Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Алгоритмы статистического моделирования решений стохастических дифференциальных уравнений и систем со случайной структурой

Покупка
Основная коллекция
Артикул: 867079.01.99
Доступ онлайн
500 ₽
В корзину
Представлены теоретические разработки, посвященные построению устойчивых алгоритмов статистического моделирования стохастических дифференциальных уравнений (СДУ) и экономичных алгоритмов моделирования общих пуассоновских процессов. Разработанные методы применяются к статистическому анализу СДУ с пуассоновской составляющей и систем со случайной структурой. Особое внимание уделено современным приложениям. Верификация построенных алгоритмов, сравнение с известными алгоритмами проведены на решении практических и тестовых задач. Для студентов и аспирантов физико-математического профиля. Будет полезно научным работникам, интересующимся численным анализом стохастических систем.
120
Аверина, Т. А. Алгоритмы статистического моделирования решений стохастических дифференциальных уравнений и систем со случайной структурой : учебное пособие / Т. А. Аверина. – Москва ; Вологда : Инфра-Инженерия, 2025. - 288 с. – ISBN 978-5-9729-2443-1. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2226612 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Т. А. Аверина







АЛГОРИТМЫ СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ РЕШЕНИЙ СТОХАСТИЧЕСКИХ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ И СИСТЕМ СО СЛУЧАЙНОЙ СТРУКТУРОЙ




Учебное пособие






















Москва Вологда «Инфра-Инженерия» 2025

УДК 519.676
ББК 22.19
      А19





Рецензенты:
д-р физ.-мат. наук, проф. Ю. Н. Григорьев
(Федеральный исследовательский центр информационных и вычислительных технологий);
д-р физ.-мат. наук, проф. Д. Ф. Кузнецов
          (Санкт-Петербургский политехнический университет Петра Великого);
д-р физ.-мат. наук, проф. В. В. Учайкин (Ульяновский государственный университет)









      Аверина, Т. А.
А19 Алгоритмы статистического моделирования решений стохастических дифференциальных уравнений и систем со случайной структурой : учебное пособие / Т. А. Аверина. - Москва ; Вологда : Инфра-Инженерия, 2025. - 288 с. : ил., табл.
         ISBN 978-5-9729-2443-1

         Представлены теоретические разработки, посвященные построению устойчивых алгоритмов статистического моделирования стохастических дифференциальных уравнений (СДУ) и экономичных алгоритмов моделирования общих пуассоновских процессов. Разработанные методы применяются к статистическому анализу СДУ с пуассоновской составляющей и систем со случайной структурой. Особое внимание уделено современным приложениям. Верификация построенных алгоритмов, сравнение с известными алгоритмами проведены на решении практических и тестовых задач.
         Для студентов и аспирантов физико-математического профиля. Будет полезно научным работникам, интересующимся численным анализом стохастических систем.

                                                                 УДК 519.676
                                                                 ББК 22.19




ISBN 978-5-9729-2443-1

© Аверина Т. А., 2025
      © Издательство «Инфра-Инженерия», 2025
                              © Оформление. Издательство «Инфра-Инженерия», 2025

            Оглавление



   Введение.................................................... 5
Глава 1. Численные методы решения стохастических дифференциальных уравнений                                        16
   1.1. Задача Коши для СДУ................................... 16
   1.2. Семейство численных методов решения СДУ в смысле Стратоновича .................................................. 20
     1.2.1. Разложение в ряд Тейлора точного и численного решений СДУ...................................................... 24
     1.2.2. Асимптотическая несмещенность, аппроксимация и сходимость методов............................................ 31
     1.2.3. Конкретный вид построенных численных методов решения СДУ в смысле Стратоновича........................... 39
   1.3. Алгоритм решения СДУ с пуассоновской составляющей ...    43
   1.4. Методы решения систем СДУ с первым интегралом......... 49
Глава 2. Алгоритмы моделирования пуассоновского точечного ансамбля                                                  56
   2.1. Специальный способ моделирования дискретных случайных величин.................................................... 57
   2.2. Алгоритмы моделирования пуассоновских точечных ансамблей и их оптимизация...................................... 64
   2.3. Алгоритмы моделирования пуассоновских точечных потоков и их оптимизация............................................. 73
   2.4. Алгоритмы моделирования общего пуассоновского процесса . 78
Глава 3. Статистические алгоритмы моделирования систем со случайной структурой                                      81
   3.1. Постановка задачи анализа ССС......................... 81
   3.2. Основные вероятностные характеристики решения и их статистические оценки .......................................... 87
   3.3. Системы со случайной структурой с распределенными переходами .................................................... 93


