Strong Convergence of a GBM Based Tamed Integrator for SDEs and an Adaptive Implementation
我们引入了一个驯服的指数时间积分器,利用线性项的漂移和扩散的随机微分方程(SDES)与单侧全局Lipschitz漂移项。利用几何布朗运动(GBM)的有界性,证明了该方案的强收敛性,并建立了线性扩散项的1阶收敛性。在我们的实现中,我们说明了现有的固定步长的方法相比,该计划的效率,并利用它在自适应时间步进计划。此外,我们将该方法扩展到非线性扩散项,并表明它仍然具有竞争力。这些GBM为基础的方法的效率,说明考虑一些著名的可重构模型。
2021-06-21 cs.NA math.NA
The tamed Milstein method for commutative stochastic differential equations with non-globally Lipschitz continuous coefficients
School of Mathematics and Statistics, Central South University(中南大学数学与统计学院)
针对漂移系数超线性增长且全局单边Lipschitz连续的随机微分方程,提出一种显式强收敛的驯化Milstein方法,其强收敛阶高于驯化Euler方法,并通过自举论证克服了收敛性证明中的困难。
2014-08-24 cs.NA math.NA math.PR
Asymptotic error distribution for tamed Euler method with coupled monotonicity condition
Yunnan University(云南大学);Huazhong University of Science and Technology(华中科技大学)
本文研究了具有耦合单调性条件的随机微分方程中tamed Euler方法的渐近误差分布,提出参数化方法并分析其强收敛性及误差分布特性。
2026-02-10 cs.NA math.NA math.PR
Well-posedness and tamed schemes for McKean-Vlasov Equations with Common Noise
在本文中,我们首先建立了具有共同噪声的McKean-Vlasov随机微分方程(McKean-Vlasov SDES)的适定性,其中系数在状态变量中可能具有超线性增长。其次,我们提出了稳定的时间步长计划,这一类的McKean-Vlasov随机微分方程。具体来说,我们提出了一个明确的驯服欧拉和驯服米尔斯坦计划的相互作用粒子系统与McKean-Vlasov方程。证明了阶为$1/2$和阶为$1$的稳定性和强收敛性.为了获得我们的主要结果,我们采用的技术从微积分的Wasserstein空间。证明驯服Milstein格式的强收敛性只需要系数在状态分量和测度分量中一次连续可微。为了证明我们的理论研究结果,我们提出了几个数值例子,包括平均场版本的随机$3/2$波动率模型和随机双井动态与乘性噪声。
2020-05-31 cs.NA math.NA math.PR
Exponential ergodicity of exact and numerical solutions for McKean-Vlasov SDEs driven by Lévy noise
Harbin Institute of Technology(哈尔滨工业大学)
研究Lévy噪声驱动的McKean-Vlasov SDEs精确解和驯服Euler解的指数遍历性,证明数值不变测度收敛到精确不变测度并给出收敛速率。
2026-06-18 cs.NA math.NA
Convergence and stability of the semi-tamed Milstein method for commutative stochastic differential equations with non-globally Lipschitz continuous coefficients
提出了一种新的求解非全局Lipschitz连续系数可交换随机微分方程的一阶显式随机格式。该方法是Milstein格式的一个半驯服版本,用于求解漂移系数由非Lipschitz连续项和全局Lipschitz连续项组成的偏微分方程。该算法易于实现,且具有较高的强收敛阶。给出了该方法的稳定性判据,证明了该数值方法的稳定性条件与所解方程的稳定性条件是一致的。与一些常用的数值格式相比,该方法在继承随机微分方程精确解的均方稳定性方面具有更好的性能。数值实验证明了该方法的收敛性和稳定性.
