Sparse polynomial approximation for optimal control problems constrained by elliptic PDEs with lognormal random coefficients
Oden Institute for Computational Engineering & Sciences, The University of Texas at Austin(德克萨斯大学奥斯汀分校奥登计算工程与科学学院);Department of Mechanical Engineering, and Department of Geological Sciences, The University of Texas at Austin(德克萨斯大学奥斯汀分校机械工程系和地质科学系)
本文研究了受具有对数正态随机系数的椭圆偏微分方程约束的最优控制问题,通过稀疏多项式近似方法对最优解进行逼近,并证明了该方法在维度上具有独立的收敛率。
2019-03-13 cs.NA math.NA
MDFEM: Multivariate decomposition finite element method for elliptic PDEs with lognormal diffusion coefficients using higher-order QMC and FEM
本文介绍了扩散系数为对数正态分布的椭圆型偏微分方程的多元分解有限元法,其中$Z$是由无穷级数展开式$Z(\boldsymbol{y}) = \sum_{j\ge1} y_j\,ϕ_j$定义的高斯随机场,展开式中含有$y_j\sim\mathcal{N}(0,1)$和给定的函数序列$\{ϕ_j\}_{j\ge1}$ .我们使用MDFEM来近似PDE的解的线性泛函的期望值,PDE是参数空间上的无限维积分。该算法使用多元分解方法(MDM)计算的无限维积分分解成有限维积分,我们解决使用准蒙特卡罗(QMC)方法,我们使用有限元法(FEM)来解决不同的情况下的PDE。我们开发了高阶拟蒙特卡罗规则的积分在有限维欧几里德空间相对于高斯分布通过使用截断策略。通过线性变换的交错多项式格规则从单位立方体的欧氏空间的多变量盒,我们实现高阶收敛速度属于一类锚定高斯Sobolev空间的功能,考虑到截断误差。在适当的条件下,MDFEM在误差与成本的关系方面实现了高阶收敛率,即,为了实现$O(ε)$的精确度,计算成本是$O(ε^{-1/λ-d'/λ}) = O(ε^{-(p^*+d'/τ)/(1-p^*)})$,其中$ε^{-1/λ}$和$ε^{-d'/λ}$分别是准蒙特卡罗体积和有限元近似的成本,对于某些$δ' \ge 0$和$d$,$d' = d \, (1+δ')$是物理尺寸,而$0 < p^* \le (…
2021-09-27 cs.NA math.NA
Generalized dimension truncation error analysis for high-dimensional numerical integration: lognormal setting and beyond
该研究针对不确定性量化中高维积分的输入随机场维截断误差问题,利用泰勒级数推导了广泛问题类的误差界与收敛速率,适用于非仿射方程、有限元离散PDE等场景,并改进了对数正态扩散椭圆PDE的误差界,经数值验证有效。
2023-12-18 cs.NA math.NA
Goal-Oriented Adaptive Finite Element Multilevel Monte Carlo with Convergence Rates
我们提出了一个自适应多级蒙特卡罗(AMLMC)算法近似确定性,实值,有界线性泛函,依赖于线性椭圆PDE的解决方案与对数正态扩散系数和几何奇点在有界域的$\mathbb{R}^d$。我们的AMLMC算法建立在工作中弱收敛速度的结果之上[Moon等人,BIT编号数学、46(2006),367-407],用于使用等参d线性四边形有限元逼近和确定性设置中的双加权残差误差表示的自适应算法。为了适应解决方案中的奇点的几何性质,我们的AMLMC算法使用一系列确定性的,非均匀的辅助网格作为构建块。确定性自适应算法生成这些网格,对应于公差的几何递减序列。对于一个给定的实现的扩散系数和精度水平,AMLMC构造其近似样本使用的层次结构中的第一个网格,满足相应的偏差精度约束。这种自适应的方法是特别有用的对数正态的情况下,这里处理,缺乏统一的双折射率,从而产生的功能输出,不同的数量级时,采样。我们讨论迭代求解器,并比较其效率与直接的。为了减少计算工作,我们提出了一个停止标准的迭代求解器的数量的利益,实现的扩散系数,和所需的AMLMC近似水平。从数值实验中,基于傅立叶展开的系数场,我们观察到改进的效率相比,标准的蒙特卡罗和标准MLMC的一个问题与奇异性类似的尖端的狭缝建模裂纹。
