首页/论文/2210.02536

arXiv 2210.025362022-10-05math.PR

求解heat equation的混合确定性-随机迭代法

An hybrid deterministic-stochastic iterative procedure to solve the heat equation

Fouad Maouche

备注：: 12 pages

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本文的目标是用确定性-随机混合迭代法求解一维热传导方程。确定性的一面包括离散方程的Crank-Nicolson方法和随机性的一面包括应用Robbins Monro程序来解决由此产生的矩阵系统。证明了该方法的几乎全收敛性和收敛速率。

英文摘要：

Our goal in this paper is to solve the 1-D heat equation by an hybrid deterministic-stochastic iterative procedure . The deterministic side consists in discretizing the equation by the Crank-Nicolson method and the stochastic side consists of applying Robbins Monro procedure to solve the resulting matrix system. The almost complete convergence and the rate of convergence of our procedure are established.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

$G$ -正态分布函数次线性期望的迭代逼近及相应的$G$ - heat Equation的求解

An Iterative Approximation of the Sublinear Expectation of an Arbitrary Function of $G$-normal Distribution and the Solution to the Corresponding $G$-heat Equation

在$G$ -框架中，如果不使用PDE技术求解相应的$G$ -热方程，那么当$φ$既不是凸的也不是凹的时，很难计算出$G$ -正态分布$\hat{\mathbb{E}}[φ(X)]$的次线性期望.最近，我们建立了一种有效的迭代方法，能够计算$G$ -正态分布的\emph{arbitrary}函数的次线性期望，该方法直接将$G$ -框架中的\emph{Nonlinear Central Limit Theorem}应用于遵循\emph{Semi-$G$-normal Distribution}的方差不确定随机变量序列，这是一个新定义的概念，具有很好的\emph{Integral Representation}，在理论和直觉上都表现得像一个阶梯，帮助我们从经典的正态分布的基础上，通过\emph{iteratively maximizing}步骤，接近$G$ -正态分布的峰值。这一系列迭代函数实际上在给定的时间网格上产生了整个$G$ -热方程的\emph{solution surface}。

2018-04-28math.PR

具有超线性增长反应项和多项式增长乘性噪声的随机热方程的全局解

Global solutions to the stochastic heat equation with superlinear accretive reaction term and polynomially growing multiplicative noise

本文证明了在两组假设下，具有超线性反应项和多项式增长乘性噪声的随机热方程的温和解不会爆炸，并指出乘性噪声增长超过$u^{\ rac{3}{2}}$会导致爆炸。

2024-09-23math.PR

分段常系数分数阶随机heat equation

Fractional stochastic heat equation with piecewise constant coefficients

引入了一类具有散度型二阶椭圆算子的分数阶随机热方程，其扩散系数为分段常数，受无穷维分数阶布朗运动驱动.我们刻画了它的确定性部分的基本解，并证明了它的解的存在性和唯一性。

2019-10-28math.PR

混合随机Heat Equations的李雅普诺夫指数

Lyapunov Exponents of Hybrid Stochastic Heat Equations

本文研究了一类混合随机热方程。通过解的显式表达式，不仅给出了样本李雅普诺夫指数，而且讨论了$p$阶矩李雅普诺夫指数.此外，通过几个例子证明了不稳定（确定性或随机性）动力系统可以通过马尔可夫切换来镇定。

2011-11-04math.PR

确定性和随机对流Brinkman-Forchheimer方程的$\mathbb{L}^p$ -解

$\mathbb{L}^p$-solutions of deterministic and stochastic convective Brinkman-Forchheimer equations

在本文的第一部分中，我们利用热半群的性质和基于迭代技巧的不动点参数，建立了定义在整个空间上的确定性对流Brinkman-Forchheimer（CBF）方程局部温和解的存在唯一性.第二部分利用压缩映射原理证明了Lévy噪声扰动下的随机CBF方程在随机时刻的路径温和解的存在唯一性。我们还讨论了分数布朗噪声下随机CBF方程的局部可解性。

2021-02-02math.PR

确定性和随机性wave equations的Feynman-Kac型公式

A Feynman-Kac-type formula for the deterministic and stochastic wave equations

我们建立了一个概率表示的广泛的一类线性确定性p.d.e.s与潜在的条款，包括波动方程在空间维度1至3。我们的表示适用于热方程，它与经典的费曼-卡茨公式，以及电报和光束方程。如果势是（随机）空间均匀高斯噪声，则该公式导出解的矩的表达式。

