随机系统基础.docVIP

第九讲 随机系统与随机微分方程 Desmond J. Higham?, An Algorithmic Introduction to Numerical Simulation of Stochastic Differential Equations, SIAM REVIEW 2001, Vol. 43,No . 3,pp . 525–546 C. W. Gardiner, Handbook of Stochastic Methods, Springer, 1996, (中文版，上海科技出版社) 9.1 布朗运动 十九世纪末之前，人们都认为微分方程求解解释自然现象，只要收集数据，则我们可以预测未来。但是，量子力学基于纯粹的统计原理，二是混沌的出现发现微小的误差可以被迅速放大，这使得人们对于预测未来的信心开始怀疑。 1827年Rober Brown研究了悬浮在液体表面的颗粒无规则运动以证实分子的存在，这种运动的数学解释是1905年Einstein给出的。 假设个粒子悬浮在液体中，时间间隔远小于观测时间内，单个粒子坐标增加一个量，位移在和之间的粒子数目为，满足 这里就是概率密度，满足 ， 设为单位体积内粒子数目，那么经过时间间隔，时间通过点和之间的粒子数目为 按照小参数展开得到 令，上式化为 这就是著名的扩散方程，偏微分方程的一种。其解为 可以看出，沿x轴的方差为 是随着时间增加而增加的。 法国物理学家Langevin提出了认为比爱因斯坦更加简单的办法描述布朗运动 受力分成二部分，一為粘滯阻力-αv，一為隨机作用力（实际就是噪声），粘滯阻力仍來自介質分子對顆粒的碰撞，將顆粒看作半徑為a 的小球，在粘滯系數為η的流體中運動，則有 上式稱為斯托克斯公式(stokes’s law)。將上式對大量顆粒子求平均，即把大群顆的運動方程相加然後用顆粒數，Langevin推导出 这里是波尔兹曼常数，而由扩散方程(diffusion equation) 已经得到，那么比较可得 这是和实际相符合的。正是由于对于布朗运动的研究，诞生了第一个随机微分方程 经过Ornstein, Langevin, 和Winer 1918年严格的数学描述，此后Brown运动专指Winer过程。 标准的Winer过程是在时间间隔内的连续随机变量，满足下面三个条件： A：，以概率1 B：对于时刻，变量的增量-为正态分布，均值为0，方差为，即-， C对于时刻，增量-和增量-是相互独立的，又称为独立增量过程。 从计算的角度，我们把Winer过程离散化，采样时间，这里整数N，我们记，那么，按照上面条件有： A： B：， C ，且不同下标下相互独立 例子：Matlab仿真布朗运动 %BPATH1 Brownian path simulation randn(state,100) % set the state of randn T = 1; N = 50; dt = T/N; dW = zeros(1,N); % preallocate arrays 预先分配内存 W = zeros(1,N); % for efficiency dW(1) = sqrt(dt)*randn; % first approximation outside the loop ... W(1) = dW(1); % since W(0) = 0 is not allowed for j = 2:N dW(j) = sqrt(dt)*randn; % general increment W(j) = W(j-1) + dW(j); end plot([0:dt:T],[0,W],r-) % plot W against t xlabel(t,FontSize,16) ylabel(W(t),FontSize,16,Rotation,0) ------------------ Listing 1 M-file bpath1.m Fig.1 布朗运动的模拟 解释：不同种子能够得到不同的运动轨迹，由于Matlab向量起始下标为1，所以应该表示为，但是画的过程中将其标记为时间0。bpath1.m.这个程序效率不高，因为没有利用Matlab向量化的特点，将其优化，我们得到程序 %BPATH2 Brownian path simulation: vectorized randn(state,100) % set the state of randn T = 1; N = 50; dt = T/N; dW = sqrt(dt)*randn(1,N); % increments W = cumsum(dW); % cumulative sum plot([0:dt:T],[0,W], r-) % plot W