2022-08-17 cs.NA math.NA
Quasi-Monte Carlo and discontinuous Galerkin
本研究针对含随机系数的椭圆型偏微分方程的非协调间断伽辽金近似,开发定制化准蒙特卡洛求积法,证明其收敛速率与连续有限元情形一致,推导的参数正则性界可用于其他方法,数值结果验证了理论结论。
2024-12-11 cs.NA math.NA
Circulant embedding with QMC -- analysis for elliptic PDE with lognormal coefficients
University of Bath(巴斯大学);University of NSW(新南威尔士大学);KU Leuven(荷语鲁汶大学)
本文分析了结合QMC与循环嵌入方法求解具有对数正态系数的椭圆PDE的收敛性,探讨了协方差矩阵分解及有限元方法的误差分析。
2018-04-02 cs.NA math.NA
A Dimension-Adaptive Multi-Index Monte Carlo Method Applied to a Model of a Heat Exchanger
KU Leuven(荷语鲁汶大学)
本文提出一种自适应多索引蒙特卡罗方法,用于求解具有随机场系数的偏微分方程,通过自适应选择Karhunen-Loève展开项数和空间离散化,实现计算效率提升。
2017-08-16 cs.NA math.NA
Application of quasi-Monte Carlo methods to elliptic PDEs with random diffusion coefficients - a survey of analysis and implementation
School of Mathematics and Statistics, University of New South Wales(新南威尔士大学数学与统计学院);Department of Computer Science, KU Leuven(荷语鲁汶大学计算机系)
本文综述了准蒙特卡洛方法在具有随机扩散系数的椭圆PDE中的最新研究,对比了均匀情况与对数正态情况、单级算法与多级算法、一阶QMC规则与高阶QMC规则以及确定性QMC方法与随机性QMC方法。
2016-06-21 cs.NA math.NA
Multilevel Quasi-Monte Carlo for Optimization under Uncertainty
研究了具有不确定对数正态扩散系数的椭圆型偏微分方程的平均跟踪误差的优化问题。特别地,研究了多层拟蒙特卡罗方法(MLQMC)在梯度估计中的应用,并采用循环嵌入方法对随机场进行采样。伴随变量的一种新的规律性分析是必不可少的MLQMC估计的梯度结合使用CE方法产生的样本。严格的成本和误差分析表明,随机移位拟蒙特卡罗方法方法导致比普通蒙特卡罗方法更快的梯度均方根误差衰减速率,同时考虑多个水平大大减少了计算工作量。数值实验证实了改进的收敛速率,并表明MLQMC方法优于多层蒙特卡罗方法和单层拟蒙特卡罗方法方法。
2021-09-29 cs.NA math.NA math.OC
Recycling Samples in the Multigrid Multilevel (Quasi-)Monte Carlo Method
KU Leuven(荷语鲁汶大学)
本文探讨了利用准蒙特卡洛点加速收敛的方法,并改进了方差估计,通过椭圆PDE与对数正态扩散系数的例子展示了样本回收在非光滑随机场中的高效性。
2018-06-14 cs.NA math.NA
Multi-Index Sequential Monte Carlo Methods for partially observed Stochastic Partial Differential Equations
本文考虑了部分可观测随机偏微分方程(SPDE)在给定离散观测值的情况下的序贯联合状态和静态参数估计。它是假设一个只能估计隐藏状态使用离散化的模型。在这种情况下,已知[11]的多指标Monte Carlo(MIMC)方法可以用于从最精确的离散化改进直接Monte Carlo。然而,在感兴趣的上下文中,它不能直接应用,而是必须在另一种先进的方法中使用,如顺序蒙特卡罗(SMC)。我们展示了如何使用MIMC方法,通过对MI恒等式进行重正化,并使用[5]的SMC $^2$方法近似得到的恒等式。我们证明,我们的方法可以降低成本,以获得一个给定的均方误差(MSE),相对于只使用SMC $^2$上的最精确的离散。我们证明了这一点与一些数值例子。
