Loading [MathJax]/jax/output/SVG/config.js
Сибирский журнал вычислительной математики
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS


Сиб. журн. вычисл. матем.:
Год:
Том:
Выпуск:
Страница:
Найти




Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация

Сибирский журнал вычислительной математики, 2019, том 22, номер 2, страницы 187–200
DOI: https://doi.org/10.15372/SJNM20190205 (Mi sjvm709) 		 
Эта публикация цитируется в 10 научных статьях (всего в 10 статьях)

Рандомизированные алгоритмы метода Монте-Карло для задач со случайными параметрами (метод “двойной рандомизации”)

Г. А. Михайловab

a Институт вычислительной математики и математической геофизики Сибирского отделения Российской академии наук, просп. Акад. М.А. Лаврентьева, 6, Новосибирск, 630090
b Новосибирский национальный исследовательский государственный университет (НГУ), ул. Пирогова, 2, Новосибирск, 630090
PDF полного текста (535 kB) Список цитирования (10)
Список литературы:
PDF
HTML
DOI: https://doi.org/10.15372/SJNM20190205
Аннотация: Рандомизированные алгоритмы метода Монте-Карло строятся путем совместной реализации базовой вероятностной модели задачи и ее случайных параметров с целью исследования параметрического распределения линейных функционалов. В работе представлена оптимизация таких алгоритмов, причем для оценки плотности распределения используется статистическая ядерная оценка. Формулируется также рандомизированный проекционный алгоритм для оценки распределения нелинейного функционала с приложением к решению задачи исследования флуктуаций критичности процесса размножения частиц в случайной среде.
Ключевые слова: вероятностная модель, статистическое моделирование, случайный параметр, рандомизированный алгоритм, метод двойной рандомизации, случайная среда, метод расщепления, статистическая ядерная оценка.
Финансовая поддержка Номер гранта
Российская академия наук - Федеральное агентство научных организаций 0315-2016-0002
Российский фонд фундаментальных исследований 16-01-00530_а
17-01-00823_а
18-01-00356_а
Работа выполнена в рамках государственного задания ИВМиМГ СО РАН (проект № 0315-2016-0002) и при частичной финансовой поддержке грантов РФФИ (проекты № 16-01-00530, № 17-01-00823, № 18-01-00356).
Статья поступила: 21.06.2018
Англоязычная версия:
Numerical Analysis and Applications, 2019, Volume 12, Issue 2, Pages 155–165
DOI: https://doi.org/10.1134/S1995423919020058
Реферативные базы данных:
Тип публикации: Статья
УДК: 519.676
Образец цитирования: Г. А. Михайлов, “Рандомизированные алгоритмы метода Монте-Карло для задач со случайными параметрами (метод “двойной рандомизации”)”, Сиб. журн. вычисл. матем., 22:2 (2019), 187–200; Num. Anal. Appl., 12:2 (2019), 155–165
Цитирование в формате AMSBIB
\RBibitem{Mik19}
\by Г.~А.~Михайлов
\paper Рандомизированные алгоритмы метода Монте-Карло для задач со случайными параметрами (метод “двойной рандомизации”)
\jour Сиб. журн. вычисл. матем.
\yr 2019
\vol 22
\issue 2
\pages 187--200
\mathnet{http://mi.mathnet.ru/sjvm709}
\crossref{https://doi.org/10.15372/SJNM20190205}
\elib{https://elibrary.ru/item.asp?id=38170580}
\transl
\jour Num. Anal. Appl.
\yr 2019
\vol 12
\issue 2
\pages 155--165
\crossref{https://doi.org/10.1134/S1995423919020058}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000470691500005}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-85066811828}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/sjvm709
  • https://www.mathnet.ru/rus/sjvm/v22/i2/p187
    • Эта публикация цитируется в следующих 10 статьяx:
    1. Cyril Caliot, Louis d'Alençon, Stéphane Blanco, Vincent Forest, Richard Fournier, Frédéric Hourdin, Florent Retailleau, Robert Schoetter, Najda Villefranque, “Coupled heat transfers resolution by Monte Carlo in urban geometry including direct and diffuse solar irradiations”, International Journal of Heat and Mass Transfer, 222 (2024), 125139  crossref
    2. G. A. Mikhailov, I. N. Medvedev, “New Computer Efficient Approximations of Random Functions for Solving Stochastic Transport Problems”, Comput. Math. and Math. Phys., 64:2 (2024), 314  crossref
    3. Г. А. Михайлов, Г. З. Лотова, И. Н. Медведев, “Эффективно реализуемые приближенные модели случайных функций в стохастических задачах теории переноса частиц”, Сиб. журн. вычисл. матем., 27:2 (2024), 189–209  mathnet  crossref
    4. Olga D. Rozhenko, Anna D. Darzhaniya, Victoria V. Bondar, Marine V. Mirzoian, Olga I. Skvortsova, Lecture Notes in Networks and Systems, 1044, Current Problems of Applied Mathematics and Computer Systems, 2024, 454  crossref
    5. Ilia N. Medvedev, “On the efficiency of using correlative randomized algorithms for solving problems of gamma radiation transfer in stochastic medium”, Russian Journal of Numerical Analysis and Mathematical Modelling, 37:4 (2022), 231  crossref
    6. G. A. Mikhailov, I. N. Medvedev, “New correlative randomized algorithms for statistical modelling of radiation transfer in stochastic medium”, Russ. J. Numer. Anal. Math. Model, 36:4 (2021), 219–225  crossref  mathscinet  isi  scopus
    7. Г. А. Михайлов, И. Н. Медведев, “Новый корреляционно рандомизированный алгоритм оценки влияния стохастичности среды на перенос частиц”, Докл. РАН. Матем., информ., проц. упр., 498 (2021), 55–58  mathnet  crossref  zmath  elib; G. A. Mikhailov, I. N. Medvedev, “New correlative randomized algorithm for estimating the influence of the medium stochasticity on particle transport”, Dokl. Math., 103:3 (2021), 143–145  crossref
    8. E. G. Kablukova, S. M. Prigarin, “Influence of unbroken clouds stochastic structure on the solar radiation transfer with results of Monte Carlo simulation”, Russ. J. Numer. Anal. Math. Model, 36:2 (2021), 75–86  crossref  mathscinet  isi
    9. Т. Е. Булгакова, А. В. Войтишек, “Условная оптимизация функционального вычислительного ядерного алгоритма приближения вероятностной плотности по заданной выборке”, Ж. вычисл. матем. и матем. физ., 61:9 (2021), 1431–1446  mathnet  crossref  isi  scopus; T. Bulgakova, A. V. Voitishek, “Conditional optimization of the functional computational kernel algorithm for approximating the probability density on the basis of a given sample”, Comput. Math. Math. Phys., 61:9 (2021), 1401–1415  mathnet  crossref
    10. A. Burmistrov, M. Korotchenko, “Double randomization method for estimating the moments of solution to vehicular traffic problems with random parameters”, Russ. J. Numer. Anal. Math. Model, 35:3 (2020), 143–152  crossref  mathscinet  zmath  isi  scopus
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    		Сибирский журнал вычислительной математики
    Статистика просмотров:
    Страница аннотации:381
    PDF полного текста:114
    Список литературы:46
    Первая страница:9
     
      Обратная связь:
    math-net2025_03@mi-ras.ru     		 Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2025