شبیهسازی مونت کارلو چندسطحی
شبیهسازی مونت کارلو چندسطحی (MLMC) یک تکنیک کاهش واریانس است که با ترکیب شبیهسازیهای اجرا شده در سطوح مختلف دقت عددی، امیدها را تخمین میزند. شبیهسازیهای تقریبی و ارزان، بیشتر سیگنال را ثبت میکنند؛ شبیهسازیهای دقیق و گران، فقط تفاوت کوچک باقیمانده را تصحیح میکنند - که در مقایسه با مونت کارلو استاندارد در تنها سطح دقیقتر، هزینه محاسباتی کل را به طور چشمگیری کاهش میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Giles, M. B. (2008). Multilevel Monte Carlo path simulation. Operations Research, 56(3), 607–617. DOI: 10.1287/opre.1070.0496 ↗
- Giles, M. B. (2015). Multilevel Monte Carlo methods. Acta Numerica, 24, 259–328. DOI: 10.1017/s096249291500001x ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/fa/bayesian/multilevel-monte-carlo-simulation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- زنجیره مارکوف مونت کارلو (MCMC)شبیهسازی↔ compare
- شبیهسازی مونت کارلوتصمیمگیری↔ compare
- فیلتر ذرهای (مونت کارلوی ترتیبی)بیزی↔ compare
- مونتکارلوی ترتیبیبیزی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →