การจำลองมอนติคาร์โลหลายระดับ
การจำลองมอนติคาร์โลหลายระดับ (Multilevel Monte Carlo: MLMC) เป็นเทคนิคการลดความแปรปรวนที่ใช้ประมาณค่าคาดหวังโดยการรวมผลการจำลองที่ดำเนินการในระดับความละเอียดเชิงตัวเลขที่แตกต่างกันหลายระดับ การจำลองแบบหยาบและราคาถูกจะจับสัญญาณส่วนใหญ่ไว้ ในขณะที่การจำลองแบบละเอียดและมีราคาแพงจะแก้ไขเฉพาะความแตกต่างเล็กน้อยที่เหลืออยู่ ซึ่งช่วยลดต้นทุนการคำนวณโดยรวมได้อย่างมากเมื่อเทียบกับการใช้มอนติคาร์โลแบบมาตรฐานที่ระดับละเอียดที่สุดเพียงอย่างเดียว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/th/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.
- Markov Chain Monte Carlo (MCMC)การจำลอง↔ compare
- การจำลองแบบมอนติคาร์โลการตัดสินใจ↔ compare
- Particle Filter (Sequential Monte Carlo)เบย์↔ compare
- Sequential Monte Carloเบย์↔ compare