2020-09-10 cs.NA math.NA
Analysis of Multi-Index Monte Carlo Estimators for a Zakai SPDE
University of Oxford(牛津大学)
本文提出了一种用于扎卡伊类型一维抛物随机偏微分方程的时空多索引蒙特卡洛(MIMC)估计器,并通过傅里叶分析比较了其与吉尔斯和雷辛格尔(2012)的多级蒙特卡洛(MLMC)方法的复杂度,发现MIMC方法在不同离散化条件下具有不同的复杂度表现。
2016-12-08 cs.NA math.NA
A randomized multi-index sequential Monte Carlo method
我们考虑的问题,估计期望相对于一个未知的归一化常数的目标分布,即使是非归一化的目标需要近似在有限的分辨率。在这样的假设下,这项工作建立在最近推出的多指标序贯蒙特卡罗(SMC)比估计,证明享有多指标蒙特卡罗(MIMC)的复杂性改进和SMC的推理效率。本工作利用随机化策略完全消除偏差,这大大简化了估计,特别是在MIMC上下文中,其中索引集的选择是重要的。在合理的假设下,所提出的方法可证明达到相同的规范复杂性的MSE $^{-1}$作为原始方法(其中MSE是均方误差),但没有离散化的偏见。它说明了贝叶斯逆和空间统计问题的例子。
2023-06-28 cs.NA math.NA stat.CO
Enhanced Multi-Index Monte Carlo by means of Multiple Semi-Coarsened Multigrid for Anisotropic Diffusion Problems
在工程和科学中使用的许多模型中,材料属性是不确定的或空间变化的。例如,在物理学中,特别是多孔介质流动中,材料的不确定渗透率被建模为随机场。这些随机场可以是高度各向异性的。高效的求解器,如多重半粗化多重网格(MSG)方法,见[15,16,17],需要计算不确定材料的各种实现的解决方案。MSG方法是经典多重网格方法的扩展,它使用仅在单个坐标方向上粗化的附加粗网格。从这个意义上说,它非常类似于多级蒙特卡罗(MLMC)[6]到多指标蒙特卡罗(MIMC)[9]的扩展。我们提出了一种无偏的MIMC方法,该方法重复使用MSG粗解,类似于[11]中的工作。我们的估计公式可以被解释为学习所有指标的样本样本个数的未知分布的问题,并统一了以前关于自适应MIMC [19]和无偏估计[18]的工作。我们从理论上分析了这种新的估计的成本,并提出了各种各向异性随机场的数值实验,其中协方差模型中的未知系数被认为是超参数。我们说明了它的鲁棒性和优越性,无偏MIMC没有样本重用。
2019-07-29 cs.NA math.NA
Multilevel and Multi-index Monte Carlo methods for the McKean-Vlasov equation
本文研究了粒子系统在均场极限下的近似问题,采用多级蒙特卡洛方法和多索引蒙特卡洛方法,分别实现了误差容忍度为TOL时的工作复杂度为O(TOL^{-3})和O(TOL^{-2}log(TOL^{-1})^2)。
2017-05-01 cs.NA math.NA
Multi-index Sequential Monte Carlo ratio estimators for Bayesian Inverse problems
我们考虑的问题,估计期望相对于一个未知的归一化常数的目标分布,即使是非归一化的目标需要近似在有限的分辨率。这种设置在科学和工程应用中无处不在,例如在贝叶斯推理的背景下,其中由棘手的偏微分方程(PDE)控制的基于物理的模型出现在可能性中。多指标序贯蒙特卡罗(MISMC)方法被用来构造比估计量,该方法既具有多指标蒙特卡罗(MIMC)方法的复杂性,又具有序贯蒙特卡罗(SMC)方法的推理效率.特别地,所提出的方法可证明地实现了MSE $^{-1}$的规范复杂度,而单级方法需要MSE $^{-ξ}$用于$ξ>1$。这是说明了在$1$和$2$空间维度,其中$ξ=5/4$和$ξ=3/2$,分别椭圆PDE正演模型的贝叶斯逆问题的例子。它也说明了一个更具挑战性的对数高斯过程模型,其中单级复杂性约为$ξ=9/4$和多级蒙特卡洛(或MIMC与不适当的索引集)给$ξ= 5/4 + ω$,对于任何$ω> 0$,而我们的方法再次规范。
2023-03-21 cs.NA math.NA stat.CO
Multi-Index Monte Carlo: When Sparsity Meets Sampling
