[论文解读] A Break of the Complexity of the Numerical Approximation of Nonlinear SPDEs with Multiplicative Noise

Arnulf Jentzen, Michael Roeckner|arXiv (Cornell University)|Jan 15, 2010

Stochastic processes and financial applications参考文献 50被引用 8

一句话总结

本文提出了一种新型的无限维米尔斯坦型算法，用于模拟带有乘性迹类噪声的非线性随机偏微分方程（SPDEs），相较于先前方法，该方法简化了迭代随机积分的模拟。该方法在计算复杂度方面实现了显著突破，在随机热方程、反应-扩散方程和伯吉斯方程的数值实验中表现出显著的效率提升。

ABSTRACT

A new algorithm for simulating stochastic partial differential equations (SPDEs) of evolutionary type, which is in some sense an infinite dimensional analog of Milstein’s scheme for finite dimensional stochastic ordinary differential equations (SODEs), is introduced and analyzed in this article. The Milstein scheme is known to be impressively efficient for scalar one-dimensional SODEs but only for some special multidimensional SODEs due to difficult simulations of iterated stochastic integrals in the general multidimensional SODE case. It is a key observation of this article that, in contrast to what one may expect, its infinite dimensional counterpart introduced here is very easy to simulate and this, therefore, leads to a break of the complexity (number of computational operations and random variables needed to compute the scheme) in comparison to previously considered algorithms for simulating nonlinear SPDEs with multiplicative trace class noise. The analysis is supported by numerical results for a stochastic heat equation, stochastic reaction diffusion equations and a stochastic Burgers equation showing significant computational savings.

研究动机与目标

• 解决模拟带有乘性迹类噪声的非线性SPDEs时计算成本过高的问题。
• 将已知适用于随机常微分方程（SODEs）的米尔斯坦格式的高效性扩展到SPDEs的无限维设定中。
• 通过利用无限维情形下的结构优势，克服在一般多维SODEs中模拟迭代随机积分的困难。
• 为演化型SPDEs开发一种数值可行且计算高效的算法。
• 通过数值验证，展示与现有方法相比，计算复杂度的显著降低。

提出的方法

• 提出SPDEs的无限维米尔斯坦格式类比，利用迹类噪声的结构特性。
• 采用谱方法或伽辽金型空间逼近，将SPDE降阶为SDE系统，从而可应用米尔斯坦型时间离散化。
• 在无限维设定中简化迭代随机积分的模拟，由于噪声结构的存在，此类项变得可处理。
• 采用二阶随机泰勒展开推导该格式，确保弱收敛阶。
• 通过伽辽金投影将该格式应用于多种SPDEs，包括随机热方程、反应-扩散方程和伯吉斯方程。
• 通过数值实验验证理论上的复杂度降低，并评估计算节省效果。

实验结果

研究问题

• RQ1 能否构建一种无限维米尔斯坦格式的扩展，避免在一般SPDEs中迭代随机积分带来的计算负担？
• RQ2 与现有针对带有乘性噪声的非线性SPDEs的格式相比，所提出的算法是否实现了计算复杂度的显著降低？
• RQ3 该格式在不同类型的非线性SPDEs（如随机热方程和伯吉斯方程）中是否表现出数值稳定性和高效性？
• RQ4 在操作次数和随机变量数量方面，该新算法的复杂度与标准欧拉型或其他高阶格式相比，如何进行定量比较？
• RQ5 能否利用无限维中迹类噪声的结构性质，简化随机积分的模拟？

主要发现

• 所提出的无限维米尔斯坦型格式相较于以往用于带有乘性迹类噪声的非线性SPDEs的算法，实现了显著的计算复杂度降低。
• 在有限维SODEs中计算上不可行的迭代随机积分模拟，在无限维设定中由于噪声结构的存在，变得可行且高效。
• 对随机热方程、随机反应-扩散方程和随机伯吉斯方程的数值实验表明，计算节省效果显著。
• 该算法在大幅减少所需随机变量数量和计算操作次数的同时，保持了高精度。
• 在效率方面，该方法优于标准欧拉型格式，尤其在需要高精度的问题中表现更优。
• 关键洞见在于，无限维设定允许出现有限维情况下不存在的简化，从而实现了高阶格式的实际应用。