      3.3.1. Алгоритмы статистического моделирования процесса смены структуры в системах с распределенными переходами 96
      3.3.2. Алгоритм статистического моделирования систем со слу           чайной структурой с распределенными переходами ....  106
   3.4. Алгоритм статистического моделирования системы с разделением времени и автономным управлением ..................... 109
   3.5. Алгоритм статистического моделирования систем со случайной структурой и сосредоточенными переходами............... 112
   3.6. Условная оптимизация статистического алгоритма........ 116
Глава 4. Решение тестовых и прикладных задач                    120
   4.1. Статистический анализ диффузионных систем с инвариантами 120
   4.2. Сравнительный анализ алгоритмов моделирования пуассоновских процессов............................................. 138
   4.3. Сравнительный анализ приближенных алгоритмов моделирования пуассоновских процессов.............................. 147
   4.4. Сравнительный анализ алгоритмов моделирования ССС . . . 163
      4.4.1. Численный анализ систем с распределенными переходами 163
      4.4.2. Задачи управления техническими объектами. Сравнение со спектральным методом................................. 172
      4.4.3. Сравнение с методом гауссовой аппроксимации...... 190
   4.5. Задача о влиянии степени приоритета на качество управления 198
   4.6. Статистический анализ систем со случайным периодом квантования сигналов во времени ............................... 207
   4.7. Использование метода «максимального сечения» в задаче фильтрации диффузионно-скачкобразных процессов............. 212
   4.8. Метод максимального сечения в задаче фильтрации для непрерывных систем с переключениями............................. 222
   4.9. Апробация асимптотически несмещенного метода на тестовых задачах, связанных     с вопросами фазовых переходов....... 233
   Заключение................................................. 246
Список литературы                                              248


    Введение


   В 40-х годах XX века были заложены основы теории стохастических дифференциальных уравнений (С ДУ). Первоначально С ДУ предназначались для описания на вероятностном языке диффузии в газах и жидкостях [219,220,324]. Однако впоследствии оказалось, что они являются очень удобным аппаратом для решения многих других физических и инженерных задач [123,204,208,325].
   Многие модели динамических систем в самых различных областях науки: радиотехнике, статистической механике, автоматическом управлении, химии, медицине, теории надежности и т.д., можно описать стохастическими дифференциальный уравнениями:

     dy(t) = f(y(t))dt + cr(y(t))dw(t), t e [0, T]; у(0) = у₀, (0.1)

где y(t) - векторный случайный процесс; /(у) — вектор-функция, <т(у) - матрица, w(t) - вектор независимых в совокупности стандартных винеровских процессов.
   К настоящему времени имеется огромная литература, посвященная стохастическим дифференциальным уравнениям, теория которых продолжает интенсивно развиваться. Наиболее полными и оригинальными математическими руководствами по стохастическим дифференциальным уравнениям и по нынешний день являются отечественные монографии И. И. Гихмана, А. В. Скорохода [124,125], а также зарубежные монографии К. Ito [304,305].
   Как и при численном решении обыкновенных дифференциальных уравнений, правомерно возникает вопрос об устойчивости численных методов решения задачи Коши для СДУ.
   Решение стохастического дифференциального уравнения

dy(t) = -ay(t)dt + adw(t), у(0) = у₀,       (0.2)

где а, а - вещественные коэффициенты, при нормальном начальном значении у о является гауссовским процессом. Математическое ожидание и дисперсия точного решения при а > 0 имеют следующее асимптотическое поведение при t —> сю:



my(t) ⁼ е а<ту(Р) —0,                        (0-3)
                                 2              2
= е-²“‘По + ^(1 - е-²“‘) -+            (0.4)