2021-10-12 cs.NA math.NA
Stochastic Calculus with Jumps Processes : Theory and Numerical Techniques
African Institute for Mathematical Sciences(非洲数学科学研究所);AIMS-South Africa and University of Cape Town(非洲数学科学研究所南非校区和开普敦大学)
本文研究了具有跳跃的随机微分方程的解的存在性和唯一性,提出补偿随机theta方法和补偿tamed欧拉方案,证明其在不同 Lipschitz 条件下的强收敛性,通过数值实验验证理论结果。
2015-10-08 cs.NA math.NA
Strong convergence of the tamed and the semi-tamed Euler schemes for stochastic differential equations with jumps under non-global Lipschitz condition
Western Norway University of Applied Sciences(西挪威应用科学大学);University of Cape Town(开普敦大学);Technische Universität Chemnitz(开姆尼茨工业大学)
本文研究了在非全局Lipschitz条件下,带布朗运动和泊松跳跃的随机微分方程的tamed和semi-tamed欧拉方案的强收敛性及线性和非线性指数稳定性。
2018-02-17 cs.NA math.NA
An Explicit Euler-type Scheme for Lévy-driven SDEs with Superlinear and Time-Irregular Coefficients
Universidad de Chile(智利大学);CNRS(法国国家科学研究中心)
针对带超线性、时间不规则系数的Lévy驱动SDE,提出结合漂移随机化与驯化技术的随机驯化欧拉格式,证明其强收敛率可任意接近0.5,还拓展至随机系数等情形,填补相关研究空白。
2025-10-21 cs.NA math.NA math.PR
Weak error analysis for strong approximation schemes of SDEs with super-linear coefficients
对系数超线性增长的随机微分方程的一步数值格式的弱收敛性进行了误差分析。在Milstein关于一步逼近的弱误差分析的基础上,我们证明了一个关于一步离散的弱收敛的一般结论。作为应用,我们给出了半阶强收敛的数值格式,如驯服格式和平衡格式的弱收敛速度。数值例子验证了我们的理论分析。
2023-03-28 cs.NA math.NA math.PR
Error estimates for tamed Euler and Randomized Euler schemes for SDEs with locally Lipschitz drift with applications to non-logconcave sampling and optimization
Archimedes, Athena Research Center(阿基米德雅典研究中心);National Technical University of Athens(雅典国立技术大学)
针对具有局部Lipschitz超线性增长漂移的随机微分方程,提出KL加速驯服未调整Langevin算法(kTULA)和驯服随机中点方案(tRLMC),基于移位-组合方法建立局部误差框架,得到有限时间非渐近误差估计,并在对数Sobolev不等式下实现近最优迭代复杂度。
2026-05-24 cs.NA math.NA math.OC
A Multi-level Monte Carlo simulation for invariant distribution of Markovian switching Lévy-driven SDEs with super-linearly growth coefficients
本文提出结合驯化自适应Euler-Maruyama与多层蒙特卡洛的方法,用于逼近马尔可夫切换Lévy驱动的超线性增长SDE的不变分布。
2024-11-06 cs.NA math.NA math.PR
Stability of the semi-tamed and tamed Euler schemes for stochastic differential equations with jumps under non-global Lipschitz condition
Center for Research in Computational and Applied Mechanics (CERECAM)(计算与应用力学研究中心);University of Cape Town(开普敦大学);Technische Universität Chemnitz(开姆尼茨工业大学)
研究非全局利普希茨条件下半驯化和驯化欧拉方案的非线性与线性稳定性,分析其收敛性及计算效率,通过数值模拟验证理论结果。
2015-10-20 cs.NA math.NA
A Randomized Milstein Scheme for SDEs with Superlinear Drift Coefficient
Centro de Modelamiento Matemático, Universidad de Chile & IRL 2807 - CNRS(数学建模中心,智利大学 & 法国国家科学研究中心第2807号国际研究联合实验室)
