[논문 리뷰] Importance sampling in path space for diffusion processes

Wei Zhang, Carsten Hartmann외 2명|arXiv (Cornell University)|2013. 01. 01.

Advanced Mathematical Modeling in Engineering참고 문헌 6인용 수 4

한 줄 요약

이 논문은 몽테카를로 분산을 줄이기 위해 제어력을 사용하는 확산 과정에 대한 중요도 표본화 방법을 제안한다. 해밀턴-자코비-벨리만 방정식에서 유도된 최적 제어력을 근사화함으로써, 점점 더 최적의 추정기와 유한한 분산을 달성하는 방법이며, 수치 예제를 통해 검증된다.

ABSTRACT

Abstract. Importance sampling is a widely used technique to reduce the variance of the Monte Carlo method. It uses the idea of change of measure to design efficient Monte Carlo estimators. In this work, we study the importance sampling method in the framework of diffusion process and consider the change of measures which can be realized by adding a control force to the original dynamics. For certain exponential-type expectations, the corresponding control force of the optimal change of measure leads to a zero-variance estimator that is related to the solution of a Hamilton-Jacobi-Bellmann equation. We first show that, for a general suboptimal control force, the variance of the resulting estimator is bounded by the L ∞ distance between the suboptimal and the optimal control force. We consider three situations in which we can approximate this optimal control force, thus obtaining efficient estimators with small variance. Numerical examples show the effectiveness of these approximation strategies. The asymptotic optimality of the change of measure approach is proved.

연구 동기 및 목표

• 확산 과정에 대한 몽테카를로 추정기의 분산을 줄이기 위해 중요도 표본화를 적용한다.
• 스토케스틱 역학에서 제어력에 의한 측도 변화의 프레임워크를 개발한다.
• 지수형 기대값에 대해 분산이 0이 되는 최적 제어력을 근사한다.
• 부적절한 제어력과 최적 제어력 간의 L∞ 거리에 기반한 분산에 대한 이론적 경계를 수립한다.
• 제안된 측도 변화 접근법의 점점 더 최적의 성능을 입증한다.

제안 방법

• 원래의 확산 역학에 제어력을 추가함으로써 측도 변화를 사용한다.
• 최적 제어력을 해밀턴-자코비-벨리만(Hamilton-Jacobi-Bellman) 방정식의 해로부터 유도한다.
• 추정기의 분산을 부적절한 제어력과 최적 제어력 간의 차이의 L∞ 노름에 묶는다.
• 실제 구현을 가능하게 하기 위해 최적 제어력에 대한 세 가지 근사 전략을 제안한다.
• 수치 예제를 활용해 근사된 제어력의 효율성을 검증한다.
• 제안된 프레임워크 하에서 측도 변화 접근법의 점점 더 최적의 성능을 증명한다.

실험 결과

연구 질문

• RQ1 제어 기반 측도 변화를 사용하여 중요도 표본화를 어떻게 효과적으로 확산 과정에 적용할 수 있는가?
• RQ2 부적절한 제어력과 추정기 분산 사이의 관계는 무엇인가?
• RQ3 실제로 최적 제어력을 근사하면서 낮은 분산을 유지할 수 있는가?
• RQ4 부적절한 제어력 하에서 추정기의 분산에 대해 어떤 이론적 보장을 확보할 수 있는가?
• RQ5 제안된 측도 변화 접근법은 지수형 기대값에 대해 점점 더 최적의 성능을 보이는가?

주요 결과

• 중요도 표본화 추정기의 분산은 부적절한 제어력과 최적 제어력 간의 L∞ 거리로 제한된다.
• 최적 제어력은 확산 경로에 대한 지수형 기대값에 대해 분산이 0인 추정기를 이끈다.
• 최적 제어력에 대한 세 가지 실용적인 근사 전략이 제안되었으며, 이는 낮은 분산의 추정기를 제공한다.
• 수치 예제를 통해 근사 전략의 효과성이 분산 감소 측면에서 확인된다.
• 제안된 측도 변화 접근법은 제안된 프레임워크 하에서 점점 더 최적의 성능을 입증된다.
• 이 방법은 확산 과정에 대한 효율적인 몽테카를로 추정기 설계를 체계적으로 제공한다.