где Dq — дисперсия случайной величины уо ■
Определение 0.1 [101]. Численный метод называется устойчивым (асимптотически несмещенным) с шагом h > 0, если при его применении с этим шагом к скалярному линейному СДУ (0.2) с а > 0 распределение численного решения уп при п —> оо сходится к нормальному распределению с нулевым математическим ожиданием и дисперсией сг²/2а.
Определение 0.2 [101]. Интервал (жо,0) называется интервалом устойчивости (асимптотической несмещенности) метода, если метод является асимптотически несмещенным с любым шагом h > 0, для которого —ah € (ж₀,0).
   В работе [177] было предложено назвать такую устойчивость асимптотической несмещенностью.
   Знание интервала асимптотической несмещенности метода и приближенной оценки максимального по модулю собственного числа матрицы Якоби функции f позволяет выбирать размер шага интегрирования h, при котором не допускается большой потери точности вычислений в задачах, связанных с оценкой дисперсии решения СДУ.
   Обзор работ по построению численных методов решения СДУ и их применению можно найти в работах Г. Н. Мильштейна и М. В. Третьякова [343], Д.Ф Кузнецова [171], Е. Platen and N. Bruti-Liberati [349]. Использование устойчивых (асимптотически несмещенных) методов необходимо для численного решения СДУ на больших интервалах времени [275], а также для решения задач, описывающих разномасштабные процессы [140]. Однако, существующие неявные устойчивые (асимптотически несмещенные) численные методы решения СДУ являются очень трудоемкими. Поэтому актуальной является задача построения экономичных устойчивых численных методов решения СДУ.


   Одной из важных задач теории управления является организация управления динамической системой таким образом, чтобы при ее эволюции сохранялись важные характеристики системы [132]. В реальном пространстве на динамическую систему оказывают влияние случайные факторы. Наиболее удачно это случайное воздействие можно описать с помощью винеровских и пуассоновских процессов. Появляются математические модели [147,148], для моделирования которых необходима разработка численных методов, которые сохраняюют важные характеристики системы (первые интегралы) [303]. Для решения таких моделей также необходимы методы, позволяющие решать СДУ с пуассоновской составляющей, зависящей от вектора фазовых координат. Возникает задача построения алгоритмов моделирования общего пуассоновского процесса, идентифицируемого с пуассоновской мерой, зависящей от времени и от вектора фазовых координат [299].
   В конце 70-х годов XX века широкое распространение получили динамические системы со случайными изменениями условий функционирования, приводящими к внезапному изменению структуры в целом - к структурной неопределенности. Эти модели появились в ряде отраслей науки и в научных исследованиях, связанных с моделированием сложных явлений и процессов управления. Это задачи автоматизации управления системой, имеющей на неперекрывающихся временных интервалах различные режимы работы и разные структуры. Такие системы получили название систем со случайной структурой. Систематическое изложение таких задач и методов их анализа дано в работах И. Е. Казакова, В. М. Артемьева, В. А. Бухалева [117, 146]. Аналитическому моделированию стохастических систем посвящена монография И. М. Косачева, М. Г. Ерошенкова [158]. Задачи анализа систем со случайной структурой также рассматривались в работах В. А. Ганэ, В. Л. Степанова, В. Конторовича [122,316], А. В. Пантелеева, И. Л. Сотсковой, [203] и др., а различные задачи синтеза оптимального управления изучали A. Arapostathis, М. К. Ghosh и S. I. Marcus [291-293],


К. А. Рыбаков [366] и др. Устойчивость дискретных систем со случайной структурой рассматривалась в работах П. В. Пакшина [201,202,287].
   Состояние системы со случайной структурой характеризуется смешанным процессом [y(t), s(t)]T, описываемым при условии s(t) = I стохастическим дифференциальным уравнением

dy(t) = /⁽⁰(t,y(t))dt-|-CT⁽ⁱ⁾(t,y(t))dw(t), te[0,T]; y(0) = y₀.