本文提出了一种针对具有超线性漂移系数和有限时间正则性的随机微分方程的随机-驯化Milstein方案,实现了最优的强$\mathscr{L}^p$-收敛率。
2026-01-14 cs.NA math.NA math.PR
On the infinite time horizon approximation for Lévy-driven McKean-Vlasov SDEs with non-globally Lipschitz continuous and super-linearly growth drift and diffusion coefficients
本文研究Lévy过程驱动的McKean-Vlasov随机微分方程的数值逼近,提出了一种驯服自适应Euler-Maruyama格式,并证明了其在非全局Lipschitz连续且超线性增长系数下于有限和无限时间跨度的强收敛性。
2024-01-08 cs.NA math.NA math.PR
Well-posedness and tamed Euler schemes for McKean-Vlasov equations driven by Lévy noise
我们证明了Lévy噪声驱动的McKean-Vlasov随机微分方程的解的适定性,特别是在温和的假设下,Lévy测度不需要是有限的。允许漂移、扩散和跳跃系数是随机的,可以在状态变量中超线性地增长,并且都可以依赖于求解过程的边际律。我们提供了一个传播的混沌结果比现有的文献中更宽松的条件下,与我们的适定性结果一致。本文对伴随相互作用粒子系统提出了一个驯服的Euler格式,并证明了其强收敛速度任意接近于$1/2$ .作为副产品,我们还获得了相应的结果的适定性,混沌的传播和强收敛性的驯服欧拉格式的McKean-Vlasov随机延迟微分方程(SDDE)和McKean-Vlasov随机微分方程与马尔可夫开关(SDEwMS),都由Lévy噪声驱动。此外,我们的结果驯服欧拉格式是新的,即使是普通的SD E驱动的Lévy噪声和超线性增长的系数。
2020-10-16 cs.NA math.NA math.PR
Uniform in time convergence of numerical schemes for stochastic differential equations via Strong Exponential stability: Euler methods, Split-Step and Tamed Schemes
本文提出一个充分且必要的准则,证明在局部Lipschitz和严格单调条件下,显式/隐式欧拉、分裂步和驯化欧拉等数值格式对SDE解的概率分布实现时间一致收敛,并通过数值算例验证。
2025-01-21 cs.NA math.NA math.PR
Quantitative approximation of stochastic kinetic equations: from discrete to continuum
本文研究带奇异系数的动力学型随机微分方程,证明低正则漂移下系统在强弱意义下良定义,且通用驯服EM格式均以1/2速率收敛。
2024-09-09 cs.NA math.AP math.NA
An adaptive Euler-Maruyama scheme for McKean-Vlasov SDEs with super-linear growth and application to the mean-field FitzHugh-Nagumo model
在本文中,我们引入自适应Euler-Maruyama格式的McKean-Vlasov随机微分方程(SDEs)假设只有一个标准的单调性条件的漂移和扩散系数,但没有全局Lipschitz连续的状态变量,而全球Lipschitz连续性要求的测量组件。我们证明了离散过程的矩稳定性和$1/2$的强收敛速度。几个数值例子,集中在平均场模型的FitzHugh-Nagumo神经元,说明标准的统一计划失败,自适应方法在大多数情况下表现出优越的性能驯服的近似计划。此外,我们引入并分析了自适应Milstein计划的某个子类的McKean-Vlasov的偏微分方程的线性测量依赖的漂移。
2021-10-31 cs.NA math.NA math.PR
Weak error analysis for strong approximation schemes of SDEs with super-linear coefficients
对系数超线性增长的随机微分方程的一步数值格式的弱收敛性进行了误差分析。在Milstein关于一步逼近的弱误差分析的基础上,我们证明了一个关于一步离散的弱收敛的一般结论。作为应用,我们给出了半阶强收敛的数值格式,如驯服格式和平衡格式的弱收敛速度。数值例子验证了我们的理论分析。
2023-03-28 cs.NA math.NA
Uniform-in-time error estimates for McKean-Vlasov SDEs with common noise and stochastic algorithms
通过构造反射渐近耦合,对带共同噪声的McKean-Vlasov SDE与相互作用粒子系统诱导的测度值过程,在漂移项仅长程耗散下得到概率距离的均匀时间估计,并应用于数值方法的误差估计和条件混沌传播的量化。
2026-06-15 cs.NA math.NA math.PR
Numerical approximation of SDEs with fractional noise and distributional drift
针对分数布朗运动驱动的带奇异漂移(含分布)的SDEs,基于Catellier-Gubinelli条件给出驯服欧拉格式的显式/非显式收敛率,扩展有界漂移结果并恢复强适定性,证明采用新正则化性质与临界引理。
