随机微分方程数值解法

随机微分方程数值解法2013年11月18日随机微分方程数值解法1.随机微分方程概述1.1布朗运动介绍1.2随机积分1.3两种形式的随机微分方程2.随机微分方程数值方法介绍2.1随机Taylor展开2.1Euler方法2.2Milstein方法3.数值试验3.1精度数值试验3.2稳定性数值试验1.随机微分方程概述布朗运动是历史上最早被认真研究过的随机过程。1827年，英国生物学家布朗(RobertBrown)首先观察和研究了悬浮在液体中的细小花粉微粒受到水分子连续撞击形成的运动情况，布朗运动也因此而得名。1905年爱因斯坦(Einstein)对它做出了合理的物理解释并求出了微粒的转移密度，1918年维纳(NorbertWiener)在数学上严格地定义了布朗运动(因此它有时也称为维纳过程)。现在布朗运动已经成为了描述随机现象的基石。1.1布朗运动介绍物理上理解，布朗运动的起因是液体的所有分子都处在运动中，而且相互碰撞，从而微粒周围有大量的分子以微小但起伏不定的力共同作用于它，使它被迫作不规则运动。如果用表示微粒在时刻所处位置的一个坐标，由于液体是均匀的，自然设想从时刻到的位移是许多几乎完全独立的小位移之和，因而根据中心极限定理，可以合理的假定服从正态分布，而且对于不同时间段的位移应该是相互独立的。因此，布朗运动有如下定义：()Stt1t2t21ttXX21ttXXtX定义1.1一个随机过程,它在一个微小时间间隔之间内的变化为。如果1);2)，其中为一常数。3)对于任何两个不同时间间隔,的值相互独立,即独立增量。称随机变量的运动遵循(标准)维纳过程或者布朗运动。若，则称为标准布朗运动或标准Wiener过程。{(),0}WttWtW(0)0W2(0,)WNt021()Wt{(),0}Wtt注：1）布朗运动是处处连续的，并且它是处处是不可微的。直观上来看，这意味着它的运动轨迹相当曲折。2）对于标准布朗运动，，即若记随机变量则有形式上看，当时，如同普通微积分中的情形，有：由于布朗运动是处处不可微的，此处的只能视为一种简单记法。(0,)WNt(0,1),WtN(0,1),N.Wt0t,dWdtdW布朗运动的模拟以下对一维的布朗运动进行随机模拟。一维的布朗运动可以看做质点在直线上作简单随机游动，则表示质点在时刻时在直线上的位置。利用Matlab模拟布朗运动的程序代码如下：%布朗运动的模拟randn('state',100)%设置随机数发生器的状态T=1；N=500；dt=T/N；dW=zeros(1,N);%布朗增量存放位置W=zeros(1,N)；%预分配，提高效率dW(1)=sqrt(dt)*randn；%循环前的初始化W(1)=dW(1)；%Matlab中数组下标从1开始，故W(0)=0不允许forj=2:NdW(j)=sqrt(dt)*randn；()WttW(j)=W(j-1)+dW(j);endplot([0:dt:T],[0,W],’r-’)%绘图xlabel(’t’,’FontSize’,16)ylabel(’W(t)’,’FontSize’,16,’Rotation’,0)00.10.20.30.40.50.60.70.80.91-0.500.51tW(t)图1布朗运动还可以如下进行模拟：randn('state',100)T=1；N=500；dt=T/N；dW=sqrt(dt)*randn(1,N)；%向量化,提高运算效率W=cumsum(dW);%累加和计算命令，W(j)=dW(1)+dW(2)+…+dW(j)；j=1,…Nplot([0:dt:T],[0,W],’r-’)%绘图xlabel(’t’,’FontSize’,16)ylabel(’W(t)’,’FontSize’,16,’Rotation’,0)111.2随机积分随机积分分为Itó型随机积分和Stratonovich型随机积分。以下假设Wiener过程定义在概率空间上，为的上升滤子（即且对)，对任意，关于可测，且满足此外，对随机过程引入以下三个条件：(),0Wtt(,,)FP{,0}tFtF,tFF12120,ttttFF0st()WstFE(()|)()..,sWtFWsasE(()()|)0..,sWtWsFas{(),0},0,XttT关于可测；(1)即为可测的；(2)(3)以下是Itó型随机积分的定义：定义1.2设为标准布朗运动，随机过程满足条件(1)-(3)。对，将作划分，任取令若随机变量序列()Xt[0,]T0,(),ttXtF()XttF20E(()),TXtdt2E(()),0.Xtt{(),0}Wtt{(),0}Xtt[0,][0,]tT[0,]t0120,nttttt11(1),max,kkkkkntttknt(4)均方收敛于唯一极限，则称(5)为关于在上的Itó积分。上述定义中，作和式（4）时不能像通常积分那样，在中任取，否则可能导致均方极限不存在。（5）中取的是的的左端点，得到Itó型随机积分。111()(()()),1,2,3nkkkkXtWtWtn1101lim()(()())()()ntkkknkXtWtWtXtdWt{(),0}Xtt{(),0}Wtt[0,]tkt1[,]kktt1[,]kktt1kt0()()tXtdWt若取区间的中点时，就得到Stratonovich型积分，记为。1[,]kktt1()/2kktt0()()tXtdWt1.3两种形式的随机微分方程随机微分方程亦分为Itó型随机微分方程和Stratonovich型随机微分方程。目前研究的较多的Itó型随机微分方程的一般形式如下：(6)其中均为上的Borel可测函数，分别被称为漂移系数和扩散系数。