全局自适应拟Monte Carlo技术在数字期权中的运用

运用优化分层Monte Carlo模拟和比例分层Monte Carlo模拟两种方法计算数字期权的Δ值,结果表明优化分层Monte Carlo模拟计算的效果优于比例分层Monte Carlo模拟。针对优化分层Monte Carlo不能有效地配置模拟样本点资源以及计算速度较慢的缺点,采用全局自适应拟Monte Carlo模拟方法计算数字期权的Δ值,并对优化分层Monte Carlo模拟方法和全局自适应拟Monte Carlo模拟方法的计算结果进行比较。结果表明,在期权定价方面,全局自适应拟Monte Carlo模拟方法比优化分层Monte Carlo的计算精度和效率更高、计算方差和误差更小。

自适应拟蒙特卡罗多极值优化方法(英文)

拟蒙特卡罗搜索方法能用来有效地解决不可微优化问题 .借用遗传算法中种群的概念 ,介绍了一种解全局优化的拟蒙特卡罗自适应搜索算法 .由于应用了自适应搜索技术 ,局部搜索能够快速找到局部极值 .同时 ,拟随机序列的低偏差性保证了函数定义域能够被均匀地搜索 ,为找到多个局部极值包括全局极值提供了保证 .

基于修正拟牛顿方程解非线性方程组问题的非单调自适应信赖域算法

基于修正拟牛顿方程,结合一种新的非单调策略,设计了一种新的解非线性方程组问题的非单调自适应信赖域算法,分析了算法的全局收敛性.进一步的数值实验表明算法是有效的,并且适于求解大规模问题.

基于模糊不确定性的自适应采样

提出一种用于Monte Carlo全局光照的自适应采样方法,使得合成图像时对每个像素采用不同的采样数量,以提高间接光照的表现效果,降低图像总体噪声水平.考虑到图像或像素噪声水平的评价具有内在的模糊不确定性,基于模糊理论,以像素样本光照为基本元素建立模糊集合,利用模糊集的模糊度提出一种新的像素噪声水平评价标准.在新评价标准的基础之上实施自适应采样,首先对像素进行少量采样,然后根据新标准评价其噪声水平,并有针对性地对噪声水平较高的像素使用较多的采样样本.通过大量实验,验证了文中方法比已有的自适应采样方法更好.

一种改进的自适应灰度图像分割方法

针对灰度不均匀图像分割提出了一种自适应灰度值的图像分割方法,该方法基于水平集理论,结合目标图像和背景的灰度值信息,将全局与局部信息进行自适应线性拟合,然后进行图像分割,避免分割陷入局部最优,对噪声具有很好的鲁棒性。实验表明,该方法能够有效地抵抗噪声干扰,可以自适应图像不均匀灰度信息,对图像进行分割,可得到全局最优分割。

遗传算法在三重介质试井分析中的应用

三重介质试井分析需要解释的参数较多,用人工拟合非常困难。遗传算法具有全局收敛性,是一种不用梯度信息的自适应非线性优化算法。实例研究表明,利用遗传算法进行三重介质试井解释自动拟合,效果很好,提高了压力史的拟合速度和精度。