King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学);Ecole Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
本文提出并分析了一种新的多索引蒙特卡洛方法,用于弱逼近由随机测度或随机系数驱动的微分方程模型。通过使用高阶混合差分减少方差,改进了收敛性结果,并在高维问题中实现了更精确的解。
2015-03-25 cs.NA math.NA
Improved Efficiency of a Multi-Index FEM for Computational Uncertainty Quantification
我们提出了一个多指标算法的Monte Carlo(MC)离散化的线性,椭圆型偏微分方程与仿射参数输入。我们证明了一个错误与工作分析,它允许在物理域中的多层次有限元近似,并应用多指标分析与各向同性,非结构化网格细化在物理域中的正问题的解决方案,为近似的随机场,并为蒙特卡洛正交误差。我们的方法允许Lipschitz域和网格层次结构比张量网格更一般。该方法将空间离散、维数截断和MC抽样以多指标的方式相结合,从而使计算复杂度较多层MC有限元有所提高。我们的分析提高了成本估计相比,多层次算法类似的问题和数学上的支持,优越的实际性能的多指标算法的随机系数的偏微分方程。
2019-07-17 cs.NA math.NA
The multi-index Monte Carlo method for semilinear stochastic partial differential equations
本文提出高效的多指标蒙特卡洛方法(MIMC),结合指数积分器求解半线性抛物型SPDEs,证明了其乘法收敛性质并界定了计算成本,数值实验表明其显著优于多层蒙特卡洛方法。
2025-02-01 cs.NA math.NA math.PR
Multi-level Monte Carlo path integral molecular dynamics for thermal average calculation in the nonadiabatic regime
利用路径积分方法,多电子态量子系统的热平均可以近似为扩展构型空间上的环状聚合物表示,其中附加的自由度与每个微珠的表面指数相关.这项工作的主要目标是提出一个更有效的采样算法计算这样的热平均值。我们根据表面指数的构型重新表述了扩环聚合物近似,并通过引入适当的参考测度,将其重新表述为函数展开式的两个期望之比。通过定量估计子估计量,并最小化采样平均值的总方差,我们提出了一种多级Monte Carlo路径积分分子动力学方法(MLMC-PIMD),以实现计算成本和精度的最佳平衡.
2020-11-21 cs.NA math.NA
Density estimation for elliptic PDE with random input by preintegration and quasi-Monte Carlo methods
School of Mathematics and Statistics, UNSW Sydney(新南威尔士大学悉尼数学与统计学院)
本文首次将带预积分步骤的准蒙特卡罗方法用于带随机输入椭圆型PDE的UQ密度估计,通过预积分消除积分不连续性,证明QMC误差可达$\nmathcal{O}(N^{-1+ε})$的速率,并通过数值结果验证了理论。
2024-09-29 cs.NA math.NA
Quasi-Monte Carlo methods for uncertainty quantification of tumor growth modeled by a parametric semi-linear parabolic reaction-diffusion equation
UNSW Sydney(新南威尔士大学);KU Leuven(荷语鲁汶大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出利用准蒙特卡洛方法对参数半线性抛物型反应扩散方程建模的肿瘤生长进行不确定性量化,通过理论分析和数值实验验证了其在计算感兴趣量方面的有效性。
2026-07-16 cs.CE cs.NA math.NA
A quasi-Monte Carlo multiscale method for the wave propagation in random media
针对随机折射率 Helmholtz 问题,提出结合 qMC 与边界校正多尺度离散的数值方法,实现物理空间超收敛和随机空间近一阶收敛。
2025-07-22 cs.NA math.NA
Exploiting Inexact Computations in Multilevel Monte Carlo and Other Sampling Methods
