中文

用于 McKean-Vlasov SDE 的对偶多层粒子系统采样方法

概率论 2021-06-25 v3

摘要

μP2(Rd)\mu\in \mathcal{P}_2(\mathbb R^d),其中 P2(Rd)\mathcal{P}_2(\mathbb R^d) 表示平方可积概率测度的空间,并考虑 Borel 可测函数 Φ:P2(Rd)R\Phi:\mathcal P_2(\mathbb R^d)\rightarrow \mathbb R。本文中我们为 Φ(μ)\Phi(\mu) 开发了反蒙特卡洛估计量(A-MLMC),其在温和正则性假设下达到尖锐误差界。该估计量以经验律 μN=1Ni=1NδXi\mu^N = \frac1N \sum_{i=1}^{N}\delta_{X_i} 为输入,其中 a) (Xi)i=1N(X_i)_{i=1}^N 是来自 μ\mu 的 i.i.d 样本序列,或 b) (Xi)i=1N(X_i)_{i=1}^N 是对应于 McKean-Vlasov 随机微分方程(McKV-SDE)的相互作用粒子(扩散)系统。每种情形需分别分析。对平均场粒子系统,我们还考虑由其欧拉离散化诱导的经验律,从而得到完全可实现的算法。作为我们分析的余产物,我们建立了维度无关的均匀强混沌传播速率,以及对应于定义在概率测度空间上的一般泛函的 i.i.d 随机变量的反差分 L2L^2 估计。

关键词

引用

@article{arxiv.1903.07063,
  title  = {Antithetic multilevel particle system sampling method for McKean-Vlasov SDEs},
  author = {Łukasz Szpruch and Alvin Tse},
  journal= {arXiv preprint arXiv:1903.07063},
  year   = {2021}
}