非定常输运问题适应于消息传递并行编程环境的香农熵计算方法

在多计算步的非定常输运问题的蒙特卡罗模拟中,为自动调整每一步的样本数以获得较高的计算效率,可以有多种准则.一种可选的方法是在每一步每隔若干样本监测一次系统中未死亡粒子属性分布对应的香农熵的收敛情况以决定何时停止追加样本,此种方法需要在每一步频繁计算香农熵值.由于在MPI消息传递并行编程环境下香农熵的经典计算方法必须广播大量的数据,导致每一步的计算时间随香农熵计算频率的提高而快速增大,这显然是不能满足实际需求的.本文提出了一种适应于消息传递并行编程环境的香农熵计算新方法,该方法计算得到的香农熵值并不等价于经典方法,但二者之间的差别会随着样本数的增加而趋于零.新方法的最大优势是高频计算香农熵值的时间代价大为降低,为最终实现基于香农熵收敛判断的每步样本数的自动调整奠定了必要的基础.

非定常输运模拟中基于粒子标识分类的源偏倚算法

在非定常输运问题的多步蒙特卡罗模拟中,根据粒子的不同属性进行标识分类可以得到非常细致的系统相关标识物理量.对于某些目标标识物理量,模拟的样本中造成有效贡献的样本相对较少,导致这些物理量模拟结果的涨落较大,而单靠增加总样本数不能高效地使有效样本达到一个合理的水平.本文提出一种基于标识分类的源偏倚算法,将增加的所有样本定向赋予目标类粒子,从而高效地降低目标标识物理量的统计误差且不影响非目标标识物理量的计算.以一维多层介质非定常输运模型验证上述结论.