Heidelberg University(海德堡大学);Charles University(查理大学)
本文研究多层抽样中的不精确计算,提出自适应确定各离散层最低精度的 MLMC 算法,并在椭圆型 PDE 中证明低精度求解可带来最高 3.5 倍内存收益和 1.5 倍 FLOPs 加速。
2025-09-30 cs.NA math.NA stat.CO
Multi-index ensemble Kalman filtering
在这项工作中,我们结合多指标蒙特卡罗和集合卡尔曼滤波(EnKF)的思想,产生一个高效的滤波方法称为多指标EnKF(MIEnKF)。MIEnKF基于分辨率水平的多指标层次上的四耦合EnKF估计量的独立样本,并且它可以被视为由相同作者在2020年开发的多级EnKF(MLEnKF)方法的扩展。这里的多指标是指一种双指标方法,由一个层次的EnKF估计,耦合在两个自由度:时间离散化和合奏大小。在一定的假设下,当相邻的数值分辨率上的解决方案之间的强耦合是可实现的,MIEnKF方法被证明是更听话比EnKF和MLEnKF。所述效率增益也在一系列测试问题中进行了数值验证。
2022-09-06 cs.NA math.NA
Robust Optimization of PDEs with Random Coefficients Using a Multilevel Monte Carlo Method
KU Leuven(荷语鲁汶大学)
本文研究了受不确定系数约束的偏微分方程优化问题,提出利用多级蒙特卡洛方法计算梯度和Hessian,通过动态决定样本数量以降低计算成本,测试了非线性共轭梯度法和牛顿法在椭圆扩散问题中的有效性。
2017-11-07 cs.NA math.NA math.OC
Quasi-Monte Carlo finite element analysis for wave propagation in heterogeneous random media
我们提出并分析了一种拟蒙特卡罗方法(QMC)算法,用于有效地模拟由Helmholtz方程建模的波在有界区域中的传播,其中折射率是随机的和空间不均匀的。我们的重点是在该区域可以包含多个波长的情况下。我们通过切换到Ganesh和Morgenstern最近开发的另一种符号确定的公式(数值算法,83,1441-1487,2020)来绕过亥姆霍兹问题的通常符号不确定性。代价是QMC方法所需的规律性分析变得更加技术化。尽管如此,我们得到了一个完整的分析,包括随机尺寸截断误差,有限元误差和容积误差,与扩散问题所获得的结果。
2021-01-26 cs.NA math.NA
Multi-index importance sampling for McKean--Vlasov stochastic differential equations
University of Leeds(利兹大学);Heriot-Watt University(赫瑞-瓦特大学);King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学)
研究如何估计MV-SDEs的罕见事件量,基于DLMC方法扩展到MIMC设置,提出多指标DLMC估计器,利用混沌传播提高抽样效率,降低计算复杂度,通过数值实验验证该方法比标准MC方法节省大量计算量。
2026-07-23 cs.NA math.NA stat.CO
Pre-integration via Active Subspaces
预积分是条件蒙特卡罗方法向拟蒙特卡罗方法和随机拟蒙特卡罗方法的推广。它可以减少而不是增加蒙特卡罗的方差。对于拟蒙特卡罗方法,它可以带来改进的规则性的被积函数与潜在的大大提高的精度。预积分通常通过将$d$输入变量之一积分到函数中来完成。在高斯积分的常见情况下,也可以对变量的任何线性组合进行预积分。我们建议这样做,我们选择在一个积极的子空间分解的第一个特征向量是预集成的线性组合。我们发现,在数值例子中,这种主动子空间预集成策略是有竞争力的预集成的第一个变量的主成分构造的亚洲选项,其中主成分是已知的是非常有效的。它优于其他预集成方法对一些篮子选项,没有很好地建立默认。我们从理论上证明,就像在蒙特卡罗中一样,当使用加扰净积分时,预积分可以减少但不会增加方差。我们发现,在一个积极的子空间分解的领导特征向量是密切相关的向量,最大化一个不太容易处理的标准使用Sobol'指数找到最重要的线性组合的高斯变量。它们优化了涉及梯度的类似期望。我们表明,Sobol指数标准的领导特征向量是不变的方式,一个选择其余的$d-1$特征向量与高斯向量的采样。
2022-02-06 cs.NA math.NA math.ST