อ่าน 7 นาที
วิธีการเดินบนทรงกลม
Boundary value problems/CS1 maint: หลายชื่อ: รายชื่อผู้แต่ง/สมการเชิงอนุพันธ์เชิงตัวเลข/สมการเชิงอนุพันธ์ย่อย/Variants of random walks
ในทางคณิตศาสตร์ วิธี การเดินบนทรงกลม (WoS)เป็นอัลกอริ ทึมเชิงความน่าจะเป็นเชิงตัวเลข หรือวิธีการมอนเตคาร์โลซึ่งใช้เป็นหลักในการประมาณคำตอบของปัญหาค่าขอบเขต เฉพาะบางอย่าง...
วิธีการเดินบนทรงกลม
ในทางคณิตศาสตร์ วิธี การเดินบนทรงกลม (WoS)เป็นอัลกอริ ทึมเชิงความน่าจะเป็นเชิงตัวเลข หรือวิธีการมอนเตคาร์โลซึ่งใช้เป็นหลักในการประมาณคำตอบของปัญหาค่าขอบเขต เฉพาะบางอย่าง สำหรับสมการเชิงอนุพันธ์ย่อย (PDEs) [ 1 ] [ 2 ]วิธีการ WoS ได้รับการแนะนำครั้งแรกโดยMervin E. Mullerในปี 1956 เพื่อแก้สมการลาปลาส [ 1 ] และตั้งแต่นั้นมาก็ได้รับการขยายไปสู่ปัญหาอื่นๆ
อัลกอริทึมนี้ อาศัยการตีความเชิงความน่าจะเป็นของสมการอนุพันธ์ย่อย และจำลองเส้นทางการเคลื่อนที่แบบบราวน์ (หรือสำหรับรูปแบบทั่วไปบางอย่างกระบวนการแพร่กระจาย ) โดยการสุ่มตัวอย่างเฉพาะจุดออกจากทรงกลมที่ต่อเนื่องกัน แทนที่จะจำลองเส้นทางของกระบวนการอย่างละเอียด ซึ่งมักทำให้มีต้นทุนต่ำกว่าอัลกอริทึมแบบ "ใช้ตาราง" และในปัจจุบันเป็นหนึ่งในอัลกอริทึมแบบ "ไม่ใช้ตาราง" ที่ใช้กันอย่างแพร่หลายที่สุดสำหรับการสร้างเส้นทางการเคลื่อนที่แบบบราวน์
คำอธิบายแบบไม่เป็นทางการ
ให้เป็นโดเมน ที่มีขอบเขต ในโดยมีขอบเขตที่สม่ำเสมอเพียงพอให้hเป็นฟังก์ชันบนและให้เป็นจุดภายใน
พิจารณาปัญหา Dirichlet :
สามารถแสดงได้อย่างง่ายดาย[ a ]ว่าเมื่อมีคำตอบอยู่ สำหรับ:
โดยที่Wคือกระบวนการ Wienerมิติdค่าที่คาดหวังจะพิจารณาแบบมีเงื่อนไขบน{ W = x }และτคือเวลาออกครั้งแรกจากΩ
ในการคำนวณหาคำตอบโดยใช้สูตรนี้ เราเพียงแค่ต้องจำลองจุดออกแรกของเส้นทางบราวน์อิสระเท่านั้น เนื่องจากตามกฎของจำนวนมาก :
วิธี WoS ให้วิธีการที่มีประสิทธิภาพในการสุ่มตัวอย่างจุดออกแรกของการเคลื่อนที่แบบบราวน์จากโดเมน โดยสังเกตว่าสำหรับ ทรงกลม ( d − 1) ใดๆ ที่มีจุดศูนย์กลางอยู่ที่xจุดออกแรกของWจากทรงกลมจะมีการกระจายอย่างสม่ำเสมอทั่วพื้นผิว ดังนั้นจึงเริ่มต้นด้วยx ( 0 )เท่ากับxและวาดทรงกลมที่ใหญ่ที่สุดที่มีจุดศูนย์กลางอยู่ที่x ( 0 )และอยู่ภายในโดเมน จุดออกแรกx ( 1 )จากจะกระจายอย่างสม่ำเสมอทั่วพื้นผิว โดยการทำซ้ำขั้นตอนนี้แบบอุปนัย WoS จะให้ลำดับ( x ( n ) )ของตำแหน่งของการเคลื่อนที่แบบบราวน์
ตามสัญชาตญาณ กระบวนการจะลู่เข้าสู่จุดออกแรกของโดเมน อย่างไรก็ตาม อัลกอริทึมนี้ใช้ขั้นตอนจำนวนอนันต์เกือบจะแน่นอนในการสิ้นสุด สำหรับการนำไปใช้ในการคำนวณ กระบวนการมักจะหยุดเมื่อเข้าใกล้ขอบเขตมากพอ และส่งคืนการฉายภาพของกระบวนการบนขอบเขต ขั้นตอนนี้บางครั้งเรียกว่าการแนะนำ-shell หรือ-layer [ 4 ]
การกำหนดวิธีการ

เลือก. โดยใช้สัญลักษณ์เดียวกันกับข้างต้น อัลกอริทึมการเดินบนทรงกลมสามารถอธิบายได้ดังนี้:
- เริ่มต้น :
- ในขณะที่:
- ชุด.
