65007号
[11] Etoré，P.和Jourdain，B.，分层抽样方法中的自适应最优分配，Methodol。计算。申请。概率。，12（2008），第335-360页，doi:10.1007/s11009-008-9108-0·Zbl 1208.65005号
[12] Ghalehnovi，M.、Rashki，M.和Ameryan，A.，工程结构可靠性分析的一阶控制变量算法，应用。数学。型号。，77（2020），第829-847页·Zbl 1443.74257号
[13] Jiang，G.，Xu，C.和Fu，M.，《确定Lévy过程金融衍生品定价中最佳重要抽样参数的样本平均近似算法》，Oper。Res.Lett.公司。，44（2016），第44-49页·Zbl 1408.91233号
[14] Jourdain，B.和Lelong，J.，正态随机向量的鲁棒自适应重要性抽样，Ann.Appl。概率。，19（2009），第1687-1718页，doi:10.1214/09-aap595·Zbl 1202.62106号
[15] Kawai，R.，分层抽样的渐进最优分配，分层自适应方差减少，ACM Trans。模型。计算。同时。，20 (2010), 9. doi:10.145/1734222.1734225·Zbl 1386.65019号
[16] Kawai，R.，用样本平均近似加速自适应重要性抽样，SIAM J.Sci。计算。，39（2017），第A1586-A1615页，doi:10.1137/15M1047192·Zbl 1372.65005号
[17] Kawai，R.，一般多元概率定律的自适应重要性抽样蒙特卡罗模拟，J.Compute。申请。数学。，319（2017），第440-459页，doi:10.1016/j.cam.2017.01.029·兹比尔1360.65044
[18] Kawai，R.，通过随机近似优化自适应重要性抽样，SIAM J.Sci。计算。，40（2018），第A2774-A2800页，doi:10.1137/18M1173472·Zbl 1396.65009号
[19] Kawai，R.，《自适应重要性抽样和控制变量》，J.Math。分析。应用。，483（2020），123608，doi:10.1016/j.jmaa.2019.123608·兹伯利07138453
[20] Lemaire，V.和Pagès，G.，无约束递归重要性抽样，Ann.Appl。概率。，20（2010），第1029-1067页·Zbl 1207.65007号
[21] Lu，Z.，Song，S.，Yue，Z.和Wang，J.，线抽样可靠性灵敏度方法，结构。安全。，30（2008年），第517-532页。
[22] MiarNaeimi，F.、Azizyan，G.和Rashki，M.，基于子集模拟混合技术的可靠性灵敏度分析方法，应用。数学。型号。，75（2019），第607-626页，doi:10.1016/j.apm.2019.05.038·Zbl 1481.60189号
[23] Papaioannou，I.、Papadimitriou，C.和Straub，D.，《结构可靠性分析的顺序重要性抽样》。安全。，62（2016），第66-75页，doi:10.1016/j.strusafe.2016.06.002。
[24] Press，W.H.和Farrar，G.R.，多维蒙特卡罗积分的递归分层抽样，计算。物理。，4（1990），第190-195页，doi:10.1063/1.4822899。
[25] Sayah，T.，积分数值计算的自适应分层蒙特卡罗算法，数学。计算。《模拟》，157（2019），第143-158页，doi:10.1016/j.matcom.2018.10.004·Zbl 07316595号
[26] Shields，M.D.、Teferra，K.、Hapij，A.和Daddazio，R.P.，高效蒙特卡罗不确定性量化的精细分层抽样，Reliab。工程系统。安全。，142（2015），第310-325页，doi:10.1016/j.ress.2015.05.023。
[27] Taverniers，S.和Tartakovsky，D.M.，通过分层抽样的多级蒙特卡罗估计分布，J.Compute。物理。，419（2020），109572，doi:10.1016/j.jcp.2020.109572·Zbl 07507220号
[28] Xiao，S.，Oldayshkin，S.和Nowak，W.，基于自适应克里格的分层重要性抽样的可靠性分析，Reliab。工程系统。安全。，197 (2020), 106852.
[29] Zhao，X.，Liang，J.，and Dang，C.，基于分层抽样的大规模数据聚类算法，基于知识的系统。，163（2019年），第416-428页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。