[论文解读] Local antithetic sampling with scrambled nets

Art B. Owen|Nov 4, 2008

Numerical Methods and Algorithms参考文献 27被引用 28

一句话总结

本文提出将局部对称抽样与随机化混合数字网结合，以改进随机化准蒙特卡罗（RQMC）积分中的方差减少。通过使用方框折叠法在局部邻域内折叠点，该方法实现了均方根误差（RMSE）为 O(n^{-3/2 - 1/d + ε})，相较于标准 RQMC 和对称抽样方法，虽为适度但具有实际意义的改进，尤其适用于中等维度下的光滑被积函数。

ABSTRACT

We consider the problem of computing an approximation to the integral $I=\int_{[0,1]^d}f(x) dx$. Monte Carlo (MC) sampling typically attains a root mean squared error (RMSE) of $O(n^{-1/2})$ from $n$ independent random function evaluations. By contrast, quasi-Monte Carlo (QMC) sampling using carefully equispaced evaluation points can attain the rate $O(n^{-1+\varepsilon})$ for any $\varepsilon>0$ and randomized QMC (RQMC) can attain the RMSE $O(n^{-3/2+\varepsilon})$, both under mild conditions on $f$. Classical variance reduction methods for MC can be adapted to QMC. Published results combining QMC with importance sampling and with control variates have found worthwhile improvements, but no change in the error rate. This paper extends the classical variance reduction method of antithetic sampling and combines it with RQMC. One such method is shown to bring a modest improvement in the RMSE rate, attaining $O(n^{-3/2-1/d+\varepsilon})$ for any $\varepsilon>0$, for smooth enough $f$.

研究动机与目标

• 提升随机化准蒙特卡罗（RQMC）积分的均方根误差（RMSE）速率，超越标准的 O(n^{-3/2 + ε}) 速率。
• 将经典对称抽样（通常用于蒙特卡罗方法）适配至带有随机化网的准蒙特卡罗框架。
• 探究局部对称抽样（利用光滑函数的局部线性性质）是否能获得优于全局对称抽样的收敛速率。
• 开发并分析一种引入局部对称性的方框折叠方案。
• 证明通过局部对称抽样实现的方差减少可提升 RQMC 方法中的 RMSE 速率，而不仅改善常数项。

提出的方法

• 提出一种方框折叠方案，基于参数向量 ρ = (r₁,…,r_d)，通过分量折叠方式在局部邻域内反射点，其中 r_j 的选择用于在各维度间平衡分辨率。
• 将折叠操作应用于随机化数字网，生成围绕中心点对称的点对，以利用光滑函数中的局部对称性。
• 采用混合方法，结合单项式立方规则与随机化网，其中每个网点通过折叠生成 2^d 个对称点。
• 使用基于 Walsh 函数与数字网结构的改进方差分解，重点分析折叠导致的系数减少。
• 应用数字网的平衡性质以消除高阶项，并通过非零系数的数量及其衰减速率来界定方差贡献。
• 通过分析折叠导致 Walsh 系数大小的减少，推导出方差界，表明受影响分量的衰减速率为 O(n^{-1/d})。

实验结果

研究问题

• RQ1 局部对称抽样能否在随机化准蒙特卡罗积分中实现超越标准 O(n^{-3/2 + ε}) 速率的 RMSE 速率提升？
• RQ2 将随机化数字网与局部折叠操作结合，是否能获得比标准对称抽样或控制变量在 RQMC 中更快的收敛速率？
• RQ3 折叠对数字网中 Walsh 系数衰减与方差贡献的理论影响是什么？
• RQ4 局部对称抽样带来的改进如何随维度 d 变化？其是否依赖于被积函数的有效维度？
• RQ5 方框折叠方案能否被解释为数字网与单项式立方规则的混合？该解释是否有助于方差分析？

主要发现

• 方框折叠方案对双重光滑函数实现了 O((log n)^{d-1} / n^{3 + 2/d}) 的 RMSE，对任意 ε > 0，其等价于 O(n^{-3/2 - 1/d + ε})。
• RMSE 速率的提升源于折叠导致 Walsh 系数大小的减小，尤其在折叠方向的分量上，其衰减速率为 O(n^{-1/d}) 每个受影响维度。
• 每个函数分量 fv（v ⊂ {1,…,d}）的方差贡献被限制在 O((log n)^{|v|-1} / n^{3 + 2/|v|})，当 |v| = d 时，该全维项占主导地位。
• 与仅降低常数因子而不改变速率的标准对称抽样相比，该方法显著提升了 RMSE 速率。
• 理论改进在低至中等维度下最为显著，因为随着 d 增大，速率增益会减弱。
• 该结果在弱于先前工作的光滑性条件下成立，并纠正了早期关于随机化网方差界推导中的错误。