跳到内容
得到许可的 未经许可 需要身份验证 发布人:德古意特出版社 2021年4月30日

相互作用粒子系统方法的最优势函数

  • 哈桑·克莱比 , 安妮·达特福 , 托马斯·高尔蒂埃 乔塞林·加尼尔 电子邮件徽标

摘要

用朴素蒙特卡罗方法评估罕见事件的概率需要大量计算,因此需要更快的估计或方差减少方法。我们关注其中一种方法,即交互粒子系统(IPS)方法。该方法不是侵入性的,因为所考虑的随机马尔可夫系统是用其原始分布模拟的,但是引入了有利于高势值轨迹(粒子)的选择步骤。然后可以提出一个方差减小的无偏估计量。该方法需要指定一组潜在函数。这些函数的选择至关重要,因为它决定了方差减少的幅度。到目前为止,关于如何选择潜在函数的信息很少。本文给出了使IPS方法估计量的渐近方差最小的最优势函数的表达式,并对势的实际设计提出了建议功能。

工具书类

[1]D.亚里士多夫,加权集合抽样的分析与优化,ESAIM数学。模型。数字。分析。52(2018),编号4,1219–1238。10.1051平方米/2017046在谷歌学者中搜索

[2]D.亚里士多夫和D.M.扎克曼,优化稳态加权集合采样,多尺度模型。模拟。18(2020),第2期,646–673。10.1137/18M1212100在谷歌学者中搜索公共医学公共医学中心

[3]B.A.Berg,介绍多经典蒙特卡罗模拟,蒙特卡罗方法(1998年多伦多),字段Inst.Commun。26,美国数学学会,普罗维登斯(2000),1-24。10.1090/菲律宾/026/01在谷歌学者中搜索

[4]F.Cérou、P.Del Moral和A.Guyader,非规范化Feynman–Kac粒子模型的非共态定理,亨利·彭加雷·普罗巴布(Henri PoincaréProbab)安·Inst。《统计》第47卷(2011年),第3期,第629–649页。10.1214/10-AIHP358在谷歌学者中搜索

[5]F.Cérou和A.Guyader,用于罕见事件分析的自适应多级分裂,斯托克。分析。申请。25(2007),第2期,417–443。10.1080/07362990601139628在谷歌学者中搜索

[6]F.Cérou、F.LeGland、P.Del Moral和P.Lezaud,罕见事件模拟中多级分裂算法的极限定理,冬季模拟会议记录,IEEE出版社,皮斯卡塔韦(2005),682-691。在谷歌学者中搜索

[7]H.P.Chan和T.L.Lai,隐马尔可夫模型中粒子滤波的一般理论及其应用,安。统计师。41(2013),第6期,2877–2904。10.1214/13-AOS1172在谷歌学者中搜索

[8]N.肖邦,序贯蒙特卡罗方法的中心极限定理及其在贝叶斯推断中的应用,安。统计师。32(2004),第6期,2385–2411。10.1214/009053604000000698在谷歌学者中搜索

[9]H.Chraibi、A.Dutfoy、T.Galtier和J.Garnier,关于分段确定马尔可夫过程的最优重要性过程,ESAIM概率。《统计》第23卷(2019年),893–921页。10.1051/ps/2019015在谷歌学者中搜索

[10]P.Del道德,Feynman–Kac公式。谱系和相互作用粒子系统及其应用,普罗巴伯。申请。(纽约),施普林格,纽约,2004年。10.1007/978-1-4684-9393-1在谷歌学者中搜索

[11]P.Del Moral、A.Doucet和A.Jasra,顺序蒙特卡罗采样器,J.R.统计社会服务。B统计方法。68(2006),第3期,411-436。10.1111/j.1467-9868.2006.00553.x号在谷歌学者中搜索

[12]P.Del Moral和J.Garnier,罕见事件的谱系粒子分析,附录申请。普罗巴伯。15(2005),第4号,2496–2534。10.1214/105051605000000566在谷歌学者中搜索

[13]R.Douc、E.Moulines和J.Olsson,辅助颗粒过滤器的最佳性,普罗巴伯。数学。统计师。29(2009),第1期,第1-28页。在谷歌学者中搜索

[14]A.Doucet、N.de Freitas和N.Gordon,实际中的序贯蒙特卡罗方法,施普林格,纽约,2001年。10.1007/978-1-4757-3437-9在谷歌学者中搜索

[15]J.Garnier和P.Del Moral,用相互作用粒子系统模拟光纤中的罕见事件,选择。Commun公司。267 (2006), 205–214.2016年10月10日/j.optcom.2006.05.066在谷歌学者中搜索

[16]M.Gerber、N.Chopin和N.Whiteley,重采样方法的负关联、排序和收敛性,安。统计师。47(2019),第4期,2236–2260。10.1214/18-AOS1746在谷歌学者中搜索

[17]P.Guarniero、A.M.Johansen和A.Lee,迭代辅助粒子滤波器,J.Amer。统计师。协会112(2017),第520、1636–1647号。10.1080/01621459.2016.1222291在谷歌学者中搜索

[18]D.Jacquemart和J.Morio,用于罕见事件概率估计的自适应交互粒子系统的调谐,模拟。模型。《实践理论》66(2016),36-49。2016年10月10日/j.simpat.2016.02.004在谷歌学者中搜索

[19]H.R.Künsch,状态空间和隐马尔可夫模型,复杂随机系统(Eindhoven 1999),单声道。统计师。申请。普罗巴伯。87,查普曼和霍尔/CRC,博卡拉顿(2001),109-173。10.1201/9781420035988.ch3在谷歌学者中搜索

[20]H.R.Künsch,递归蒙特卡罗滤波器:算法和理论分析,安。统计师。33(2005),第5期,1983年至2021年。10.1214/009053605000000426在谷歌学者中搜索

[21]A.Lee和N.Whiteley,粒子滤波中的方差估计,Biometrika 105(2018),第3期,609-625页。10.1093/生物技术/asy028在谷歌学者中搜索

[22]J.Morio、D.Jacquemart、M.Balesdent和J.Marzat,针对罕见事件估计优化相互作用粒子系统,计算。统计师。数据分析。66 (2013), 117–128.2016年10月10日/j.csda.2013.03.025在谷歌学者中搜索

[23]B.Peherstorfer、K.Willcox和M.Gunzburger,不确定性传播、推理和优化中的多样性方法综述,SIAM第60版(2018年),第3期,550–591。10.1137/16M1082469在谷歌学者中搜索

[24]R.Y.Rubinstein,模拟和蒙特卡罗方法,John Wiley&Sons,纽约,1981年。10.1002/9780470316511在谷歌学者中搜索

[25]J.Wouters和F.Bouchet,使用谱系粒子分析在确定性混沌系统中进行罕见事件计算,《物理学杂志》。A 49(2016),第37号,文章编号374002。10.1088/1751-8113/49/37/374002在谷歌学者中搜索

收到:2020-11-01
修订过的:2021-03-31
认可的:2021-04-10
在线发布:2021-04-30
印刷出版:2021-06-01

©2021 Walter de Gruyter GmbH,柏林/波士顿

于2024年3月29日从下载https://www.degruyter.com/document/doi/10.1515/mcma-2021-2086/html
滚动到顶部按钮