两类随机微分方程数值方法的强收敛性分析-计算数学专业论文.docxVIP

Strong Convergence Analysis of Numerical Methods for Two Classes of Stochastic Di?erential Equations Candidate Zhiping Yan Supervisor Professor Aiguo Xiao College Mathematics and Computational Science Program Computational Mathematics Specialization Numerical Methods for Stochastic Di?erential Equations Degree Master of Science University Xiangtan University Date April 12th, 2015 湘潭大学 学位论文原创性声明 本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人 或集体己经发表或撰写的成果作品 。对本文的研究做出重要贡献的个人和集体， 均己在文中以明确方式标明 。本人完全意识到本声明的法律后果由本人承担。 作者签名:轩毛? 日期: 年5 月 1日 学位论文版权使用授权书 本学位论文作 者完全了解 学校有关保留、使用学位论文 的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编入有关数据库进 行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名: 导师签名 : 号?老干 日期:同年5月 1锣日 向日叫了可月Jfl 日 I I 摘 要 近几十年里，随机（延迟）微分方程的理论分析、计算方法和实际应用都已被广泛地讨 论。随着对物理学、医学、动力学、经济学、生物等领域的探索和研究，人们发现带有记忆的 随机模型能更加真实地描述自然界中的客观规律。这些模型不仅依赖于当前状态以及过去 某些时刻的状态或整个历史的状态，甚至还依赖于过去状态量的导数，这就产生了随机分数 阶微分方程（SFDEs）和中立型随机延迟微分方程（NSDDEs）。对于SFDEs 以及NSDDEs， 目前大部分都不能够获得其精确解的解析表达式，因此数值算法的研究具有相当的重要性。 目前文献中研究NSDDEs 的数值方法大多数是在全局（局部）Lipchtiz 和线性增长条件下 进行的，并且对于SFDEs 的数值算法仅有少量的文献可供参考。不确定性、中立性和分数 阶导数的存在，使得求解此两类问题具有挑战性。因此寻找求解这两类问题的有效的数值 方法是相当有必要的。本文主要内容包括： 在第一章，简要叙述了NSDDEs 和SFDEs 的研究背景、研究现状和所取得的成果以及 本文的主要工作，并且给出了本文中的符号说明。 在第二章，阐述了随机分析以及分数微积分理论的基础知识，以方便本文的研究。 在第三章，针对NSDDEs，提出了分裂步θ（SST）方法。对于θ ∈ [0, 1]，在漂移和扩散 系数分别关于延迟量具有高度非线性的条件下，我们证明了SST 方法的强收敛性和强收敛 阶为 1 。最后，根据数值试验说明了理论分析的正确性。 2 22在第四章，对于SFDEs，首先提出了Euler-Maruyama（EM）方法；然后，在漂移和扩散 系数分别都满足全局Lipchitz 和线性增长条件下，当α ∈ ( 1 , 1] 时，证明了EM 方法的强收 敛性和强收敛阶为α ? 1 ；最后，利用数值试验验证了获得的相应理论结果。 2 2 关键词: 中立型随机延迟微分方程；随机分数阶微分方程；分裂步θ方法；Euler-Maruyama方 法；强收敛性。 I II Abstract The theory, computation and applications of stochastic (delay) di?erential equations (SDEs or SDDEs) have been extensively discussed in the recent decades. By exploration and study on physics, medicine, dynamics, ecology, biology and other ?elds, many stochastic models with fractional derivatives can more really describe the objective laws