- สุ่มเลือกเวกเตอร์ที่มีการกระจายอย่างสม่ำเสมอทั่วทรงกลมหน่วย โดยไม่ขึ้นกับเวกเตอร์ก่อนหน้า
- ชุด
- เมื่อไร:
- การฉายภาพเชิงตั้งฉากของบน
- กลับ
ผลลัพธ์ที่ได้คือตัวประมาณจุดออกแรกของกระบวนการ Wiener ที่เริ่มต้นจากจุดในแง่ที่ว่าจุดทั้งสองมีฟังก์ชันการกระจายความน่าจะเป็นที่ใกล้เคียงกัน (ดูรายละเอียดเกี่ยวกับข้อผิดพลาดด้านล่าง)
ข้อคิดเห็นและข้อควรพิจารณาในทางปฏิบัติ
รัศมีของทรงกลม
ในบางกรณี ระยะทางไปยังขอบเขตอาจคำนวณได้ยาก และในกรณีนั้นควรแทนที่รัศมีของทรงกลมด้วยขอบเขตล่างของระยะทางนี้ จากนั้นต้องแน่ใจว่ารัศมีของทรงกลมยังคงมีขนาดใหญ่พอที่จะทำให้กระบวนการไปถึงขอบเขตได้[ 1 ]
อคติในวิธีการและ GFFP

เนื่องจากเป็นวิธีมอนเตคาร์โล ข้อผิดพลาดของตัวประมาณค่าจึงสามารถแยกออกเป็นผลรวมของความเอนเอียงและข้อผิดพลาดทางสถิติข้อผิดพลาดทางสถิติจะลดลงได้โดยการเพิ่มจำนวนเส้นทางที่สุ่มตัวอย่าง หรือโดยการใช้วิธีลดความแปรปรวน
ตามทฤษฎีแล้ว WoS ให้การจำลองเส้นทางการเคลื่อนที่แบบบราวน์ที่แม่นยำ (หรือปราศจากอคติ) อย่างไรก็ตาม ตามที่กำหนดไว้ในที่นี้เปลือกที่นำมาใช้เพื่อให้แน่ใจว่าอัลกอริทึมจะสิ้นสุดลงยังเพิ่มข้อผิดพลาด ซึ่งโดยปกติจะมีขนาดประมาณ[ 4 ] ข้อผิดพลาดนี้ได้รับการศึกษาแล้ว และสามารถหลีกเลี่ยงได้ในบางรูปทรงเรขาคณิตโดยใช้ วิธี Green's Functions First Passage: [ 5 ]เราสามารถเปลี่ยนรูปทรงเรขาคณิตของ "ทรงกลม" เมื่ออยู่ใกล้ขอบเขตมากพอ เพื่อให้ความน่าจะเป็นที่จะถึงขอบเขตในหนึ่งขั้นตอนกลายเป็นบวก ซึ่งต้องอาศัยความรู้เกี่ยวกับฟังก์ชันของกรีนสำหรับโดเมนเฉพาะ (ดูเพิ่มเติมที่การวัดแบบฮาร์มอนิก )
เมื่อสามารถใช้งานได้ วิธีการผ่านครั้งแรก ของฟังก์ชันกรีน (GFFP) มักเป็นที่นิยมมากกว่า เนื่องจากเร็วกว่าและแม่นยำกว่า WoS แบบคลาสสิก[ 4 ]
ความซับซ้อน
สามารถแสดงได้ว่าจำนวนขั้นตอนที่กระบวนการ WoS ใช้ในการไปถึง-shell นั้นมีลำดับ[ 2 ] ดังนั้นจึงสามารถเพิ่มความแม่นยำได้ในระดับหนึ่งโดยไม่ต้องทำให้จำนวนขั้นตอนเพิ่มขึ้นอย่างเห็นได้ชัด