   Вектор фазовых координат y(t) для каждой структуры является многомерным марковским случайным процессом, а номер структуры s(t) — целочисленным процессом с конечным числом состояний. Процесс s(t) может быть марковским или условно марковским, зависящим от вектора y(t).
   Переход системы из одной структуры в другую характеризуется функциями поглощения и восстановления. Разные способы задания функций поглощения и восстановления определяют разные типы систем со случайной структурой.
   Системы с распределенными переходами особо выделяются среди систем со случайной структурой. В иностранной литературе такие системы называют СДУ с переключаемой диффузией (switching diffusion) или гибридные системы (hybrid systems), подразумевая непрерывную динамику и дискретные события смены структуры. Если интенсивности перехода не зависят от фазовых координат, то такие системы называют системами с распределенными независимыми переходами. Если интенсивности перехода зависят от фазовых координат - это системы с распределенными зависимыми переходами, они являются системами с условной марковской структурой и вероятности перехода дискретного случайного процесса s(t) удовлетворяют условиям [146]

      P(s(t + At) = г | s(t) = I, y(t) = у) = A/ᵣ(t,y)At + o(At),
      P(s(t + At) = I | s(t) = I, y(t) = y) = 1 - A;(t,y)At + o(At), s(t₀) = sq, I, r = 1,2,..., S, I r,



где функция Xiᵣ(t, у): [i₀,T] х Rⁿ« —> [0,+оо) - интенсивность перехода из l-й структуры в r-ю, A₍(t,y) = V м 'М^у)Г —1^=1
   Появилось много моделей, заданных такими системами, в экономике [286,288,307,330,331,346,353,370,380,401], на производстве [289,301,327, 397], в технике [156,159,160], в биологии и медицине [277,283,344,381, 392].
   Сложность получаемых моделей затрудняет аналитическое исследование решений таких систем. Сложности, возникающие при решении указанных выше задач, на основе численных методов решения обобщенного уравнения Фоккера-Планка-Колмогорова [203, 210,212] или методов параметрической аппроксимации [144,146,269], делают особо актуальной разработку статистических алгоритмов.
   В большинстве работ по численному решению рассматривается случай систем с распределенными независимыми переходами, когда процесс смены структуры не зависит от вектора состояния системы [235, 260, 293, 297, 298, 319, 320, 328, 363, 393, 395]. В качестве численных методов рассматриваются только различные модификации метода Эйлера-Маруямы. Методы моделирования систем с распределенными зависимыми переходами, когда процесс смены структуры зависит от вектора состояния системы, рассмотрены, например, в работах [356,387-389,391,399,400]. Однако и здесь, в качестве метода численного моделирования кроме метода Эйлера-Маруямы предложено не было. В работах [231,234,236,276] построены явные и неявные численные методы, являющиеся обобщением методов Тейлора-Платена, Мильштейна и процесс смены структуры моделируется приближенным алгоритмом, как условно-марковский процесс с конечным числом состояний. Рассмотренные явные методы могут приводить к большой потере точности вычислений в задачах, связанных с оценкой дисперсии решения СДУ, вследствие сильных ограничений на шаг интегрирования из требований устойчивости. Неявные методы являются очень трудоемкими при решении систем СДУ. Поэтому возникает актуальная задача построения экономичных устойчивых алгоритмов моделирования систем со


случайной структурой с распределенными зависимыми и независимыми переходами .
   В основе данной монографии лежит докторская диссертация [47].
   Целью данной монографии является

   • построение устойчивых (асимптотически несмещенных) численных методов решения систем стохастических дифференциальных уравнений;
   • построение экономичных алгоритмов моделирования общих пуассоновских процессов;
   • применение разработанных методов к статистическому анализу СДУ с пуассоновской составляющей и систем со случайной структурой;
   • верификация построенных алгоритмов, сравнение с известными алгоритмами на решении практических и тестовых задач.

   В данной работе
   •    Построено семейство численных методов решения систем стохастических дифференциальных уравнений в смысле Стратоновича. Исследована согласованность, устойчивость (асимптотическая несмещенность), слабая сходимость и сходимость в среднеквадратическом смысле численных методов из предложенного семейства.
   •    Доказано, что численный метод решения СДУ, имеющий сильную сходимость численного решения к точному, сохраняет порядок сходимости при решении систем СДУ с первым интегралом, и тем самым дает возможность эффективного тестирования численных методов решения еду.
   •    Построены модифицированные численные методы решения СДУ, сохраняющие первый интеграл. Предложенная методика обеспечивает принадлежность моделируемых траекторий решения СДУ заданному гладкому многообразию.



Доступ онлайн
500 ₽
В корзину