2024-11-28 cs.NA math.NA math.PR
A note on strong convergence of implicit scheme for SDEs under local one-sided Lipschitz conditions
Jiangxi University of Finance and Economics(江西财经大学);Swansea University(斯旺西大学)
本文在局部单侧利普希茨条件下扩展了Krylov的结果,研究隐式数值方案的强收敛性及存在唯一性。
2018-01-17 cs.NA math.NA
Approximation of the invariant distribution for a class of ergodic SPDEs using an explicit tamed exponential Euler scheme
在单边Lipschitz连续条件下,研究了一类加性噪声驱动的抛物型半线性随机偏微分方程的显式驯服指数Euler格式的长时间行为.该设置包含多项式增长的非线性。首先,我们证明了数值格式的矩界成立,最多与时间范围相关。其次,我们应用这个结果来获得误差估计,在弱意义上,在时间步长和时间范围方面,量化的误差近似平均相对于不变分布的连续时间过程。我们证明了使用显式驯服指数欧拉计划近似不变分布的效率,因为计算成本不会受到最多多项式增长的时刻界限。据我们所知,这是第一个结果在文献中关于近似的不变分布的SPDE与非全球Lipschitz系数使用一个明确的驯服计划。
2020-10-01 cs.NA math.NA math.PR
Higher order numerical methods for SDEs without globally monotone coefficients
针对非全局单调系数的SDE数值近似问题,提出一类停止增量驯服离散格式,构建统一框架证明其指数可积性,推导出最优强收敛阶并通过实验验证。
2024-10-07 cs.NA math.NA
Strong convergence of the exponential Euler scheme for SDEs with superlinear growth coefficients and one-sided Lipschitz drift
本文研究具有超线性增长系数和单边Lipschitz漂移的一维SDE的指数Euler格式强收敛性,证明了连续漂移下1/2阶收敛速率,并分析了不连续漂移及扩散系数在零点消失情形下的收敛行为与稳定性。
2024-05-01 cs.NA math.NA math.PR
Pathwise skew-symmetric discretisation for SDEs with superlinear drift
Lancaster University(兰卡斯特大学);University College London(伦敦大学学院);Newcastle University(纽卡斯尔大学)
研究具有超线性漂移的随机微分方程,提出路径斜对称离散化方法,通过特定方式耦合噪声增量用于MLMC框架,建立收敛性并分析复杂度,与驯服欧拉方案比较,数值实验验证了方法的有效性。
2026-08-11 cs.NA math.NA stat.CO
Convergence of the tamed Euler scheme for stochastic differential equations with Piecewise Continuous Arguments under non-Lipschitz continuous coefficients
Department of Mathematics, Harbin Institute of Technology(哈尔滨工业大学数学系)
本文研究了带有分段连续参数的随机微分方程在非利普希茨连续系数下的tamed欧拉方案收敛性,证明该方法具有强一阶收敛性。
2015-01-31 cs.NA math.NA
A Strongly Monotonic Polygonal Euler Scheme
近年来,驯服格式已成为模拟连续系数超线性增长的随机微分方程和随机微分方程的重要技术。驯服的方法,其中涉及抑制作为步长的函数的系数的增长,然而,迄今为止还没有被适配为保持系数的单调性。这已经成为一个问题,特别是在\cite{articletam},其中缺乏一个强单调驯服的计划,迫使强条件的设置。在目前的工作中,我们给出了一个新的和明确的方法截断单调函数在可分的希尔伯特空间,并展示了如何使用它来定义一个多边形(驯服)有限维空间上的欧拉计划,保持单调的漂移系数。这种新的截断方法定义明确,几乎没有任何假设,与著名的Moreau-Yosida正则化不同,它不需要在每次评估时解决优化问题。我们的建设是第一个无限维截断单调函数的方法,我们知道,以及第一个明确的方法在任何数量的层面。
2022-11-22 cs.NA math.NA math.PR
Strong convergence of a semi tamed scheme for stochastic differential algebraic equation under non-global Lipschitz coefficients
本文针对非全局Lipschitz系数下的随机微分代数方程,提出半隐式驯化方法,证明其1/2阶强收敛性,并通过数值模拟验证理论结果。
2025-09-10 cs.NA math.NA
A splitting method for SDEs with locally Lipschitz drift: Illustration on the FitzHugh-Nagumo model