โดยทั่วไปแล้ว วิธีการ Monte-Carlo อัลกอริทึมนี้จะทำงานได้ดีเป็นพิเศษเมื่อมิติสูงกว่าและต้องการเพียงชุดค่าเล็กๆ เท่านั้น อันที่จริง ต้นทุนการคำนวณจะเพิ่มขึ้นเป็นเส้นตรงตามมิติ ในขณะที่ต้นทุนของวิธีการที่ขึ้นอยู่กับกริดจะเพิ่มขึ้นแบบเลขชี้กำลังตามมิติ[ 2 ]
รูปแบบต่างๆ ส่วนขยาย
วิธีการนี้ได้รับการศึกษา พัฒนา และปรับปรุงอย่างกว้างขวาง ตัวอย่างเช่น ปัจจุบันมีการนำไปใช้อย่างแพร่หลายในการคำนวณคุณสมบัติทางกายภาพของวัสดุ (เช่นความจุไฟฟ้าพลังงานภายในไฟฟ้าสถิตของโมเลกุล เป็นต้น) ส่วนขยายที่น่าสนใจบางประการ ได้แก่:
สมการเชิงวงรี
วิธี WoS สามารถปรับเปลี่ยนเพื่อแก้ปัญหาทั่วไปได้มากขึ้น โดยเฉพาะอย่างยิ่ง วิธีนี้ได้รับการขยายให้สามารถแก้ปัญหา Dirichlet สำหรับสมการในรูปแบบ[ 6 ] (ซึ่งรวมถึงสมการ Poissonและ สมการ Poisson−Boltzmann เชิงเส้น ) หรือสำหรับสมการเชิงอนุพันธ์ย่อยแบบวงรี ใดๆ ที่มีสัมประสิทธิ์คงที่[ 7 ]
นอกจากนี้ ยังมีการพัฒนาวิธีการแก้สมการ Poisson–Boltzmann เชิงเส้นที่มีประสิทธิภาพมากขึ้น โดยอาศัย การแสดงแทนของ Feynman–Kacของคำตอบ[ 8 ]
การพึ่งพาเวลา
กล่าวอีกนัยหนึ่ง ภายในขอบเขตที่ค่อนข้างสม่ำเสมอ สามารถใช้วิธี WoS ในการแก้ปัญหาต่อไปนี้ได้ :
ซึ่งวิธีแก้ปัญหาสามารถแสดงได้ดังนี้: [ 9 ]
- ,
โดยที่ความคาดหวังนั้นขึ้นอยู่กับเงื่อนไขบางประการ
ในการใช้ WoS ผ่านสูตรนี้ จำเป็นต้องสุ่มตัวอย่างเวลาออกจากทรงกลมแต่ละลูกที่วาด ซึ่งเป็นตัวแปรอิสระที่มีการแปลงลาปลาส (สำหรับทรงกลมที่มีรัศมี): [ 10 ]
เวลาทั้งหมดที่ออกจากโดเมนสามารถคำนวณได้จากการรวมเวลาที่ออกจากทรงกลมแต่ละลูก กระบวนการจะต้องหยุดลงเมื่อยังไม่สามารถออกจากโดเมนได้ ณ เวลาที่กำหนด
ส่วนขยายอื่นๆ
วิธี WoS ได้รับการขยายให้ครอบคลุมถึงการประมาณคำตอบของสมการเชิงอนุพันธ์ย่อยแบบวงรีทุกที่ในโดเมน แทนที่จะเป็นที่จุดเดียว[ 11 ]
วิธี WoS ได้รับการขยายให้ครอบคลุมมากขึ้นเพื่อคำนวณเวลาการชนสำหรับกระบวนการอื่นนอกเหนือจากการเคลื่อนที่แบบบราวน์ ตัวอย่างเช่น เวลาการชนของกระบวนการเบสเซลสามารถคำนวณได้โดยใช้อัลกอริทึมที่เรียกว่า "เดินบนทรงกลมที่เคลื่อนที่" [ 12 ]ปัญหานี้มีการประยุกต์ใช้ในด้านการเงินทางคณิตศาสตร์
