¿Cómo sé qué secuencia de baja discrepancia usar?


9

Cada vez que uno usa un método cuasi-Monte Carlo para cubicación u optimización, parece que hay una gran variedad de secuencias de baja discrepancia para elegir, asociadas con los nombres de van der Corput, Halton, Hammersley, Faure, Niederreiter, Sobol ', y otros nombres que no recuerdo del todo. ¿Hay alguna buena regla general sobre cómo elegir la secuencia de baja discrepancia más adecuada para sus cálculos?

Respuestas:


2

La desigualdad de Koksma-Hlawka establece que si ha limitado la variación V ( f ) en el sentido de Hardy y Krause en el hipercubo de la unidad I s , entonces el error ligado viene dado por el producto de V ( f )fV(f)IsV(f)y la discrepancia en estrellas de la secuencia utilizada. Que el error depende solo de la discrepancia arroja dos conclusiones. Primero, elija la secuencia con la menor discrepancia. En segundo lugar, la regularidad del integrando no juega ningún papel en este límite, por lo que en la práctica no es muy útil. Para incorporar más información sobre el integrando en su análisis de errores, debe realizar comparaciones experimentales entre secuencias o considerar otros enfoques además del cuasi Monte Carlo básico.


2

Tengo entendido que la situación refleja la que se encuentra en los métodos iterativos. Podemos probar resultados generales, como 1N


1

Cada secuencia SUD tiene ventajas y advertencias específicas y discutirlas llenaría muchos libros (consulte el de Lemieux para una introducción), sin embargo, en general, la más versátil resultó ser la secuencia de Sobol (asegúrese de usar los últimos parámetros de Joe y Kuo). Todos los demás siempre requieren en la práctica modificaciones adicionales significativas a los puntos integrales y LDS (por ejemplo, aleatorización) a las formulaciones básicas. Sobol 'también tiene muchos problemas, pero es lo suficientemente flexible como para ser utilizado en la mayoría de las integraciones lo suficientemente suaves en pequeñas dimensiones. De todos modos, recuerde verificar su solución de QMC con una MC (más lenta): para tamaños de muestra bajos (razonables) QMC podría devolver estimaciones sesgadas.

También hay construcciones LDS más avanzadas para adaptarse a un problema dado, pero hay poco SW disponible.

Alguna información sobre su tarea específica sería útil para enfocar una respuesta.


Realmente no tenía una tarea específica en mente cuando escribí la pregunta (era una pregunta inicial), pero sí recordé un momento en que estaba un poco abrumado por la cantidad de SUD disponibles mientras investigaba. ¡Gracias por la respuesta!
JM

0

Donde hemos usado la simulación de Monte Carlo, la recomendación (de personas que trabajan en los otros laboratorios nacionales) es usar "buenos" generadores de números pseudoaleatorios . El último en el que trabajé usó Yarrow , pero los más nuevos usarían Fortuna o Mersenne-Twister .


1
La pregunta es acerca de cuasi-Monte Carlo , no cierto Monte Carlo. Entonces sí, estoy preguntando sobre secuencias de baja discrepancia, no secuencias pseudoaleatorias. Estás respondiendo una pregunta diferente.
JM
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.