本文构造并分析了一类带加性噪声的半线性随机微分方程的显式数值分裂方法,其中漂移允许多项式增长,且满足全局单边利普希茨条件.该方法被证明是均方收敛的1阶,并保持重要的结构性质的时间序列。首先,它在每一步迭代中都是亚椭圆的。其次,它是几何遍历的,并且有一个渐近有界的二阶矩。第三,即使对于大的时间步长,它也保持振荡动力学,例如振荡的振幅、频率和相位。我们的研究结果说明随机FitzHugh-Nagumo模型,并与已知的均方收敛驯服/截断的欧拉-丸山方法的变种。所提出的分割方法保留上述属性的能力可以使其适用于不同的统计推断程序。相比之下,已知的Euler-Maruyama类型的方法通常不能保持这样的属性,产生病态的基于似然的估计工具或计算上不可行的基于模拟的推理算法。
2022-02-03 cs.NA math.DS math.NA
A fundamental mean-square convergence theorem for SDEs with locally Lipschitz coefficients and its applications
University of Nottingham(诺丁汉大学);Brown University(布朗大学)
针对系数多项式增长且满足单边Lipschitz条件的随机微分方程,证明了基本均方收敛定理,并应用于平衡格式和全隐式方法。
2012-12-06 cs.NA math.NA math.PR
Euler-type methods for Levy-driven McKean-Vlasov SDEs with super-linear coefficients: mean-square error analysis
本文提出一类去除强制性假设的Euler型数值格式(含tanh-Euler等特例),用于Levy驱动的McKean-Vlasov SDEs,证明其均方收敛阶可任意接近1/2,并通过数值实验验证。
2025-09-11 cs.NA math.NA
Divergence of the multilevel Monte Carlo Euler method for nonlinear stochastic differential equations
University of Munich (LMU)(慕尼黑大学);Princeton University(普林斯顿大学);Goethe University Frankfurt am Main(法兰克福歌德大学)
本文发现多层蒙特卡洛欧拉方法在非线性随机微分方程中发散,而经典蒙特卡洛方法收敛,并提出结合驯化欧拉方法以恢复收敛性。
2013-09-10 cs.NA math.NA math.PR
Strongly Asymptotically Optimal Schemes for the Strong Approximation of Stochastic Differential Equations with respect to the Supremum Error
我们的研究主题是强逼近的随机微分方程(SDES)的上确界误差准则,我们寻求近似,是强渐近最优的特定类的近似。在此,我们集中在两个主要类型的类,即,类的近似,仅基于初始值的评估和最多的驱动布朗运动的平均和类的近似,仅基于初始值的评估和驱动布朗运动在等距网站的许多评估的连续评估。对于具有全局Lipschitz连续系数的SDES,Müller-Gronbach [Ann. Appl. Probab. 12(2002),no. 2,664-690]表明,与自适应和等距时间离散化相关的特定Euler-Maruyama方案在这些类别中执行强渐近最优。在本文中,我们将这些结果推广到更广泛的一类SDES,如超线性增长系数。更确切地说,我们证明了强渐近最优性的具体系数修改的欧拉-丸山计划的自适应和等距时间离散下,而温和的假设下的基础上。为了说明我们的研究结果,我们提出了两个示例性的应用程序-即欧拉-丸山计划和驯服欧拉计划-从而分析与赫斯顿- $3/2$ -模型起源于数学金融的相关的时间。
2020-01-13 cs.NA math.NA math.PR
Weak error analysis for strong approximation schemes of SDEs with super-linear coefficients II: finite moments and higher-order schemes
针对具有超线性系数、仅具有限矩的 SDE,本文研究一族基于 Ito-Taylor 展开的显式单步格式,给出建立其弱收敛阶的系统方法并通过数值算例验证。
2024-10-28 cs.NA math.NA math.PR
Strong error analysis and first-order convergence of Milstein-type schemes for McKean-Vlasov SDEs with superlinear coefficients
School of Mathematics and Statistics, HNP-LAMA, Central South University(中南大学数学与统计学院,HNP-LAMA)
针对含超线性漂移与扩散系数的 McKean-Vlasov SDE,本文提出统一的 Milstein 型离散化框架,证明相互作用粒子系统的一阶强收敛性,并以数值实验验证。
2025-10-19 cs.NA math.NA
Perturbation estimates for order-one strong approximations of SDEs without globally monotone coefficients
