针对Neumann边界条件的非线性BSPDE的局部不可连续Galerkin方法及其基于深度反向动态编程的时间推进
数值分析
2024-09-18 v1 数值分析
摘要
本文旨在提出一种用于求解具有Neumann边界条件的反向随机偏微分方程（BSPDEs）的局部不可连续Galerkin（LDG）方法。我们建立了该数值方案的-稳定性和最优误差估计。提供两个数值示例以展示LDG方法的性能，其中我们引入深度学习算法来解决反向随机微分方程（BSDEs）中维度诅咒的挑战。结果表明，LDG方法在处理具有Neumann边界条件的BSPDE方面具有有效性和准确性。
引用
@article{arxiv.2409.11004,
title = {Local discontinuous Galerkin method for nonlinear BSPDEs of Neumann boundary conditions with deep backward dynamic programming time-marching},
author = {Yixiang Dai and Yunzhang Li and Jing Zhang},
journal= {arXiv preprint arXiv:2409.11004},
year = {2024}
}