重要抽样方法.docxVIP

重要抽样方法 直接蒙特卡罗方法用于估计结构的失效概率，通用性强，简单直观，但计算效率很低，为了达到一定的模拟精度，需要抽取大量的样本点。为提高计算效率，一系列的方差缩减技术得到应用，从而产生了一系列的数值模拟算法。重要抽样方法是其中最基本也是最重要的一种，能够大幅度的缩减模拟所需抽取的样本点数量，广泛应用于各种结构的可靠性分析之中。 重要抽样方法的基本概念 造成直接蒙特卡罗方法估计失效概率效率低的主要原因，是按原概率密度函数生成的样本点，落入失效域的比例过低，也就是说，样本点中绝大部分对失效概率值的贡献是零。如果能够提高样本点落入失效域的比例，从而提高样本点对失效概率的贡献，则能够提高模拟效率，降低样本点数量。 重要抽样方法的基本原理是在保持原有样本期望值不变的情况下，改变随机变量的抽样重心，改变了现有样本空间的概率分布，使其方差减小，这样，使对最后结果贡献大的抽样出现的概率增加，抽取的样本点有更多的机会落在感兴趣的区域，使抽样点更有效，以达到减小运算时间的目的。 我们假设一个关于随机变量x的概率密度函数为，那么，可以得到以下的式子： 从上式中我们可以这样假设出一个新的函数，并且，令，这个新的函数的期望值和原先的的期望值完全相同，但是它们的方差却是完全不相同的： 可以很明显的看出，如果方差越小，那么计算的工作量就会越小，我们把例称作为重要抽样分布函数。 重要抽样的基本思路，那就是寻