WoS สามารถปรับใช้เพื่อแก้สมการ Poisson และ Poisson–Boltzmann โดยมีเงื่อนไขฟลักซ์ที่ขอบเขต[ 13 ]
สุดท้าย WoS สามารถใช้แก้ปัญหาที่ค่าสัมประสิทธิ์เปลี่ยนแปลงอย่างต่อเนื่องในพื้นที่ โดยผ่านการเชื่อมต่อกับ สมการ การเรนเดอร์ปริมาตร[ 14 ]
ดูเพิ่มเติม
- สูตรเฟย์นแมน-แคค
- กระบวนการสุ่มและปัญหาค่าขอบเขต
- วิธีออยเลอร์-มารุยามะสำหรับการสุ่มตัวอย่างเส้นทางของกระบวนการแพร่ทั่วไป
หมายเหตุ
อ่านเพิ่มเติม
- Sabelfeld, Karl K. (1991). วิธีมอนเตคาร์โลในปัญหาค่าขอบเขตเบอร์ลิน [ฯลฯ]: Springer-Verlag. ISBN 9783540530015.
ลิงก์ภายนอก
- วิธีการมอนเตคาร์โลแบบต่อเนื่องบางวิธีสำหรับปัญหา Dirichletบทความที่ Marvin Edgar Muller นำเสนอวิธีการนี้
- การเคลื่อนที่แบบบราวน์โดย ปีเตอร์ มอร์เตอร์ส และ ยูวัล เปเรส ดูบทที่ 3.3 เกี่ยวกับการวัดแบบฮาร์มอนิก ฟังก์ชันกรีน และจุดออก
สรุปเนื้อหา
ข้อมูลสำคัญจากบทความ
ข้อมูลสำคัญเกี่ยวกับ วิธีการเดินบนทรงกลม
ในทางคณิตศาสตร์ วิธี การเดินบนทรงกลม (WoS)เป็นอัลกอริ ทึมเชิงความน่าจะเป็นเชิงตัวเลข หรือวิธีการมอนเตคาร์โลซึ่งใช้เป็นหลักในการประมาณคำตอบของปัญหาค่าขอบเขต เฉพาะบางอย่าง...
คำอธิบายแบบไม่เป็นทางการ
ให้เป็น โดเมน ที่มีขอบเขต ในโดยมีขอบเขตที่สม่ำเสมอเพียงพอให้ h เป็นฟังก์ชันบนและให้เป็นจุดภายใน Ω {\displaystyle \Omega } อาร์ ง {\displaystyle \mathbb {R} ^{d}} Γ {\displaystyle \Gamma } Γ {\displaystyle \Gamma } x {\displaystyle x} Ω {\displaystyle \Omega }
การกำหนดวิธีการ
เลือก. โดยใช้สัญลักษณ์เดียวกันกับข้างต้น อัลกอริทึมการเดินบนทรงกลมสามารถอธิบายได้ดังนี้: ε > 0 {\displaystyle \varepsilon >0}
รัศมีของทรงกลม
ในบางกรณี ระยะทางไปยังขอบเขตอาจคำนวณได้ยาก และในกรณีนั้นควรแทนที่รัศมีของทรงกลมด้วยขอบเขตล่างของระยะทางนี้ จากนั้นต้องแน่ใจว่ารัศมีของทรงกลมยังคงมีขนาดใหญ่พอที่จะทำให้กระบวนการไปถึงขอบเขตได้ [ 1 ]