用于扩散过程新息估计量计算的分布估计算法
数值分析
2018-04-10 v1
摘要
分布估计算法（EDAs）与新息方法分别是求解全局优化问题与估计扩散过程参数的公认方法。同样众所周知的是，当在其计算中使用局部优化算法时，新息估计量的质量强烈依赖于参数初始值的恰当选取。作为替代，本文中我们研究一种特定 EDA——单变量边缘分布算法连续版本（UMDAc）——用于计算新息估计量的可行性。针对两个具有高度复杂性的不同模型进行了数值实验。数值模拟表明所考虑的全局优化算法显著提升了具有复杂非线性和随机动力学不同类型扩散过程的新息估计量的有效性。
引用
@article{arxiv.1804.02459,
title = {An estimation of distribution algorithm for the computation of innovation estimators of diffusion processes},
author = {Zochil González Arenas and Juan Carlos Jimenez and Li-Vang Lozada-Chang and Roberto Santana},
journal= {arXiv preprint arXiv:1804.02459},
year = {2018}
}
备注
14 pages, 5 figures