()(,())(,())(),dytftytdtgtytdWt00012(),[,],()((),(),,()),dytyttTWtWtWtWt2000E,:[,],:[,],mmmmdyfRtTRgRtTR,fg0[,]tT方程(6)的积分形式为：(7)其中的随机积分为Itó型随机积分。若将Itó型随机积分替换为Stratonovich型随机积分，则(7)式变为(8)对应的微分方程为(9)000()()(,())(,())(),ttttytytfsysdsgsysdWs000()()(,())(,())(),ttttytytfsysdsgsysdWs()(,())(,())(),dytftytdtgtytdWt方程（9）即为Stratonovich型随机微分方程。注：1)Itó型随机微分方程(6)和Stratonovich型随机微分方程（9）是可以相互转换的。在标量情形下，对方程（6）令在矢量情形下，令其中则方程（6）可以转化为Stratonovich性随机微分方程如下：1(,())(,())(,())(,()),2gftytftyttytgtyty111(,())(,())(,())(,()),2mdikijkijkjgftytftyttytgtyty1,,.im()(,())(,())().dytftytdtgtytdWt注：1)大部分随机微分方程的解析解是无法获得的，可以求得解析解的随机微分方程多为线性随机微分方程。2)有些随机微分方程的解析解虽然可以求到，但是形式很复杂，处理起来很不方便。3)在实际应用中，实用的方法是在计算机上进行数值求解，即不直接求出的解析解，而是在解所存在的区间上，求得一系列点上的近似值。()yt(1,2,)nxn2.随机微分方程数值方法介绍目前随机微分方程的数值求解方法有Euler方法、Milstein方法、Runge-Kutta方法等。Runge-Kutta方法的复杂程度比Euler方法和Milstein方法的程度要高。在实际应用中，一般情况下用Euler方法和Milstein方法来对模型进行数值模拟。由于Itó型随机微分方程与Stratonovich型随机微分方程是可以相互相互转化的，以下介绍求解Itó型随机微分方程(6)的Euler方法和Milstein方法。首先给出随机微分方程解的存在唯一性定理以及数值方法强收敛与弱收敛的定义如下：定理2.1(解的存在唯一性定理）若满足(i)(线性增长条件）存在正常数使得(ii)(Lipschitz条件）存在正常数使得且有，则方程(6)存在唯一解且。,fg1L2221(,)(,)(1),,ftxgtxLxxR2L2(,)(,)(,)(,),,ftxftygtxgtyLxyxR20Ey2E()yt定义2.1(强收敛性)若存在常数(与独立)，，使得则称该数值方法是阶强收敛的。定义2.2(弱收敛性）若对适当的次可微的多项式，存在，使得：则称该数值方法是阶弱收敛的。0Ch0E(()),(0,),pnnytyChhp2(1)p0,0CE[(())]E[()],(0,),pnnytyChhp强收敛性与弱收敛性是数值方法的两种收敛性评价标准。强收敛性要求对随机微分方程进行数值模拟时，数值近似的轨迹必须充分接近真实轨迹。弱收敛则并不关注解过程的轨迹，而仅仅是解过程的矩性质。2.1随机Taylor展开方便起见，对如下的标量自治型随机微分方程进行讨论：(10)其中是标准Wiener过程。随机Taylor展开式是随机微分方程数值算法的基础，Euler算法和Milstein算法都是在随机Taylor展开式不同的地方截断而得到的数值算法。设是正整数，利用随机Taylor展开式和Itó公式，可以得到：()(())(())(),dytfytdtgytdWt0000[,],(),R,ttTXtXX()WtN00()/,,nhTtNttnh其中是余项，算子和分别为则(10)式可以写为：101011100()()(())(())(())(()),(11)nnnnnnytytIfytIgytILgytILfytRR0L1L202121()(),().2LfygyLgyyyy01220011,,11,[()],22nnIhIWIhIWh(12)求解方程(10)的Euler方法和Milstein方法均是在(12)的基础上进行截断而得到的。2122121122()()(())(())()(())(())(())(())(()).nnnnnnnnnnnytythfytwgytwhgytgythfytfytgfytR2.2Euler方法对于方程(9)，Euler方法的格式如下：(13)注：1）Euler方法的强收敛阶是，弱收敛阶是1.2)方法(13)为显式的Euler方法，还有如下形式的半隐式Euler方法和半隐式Euler方法：半隐式Euler方法:隐式Euler方法：1()()nnnnnyyfyhgyw1/211(1)()()(),[0,1],nnnnnnyyfyfyhgyw111()().nnnnnyyfyhgyw2.3Milstein方法对于方程(10)，Milstein方法的格式如下：(14)注：1）Milsten方法的强收敛阶是1.2)方法(14)为显式的Milsten方法，还有如下形式的半隐式Milstein方法和半隐式Milsten方法：半隐式Milsten方法:2112()()()()()nnnnnnnnyyfyhgywwhgygy11212(1)()()()()()(),[0,1],nnnnnnnnnyyfyfyhwgywhgygy