跳到内容
获得许可 未经许可 需要身份验证 发布人:德古意特出版社 2019年5月7日

通过测试生成器“getRDS”和所提出的使用方差减少的“getLHS”比较蒙特卡罗模拟中的M/G/1队列估计器

  • 梅里姆·布巴鲁 电子邮件徽标 , 梅格杜达·乌尔比·塔里 , Abdelouhab Aloui公司 阿雷兹基·齐乌伊

摘要

本文提出了一个Linux下C语言的拉丁超立方体采样(LHS)数字生成器getLHS,以比较LHS方法和精细描述性采样(RDS)方法。它经过了充分的统计测试,并与getRDS数字生成器进行了统计比较。我们注意到,getRDS比建议的getLHS生成器更好地通过了所有测试。使用getRDS对RDS方法的输入进行采样,使用getLHS对LHS方法的输出进行采样,从而对M/G/1队列进行模拟。仿真结果表明,RDS方法对真实参数的点估计比LHS方法更准确。此外,与著名的LHS方法相比,RDS方法可以显著提高所研究队列的性能,因为其方差缩减因子在几乎所有情况下都相当好。然后证明,RDS至少在队列上是对LHS的改进。

工具书类

[1]C.Aistleitner、M.Hofer和R.Tichy,具有相依性的拉丁超立方体抽样的中心极限定理及其在奇异篮子期权定价中的应用,国际J.Theor。申请。《财务》第15卷(2012年)第7期,文章编号1250046。10.1142/021902491250046倍在谷歌学者中搜索

[2]A.O.艾伦,概率论、统计学和排队论。《计算机科学应用》,第二版。,学术出版社,波士顿,1990年。在谷歌学者中搜索

[3]A.Aloui和M.Ourbih-Tari,精细描述性抽样的使用及其在并行蒙特卡罗模拟中的应用,计算。通知。30(2011),681-700。在谷歌学者中搜索

[4]A.Aloui、A.Zioui、M.Ourbih-Tari和A.Alioui,使用精确描述性采样的通用模块,用于安装在仿真系统中,计算。统计师。30(2015),第2期,477–490。10.1007/s00180-014-0545-7在谷歌学者中搜索

[5]L.Baghdali-Ourbih、M.Ourbih-Tari和A.Dahmani,在三相离散事件仿真模型中实施精细描述性采样,通信统计。仿真计算。46(2017),编号5,4035–4049。10.1080/03610918.2015.1085557在谷歌学者中搜索

[6]L.Baiche和M.Ourbih-Tari,使用精细描述性抽样进行模拟的大样本方差:自变量的情况,通信统计。理论方法46(2017),第1期,510-519。10.1080/03610926.2014.997362在谷歌学者中搜索

[7]S.M.Ermakov和W.Wagner,波动方程的蒙特卡罗差分格式,蒙特卡罗方法应用。8(2002),第1期,第1-29页。10.1515/mcma.2002.8.1.1在谷歌学者中搜索

[8]J.Helton和F.Davis,拉丁超立方体采样和复杂系统分析中的不确定性传播,Reliab公司。工程系统。《安全》81(2003),23–69。10.1016/S0951-8320(03)00058-9在谷歌学者中搜索

[9]K.Idjis、M.Ourbih Tari和L.Baghdali Ourbih,差异减少//1使用精细描述性抽样的再审队列,通信统计。仿真计算。46(2017),第6期,5002–5020。10.1080/03610918.2016.1140778在谷歌学者中搜索

[10]M.D.McKay、R.J.Beckman和W.J.Conover,在计算机代码输出分析中选择输入变量值的三种方法的比较,《技术计量学21》(1979年),第2期,第239–245页。10.1080/00401706.1979.10489755在谷歌学者中搜索

[11]M.Ourbih-Tari和A.Aloui,采样方法和蒙特卡罗模拟的并行性,J.Stat.Adv.理论应用。2 (2009), 169–192.在谷歌学者中搜索

[12]M.Ourbih-Tari和S.Guebli,模拟输入变量值选择方法的比较,ESAIM概率。《美国联邦法律大全》第19卷(2015年),第135–147页。10.1051/ps/2014020在谷歌学者中搜索

[13]M.Ourbih-Tari、A.Zioui和A.Aloui,使用精细描述性抽样模拟平稳M/G/1排队系统的方差减少,通信统计。仿真计算。46(2017),第5期,3504–3515。10.1080/036109182015.1096374在谷歌学者中搜索

[14]M.Petelet、B.Iooss、O.Asserin和A.Loredo,带不等式约束的拉丁超立方体采样,AStA高级统计分析。94(2010),第4期,325–339。10.1007/s10182-010-0144-z在谷歌学者中搜索

[15]M.Pidd,《管理科学中的计算机模拟》,第5版。,约翰·威利父子公司,纽约,2004年。在谷歌学者中搜索

[16]K.K.Sabelfeld和G.Eremeev,用于模拟均匀爆破成核的运动-热力混合蒙特卡罗模型,蒙特卡罗方法应用。24(2018),第3期,193-202。10.1515/mcma-2018-0017年在谷歌学者中搜索

[17]E.Saliby,描述性抽样:蒙特卡罗模拟的一种更好的方法,《运营杂志》。《联邦公报》第41卷(1990年),第1133-1142页。10.1057/约.1990.180在谷歌学者中搜索

[18]K.Tamiti、M.Ourbih-Tari、A.Aloui和K.Idjis,方差减少、相对误差和偏差在测试//1蒙特卡罗模拟中的重试队列估计,蒙特卡罗方法应用。24(2018),第3期,165–178。10.1515/立方厘米-2018-015在谷歌学者中搜索

[19]M.Tari和A.Dahmani,使用不同采样方法的Flowshop模拟器,操作人员。第5号决议(2005年),261–272。2007年10月10日/BF02944312在谷歌学者中搜索

[20]M.Tari和A.Dahmani,使用一些采样方法的三相离散事件模拟,国际期刊申请。数学。Stat.3(2005),编号D05,37–48。在谷歌学者中搜索

[21]M.Tari和A.Dahmani,精细描述性抽样:蒙特卡罗模拟的更好方法,模拟。模型。实践理论14(2006),143-160。10.1016/j.simpat.2005.04.001在谷歌学者中搜索

[22]Z.G.Zhang和C.E.Love,首次休假异常的M/G/1队列中的阈值策略,通知。系统。操作人员。第36号决议(1998年),第4号,193-204。10.1080/0315986.1998.11732358在谷歌学者中搜索

[23]Z.G.Zhang、R.Vickson和E.Love,多休假类型M/G/1排队系统的最优服务策略,通知。系统。操作人员。第39号决议(2001年),第4期,357–366。10.1080/03155986.2001.11732448在谷歌学者中搜索

收到:2018-09-20
修订过的:2019-03-14
认可的:2019-03-19
在线发布:2019-05-07
印刷出版:2019-06-01

©2019 Walter de Gruyter GmbH,柏林/波士顿

于2024年4月23日从下载https://www.degruyter.com/document/doi/10.1515/mcma-2019-203/html
滚动到顶部按钮