2007-10-15math.PR

更多相关论文收起更多论文

时齐白噪声势驱动下heat equation的Feynman-Kac公式

Feynman-Kac formula for the heat equation driven by time-homogeneous white noise potential

本文给出了时间齐次高斯白噪声势驱动的$1$维随机热方程的Feynman-Kac公式，其中噪声在Wick-Itô-Skorokhod意义下解释.我们的方法包括在构建一个Wong-Zakai型近似的SHE，我们能够获得一个“近似费曼-卡茨”表示通过减少近似SHE确定性偏微分方程（PDE）。然后，我们将证明这些“近似Feynman-Kac”收敛到一个定义良好的对象，我们将称之为“形式Feynman-Kac”表示，它恰好与SHE的唯一解相吻合。

2021-08-27math.PR

无界空间上具有非Lipschitz漂移的随机heat equation方程温和解的存在唯一性

Existence and uniqueness for the mild solution of the stochastic heat equation with non-Lipschitz drift on an unbounded spatial domain

本文证明了定义在无界空间区域上的非线性随机热方程的温和解的存在唯一性。非线性不被假设为全局或局部Lipschitz连续。相反，假设非线性满足单侧利普希茨条件。首先，一个加强版本的Kolmogorov连续性定理的引入证明的热方程的基本解和空间均匀噪声的随机卷积增长不超过多项式。其次，证明了将随机卷积映射到随机热方程解的确定性映射在连续函数的多项式加权空间上是Lipschitz连续的.这两个成分使制定的Picard迭代计划，以证明温和的解决方案的存在性和唯一性。

2021-02-11math.PR

由对称 $\alpha$-稳定 Lévy 白噪声驱动的非 Lipschitz 系数随机热方程

Stochastic heat equations with non-Lipschitz coefficients driven by symmetric $α$-stable Lévy white noise

Auburn University（奥本大学）

本文研究由对称 $\alpha$-稳定 Lévy 白噪声驱动的非 Lipschitz 系数随机热方程，构造了负 Sobolev 空间中的弱解及可预测温和解，并证明温和解为弱解的密度。

2026-10-06math.APmath.PR

分段确定性蒙特卡罗算法的自适应格式

Adaptive schemes for piecewise deterministic Monte Carlo algorithms

Bouncy Particle sampler（BPS）和Zig-Zag sampler（ZZS）是基于分段确定性马尔可夫过程的连续时间、不可逆的蒙特卡罗方法。实验表明，这些采样器的收敛速度可能受到目标分布形状的影响，例如在各向异性目标的情况下。我们提出了一种自适应方案，迭代学习目标的全部或部分协方差阵，并利用所获得的信息来修改底层过程，目的是提高收敛速度。此外，我们定义了一个自适应的计划，自动调整刷新率的BPS或ZZS。我们证明了所有提出的自适应算法的遍历性和大数定律。最后，我们展示了几个数值模拟的自适应采样器的好处。

2021-09-14math.PRstat.CO

三维及更高维随机heat equation的Edwards-Wilkinson极限

The Edwards-Wilkinson limit of the random heat equation in dimensions three and higher

考虑$d\geq 3$维中具有乘性高斯势的热方程.我们证明了重整化解收敛于具有有效扩散系数的确定性扩散方程的解。我们还证明了重正化的大尺度随机涨落可用Edwards-Wilkinson模型，即具有加性白噪声的随机热方程（SHE）描述，且具有有效方差.

2018-05-25math-phmath.APmath.MP

半线性随机heat equations的奇异扰动

Singular perturbations to semilinear stochastic heat equations

考虑了随机热方程或其半线性变分的一类奇异扰动。这些扰动的有趣特征是，当小参数ε趋于零时，它们的解收敛到“错误”的极限，即它们不收敛到通过简单地设置ε = 0获得的解。类似的效果也观察到一些（正式）小的随机扰动的确定性半线性抛物型偏微分方程。我们的证明是基于对方程的空间粗糙分量的详细分析，结合高斯浓度不等式的明智使用。

2010-09-18math.APmath.PR

迭代分裂方法：几乎渐进辛积分器用于随机非线性薛定谔方程

Iterative Splitting Methods: Almost Asymptotic Symplectic Integrator for Stochastic Nonlinear Schrödinger Equation

University of Greifswald（格赖夫斯瓦尔德大学）

本文提出基于迭代方案的分裂方法，用于求解随机非线性薛定谔方程，设计近似保辛的随机积分器，通过将迭代分裂方法转化为基于收缩映射原理的连续逼近方法，实现对称结构的近似保守。

