从有偏到无偏：一种新型蒙特卡洛求解Fredholm积分方程方法的理论与基准测试 Venelin Todorov 和 Ivan Dimov

《Axioms》：From Biased to Unbiased: Theory and Benchmarks for a New Monte Carlo Solver of Fredholm Integral Equations Venelin Todorov and Ivan Dimov

　　

摘要

我们研究了用于求解第二类弗雷德霍姆积分方程及其解的线性泛函的有偏和无偏蒙特卡洛算法。弗雷德霍姆积分方程在不确定性量化、贝叶斯推断、物理学、金融学、工程建模、电信系统、信号处理以及其他应用问题中提供了一个通用的数学框架，这些问题中的系统响应取决于分布式、不确定或受噪声影响的输入。比较内容包括了原始蒙特卡洛和马尔可夫链蒙特卡洛基线算法、改进的Sobol准蒙特卡洛方案（MSS变体）、经典的无偏随机算法（USA）以及一种新的方差控制无偏估计器——新型无偏随机算法（NUSA）。NUSA通过随机轨迹表示保持无偏性，并通过两种机制提高稳定性：一种是自适应吸收控制，由参数调控有效轨迹长度；另一种是基于辅助提议密度的核权重规范化，以抑制重尾权重乘积的影响。在单维和多维环境（包括规则和不连续核以及弱/强耦合情况）中的广泛实验表明，在相同的采样预算下，NUSA能够一致地减少分散度并实现比USA更小的误差。在代表性测试中，NUSA的相对误差低于，并且与USA相比，平均精度提高了大约30–50%，同时在N方面的运行时间扩展接近线性，并且具有与维度相关的竞争性扩展性。尽管NUSA每次运行的成本略高于USA，但其方差减少特性带来了更好的精度-成本平衡，尤其是在强耦合情况和更高维度下，标准无偏估计器的精度会受到方差限制。