[论文解读] Numerical scheme for semilinear Stochastic PDEs via Backward Doubly Stochastic Differential Equations

Anis Mohamed, Ben Lasmar+1 more|arXiv (Cornell University)|Feb 3, 2013

Stochastic processes and financial applications参考文献 28被引用 5

一句话总结

本文提出了一种用于求解半线性随机偏微分方程的数值概率方法，通过将解耦的前向-后向双随机微分方程进行离散化实现。在标准假设下，该方法建立了收敛性，并利用后向分量的广义路径正则性结果推导出收敛速率。

ABSTRACT

In this paper, we investigate a numerical probabilistic method for the solution of a class of semilinear stochastic partial differential equations (SPDEs in short). Our numerical scheme is based on discrete time approximation for solutions of systems of a decoupled forward-backward doubly stochastic differential equations. Under standard assumptions on the parameters, we prove the convergence and the rate of convergence of our numerical scheme. The proof is based on a generalization of the result on the path regularity of the backward equation.

研究动机与目标

• 开发一种基于概率技术求解半线性随机偏微分方程的数值方法。
• 解决传统PDE方法在高维或复杂SPDE问题中不可行的挑战。
• 为所提出的数值方案建立收敛性及其收敛速率。
• 将后向随机方程的路径正则性结果推广，以支持收敛性证明。

提出的方法

• 该方法依赖于一组解耦的前向-后向双随机微分方程（FBD-SDEs）来表示SPDE的解。
• 对FBD-SDE系统应用离散时间逼近方案，以实现数值计算。
• 前向分量建模状态过程，而后向分量捕捉SPDE的解。
• 该方案利用SPDE与双随机SDE之间的联系，确保解的随机表示。
• 通过后向方程分量的广义路径正则性结果分析收敛性。
• 该方法避免了完整的空间离散化，从而在高维情形下具备潜在可扩展性。

实验结果

研究问题

• RQ1 基于FBD-SDEs的概率数值方案能否有效求解半线性SPDEs？
• RQ2 所提出的离散时间逼近方案在SPDE求解中的收敛速率是多少？
• RQ3 后向分量的路径正则性如何影响数值方案的收敛性？
• RQ4 能否通过路径正则性扩展，将收敛性证明推广至标准假设之外的情形？
• RQ5 在通过该方法对SPDE进行数值逼近时，哪些条件能确保稳定性和准确性？

主要发现

• 在系数的标准假设下，所提出的数值方案收敛于半线性SPDE的真实解。
• 已确定收敛速率，为该方法的精度提供了定量度量。
• 收敛性证明依赖于双SDE系统后向分量的广义路径正则性结果。
• 该方法避免了完整的空间网格化，因此在高维情形下具有潜在优势。
• 该方案基于解耦的FBD-SDE系统，简化了实现与分析。
• 该方法通过后向随机动力学为SPDE解提供了概率表示。