针对非全局单调系数 SDE 数值格式的强收敛速率问题,本文提出新的扰动估计,证明了 SITEM 方法及显式 Milstein 型方法在特定条件下可实现一阶强收敛,显著改进了现有理论。
2025-04-02 cs.NA math.NA
Strong convergence of an explicit numerical method for SDEs with nonglobally Lipschitz continuous coefficients
University of Munich(慕尼黑大学);Princeton University(普林斯顿大学);Goethe University(法兰克福歌德大学)
针对漂移系数超线性增长且全局单边Lipschitz连续的随机微分方程,提出一种显式且易于实现的数值方法,证明其具有标准1/2阶强收敛性,且计算速度显著快于隐式Euler方法。
2012-09-12 cs.NA math.NA math.PR
Model reduction for stochastic systems with nonlinear drift
本文研究了大规模受控随机微分方程的降维技术。所考虑的随机微分方程的漂移包含一个多项式项,满足单边增长条件。这种非线性在高维设置中发生,例如,当随机反应扩散方程在空间离散时,我们对解的存在性、唯一性和稳定性进行了简要的讨论。(几乎)稳定,然后是新概念的Gramian,我们介绍和研究这项工作的基础。在这些Gramian的帮助下,主导子空间被识别,从而导致平衡相关的高精度降阶矩阵。我们提供了一个代数误差准则和误差分析的建议模型降阶计划。最后,将本文方法应用于空间离散的反应扩散方程。
2023-03-09 cs.NA math.NA math.PR
A Projected Drift-Randomized Milstein Method for SDEs with Non-differentiable and Super-linear Drift Coefficients
Financial Technology Thrust, Society Hub(金融科技推动力,社会中心);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
针对不可微且超线性增长漂移系数的随机微分方程,提出投影漂移随机化米尔斯坦方法,通过纳入漂移投影扩展方法,在特定条件下建立稳定性估计与残差界,实现L2意义下一阶强收敛,数值实验验证了收敛率与适用性。
2026-07-20 cs.NA math.NA
Compound Poisson particle approximation for McKean-Vlasov SDEs
本文提出基于复合泊松粒子的时空同步离散化格式,证明 McKean-Vlasov SDE 的混沌传播与收敛性,并给出 ODE 最优速率、CLT 及二维 Navier-Stokes 应用。
2023-07-13 cs.NA math.AP math.NA
Multilevel Path Simulation to Jump-Diffusion Process with Superlinear Drift
Isfahan University of Technology(伊斯法罕理工大学);Tarbiat Modares University(塔比尔·莫达雷斯大学)
本文研究了在非线性跳跃扩散随机微分方程中,使用多级蒙特卡洛算法结合分裂步后向欧拉和后向(漂移隐式)欧拉方案的强收敛性,其中漂移系数满足全局单侧利普希茨条件,测试函数仅局部利普希茨。通过数值实验验证了这些理论结果。
2018-10-28 cs.NA math.NA math.PR
First order convergence of Milstein schemes for McKean-Vlasov equations and interacting particle systems
在本文中,我们推导出完全可实现的一阶时间步进计划的McKean-Vlasov随机微分方程(McKean-Vlasov SDES),允许一个漂移项与超线性增长的状态分量。我们提出Milstein计划的时间离散相互作用粒子系统与McKean-Vlasov方程,并证明强收敛的1阶和时刻稳定性,驯服漂移,如果只有一个片面的利普希茨条件举行。为了得到强收敛速度的主要结果,我们利用有限二阶矩的概率测度空间上的微积分。此外,数值例子支持我们的理论研究结果。
2020-12-07 cs.NA math.NA math.PR
Adaptive Euler methods for stochastic systems with non-globally Lipschitz coefficients
针对漂移和扩散均为非全局Lipschitz连续的刚性随机微分方程(SDEs),提出了强收敛的显式和半隐式自适应数值格式.该刚度可以源自漂移中的线性算子,或者源自离散化下的非线性结构的扰动,或者两者。典型的应用程序来自空间离散化的SPDE,随机波动模型在金融,或某些生态模型。我们证明了一个时间步长策略,适应的步长的基础上的漂移单独是足以控制增长,并获得强收敛多项式阶。我们的计划的强收敛的顺序是$(1-\varepsilon)/2$,为$\varepsilon\in(0,1)$,其中$\varepsilon$成为任意小的可用的有限时刻的解决方案的增加。数值上,我们比较了自适应半隐式方法,全漂移隐式方法,三个驯服型方法和截断方法。我们的数值结果表明,自适应半隐式方法是非常适合作为一个通用的求解器,是更强大的显式时间步长方法和更有效的漂移隐式方法。
2021-06-01 cs.NA math.NA