2014-12-03cs.NAmath.NAmath.PR

W-随机图上的非线性热方程

The nonlinear heat equation on W-random graphs

对于W-随机图序列上的耦合微分方程组，我们导出了演化积分方程形式的连续极限。证明了离散模型的初值问题的解在其连续极限下收敛于初值问题的解。这些结果与[9]中对非局部耦合确定性网络的分析相结合，证明了收敛图族上一大类耦合动力系统的连续（热力学）极限。

2013-05-09math.PRnlin.AO

迭代分裂法用于等离子体模拟中的库仑碰撞

Iterative Splitting Methods for Coulomb Collisions in Plasma Simulations

Ruhr University of Bochum（波鸿鲁尔大学）

本文提出基于迭代方案的分裂方法用于模拟等离子体中的库仑碰撞，通过 Langevin 方程建模碰撞特性，解决耦合非线性随机微分方程，并分析新迭代分裂方案的数值分析与应用。

2017-06-21cs.NAmath.NAmath.PR

热方程将伊辛液滴收缩为点

The heat equation shrinks Ising droplets to points

设D是R^2的有界、足够光滑的整环。当L>0时，考虑（Z/L）^2（晶格间距为1/L的正方形晶格）上最近邻伊辛模型的连续时间零温热浴动力学，初始条件是当x \in D时σ x=-1，否则σ x=+.我们证明了H. Spohn：在扩散极限中，时间被L^2重新标度，并且L趋于无穷大，“-”自旋的液滴的边界遵循确定性各向异性曲线缩短流，使得法向速度由局部曲率乘以局部斜率的显函数给出。局部地，在合适的参考系中，液滴边界的演化遵循一维热方程。据我们所知，这是第一次证明平均曲率型液滴收缩的晶格模型与真正的微观动力学。一个重要的组成部分是我们最近的工作，其中凸D的情况得到解决。证明中的另一个关键点是获得确定性曲线缩短流的精确正则性估计。这是建立在几何和分析思想的格雷森，盖奇，汉密尔顿，盖奇，李，周，朱和其他人。

2013-06-19math-phmath.APmath.MP

用于约束随机微分方程的确定性粒子流

Deterministic particle flows for constraining SDEs

为扩散系统设计最优干预措施通常需要求解Hamilton-Jacobi-Bellman（HJB）方程，这是一个非线性向后偏微分方程（PDE），也就是说，一般来说，非平凡求解。现有的控制方法要么直接用基于网格的PDE求解器来解决HJB问题，要么采用迭代随机路径采样来获得必要的控制。在这里，我们提出了一个框架，这两种方法之间的插值。通过重新制定的两个前向概率流的对数梯度（分数）方面的最佳干预措施，并采用确定性粒子方法求解福克-普朗克方程，我们引入了一种新的完全确定性的框架，计算所需的最佳干预措施在一个镜头。

2022-10-17cond-mat.stat-mechmath.OCmath.PR

迭代非凸optimization的整体收敛保证：高斯过程的观点

Sharp global convergence guarantees for iterative nonconvex optimization: A Gaussian process perspective

我们考虑一类具有正态分布协变量的回归模型，以及从数据拟合这些模型的相关非凸问题。我们开发了一个通用的配方，用于分析这个任务的迭代算法从随机初始化的收敛性。特别是，提供每个迭代可以被写为满足一些自然条件的凸优化问题的解决方案，我们利用高斯比较定理推导出一个确定性序列，提供尖锐的上界和下界的算法与样本分裂的错误。至关重要的是，这种确定性序列准确地捕获了算法的收敛速度和有限样本状态下的最终错误平层，并且与通常使用的“总体”序列不同，该序列是由采用无限样本限制而产生的。我们应用我们的一般框架来获得几个具体的后果参数估计流行的统计模型，包括相位恢复和混合回归。提供的样本量尺度在维度上接近线性，我们显示出尖锐的整体收敛率高阶算法的基础上交替更新和一阶算法的基础上次梯度下降。这些推论，反过来，产生多个后果，包括：（a）证明高阶算法可以比一阶算法收敛得更快（有时是超线性的），即使两者共享相同的种群更新和（b）高阶算法的超线性收敛行为的复杂性，这可能是非标准的（例如，具有指数3/2）并且对问题中的噪声水平敏感。我们补充这些结果与广泛的数值实验，这表明与我们的理论预测非常吻合。

2021-09-20math.OCmath.PRmath.ST