朱偉丹,王自強
(貴州民族大學數據科學與信息工程學院,貴州 貴陽 550025)
大多數隨機微分方程的解析解不容易獲得,許多研究者通過構造數值格式來獲得數值解,常見的數值解法有Euler法[1],Milstein法[2]等,這些數值解法都是基于Ito隨機Taylor展開下在不同的地方截斷得到的[3-5],而本文將從一維隨機微分方程的積分方程形式出發,結合Simpson公式和Milstein方法的離散思想,建立了一個求解一維隨機微分方程的新的數值格式,第一部分給出隨機微分方程的高階數值格式構造的過程,第二部分給出數值運算結果。
考慮如下一維隨機微分方程:
dX(t)=f(X(t))dt+g(X(t))dw(t),0≤t≤T
(1)
滿足如下的初值條件:
X(t0)=X0
(2)
其中,f,g分別稱為漂移系數和擴散系數,w(t)為標準維納過程,并且滿足以下三個性質[3]:
1)w(0)=0(概率為1);
2)對于0≤s 3)對于0≤s (1)式可寫成如下等價積分形式: k=0,1,…,N-1 (3) 現對f(X(t))進行構造高階數值格式,將區間進行離散化,將區間[0,T]劃分成N份等分小區間,令t0=0 (4) 利用線性插值法,在區間[t0,t1]上對f(X(t))作如下逼近: f(X(t))≈ψ0(t)f(X(t0))+ψ1(t)f(X(t1)) (5) 則在區間[t0,t1]上,將(4)式和(5)式代入(3)式得到: (6) 其中ψi(t),i=0,1為線性插值基函數,定義如下: (7) 其中: (8) 在區間[t1,t2]上,利用二次拉格朗日插值法,f(X(t))在[t1,t2]作如下逼近[7]: f(X(t)) ≈φ0,1(t)f(X(t0))+φ1,1(t)f(X(t1))+ φ2,1(t)f(X(t2)) (9) 其中:φi,1(t),i=0,1,2為t0,t1,t2三個點處的二次拉格朗日插值基函數,定義如下: (10) 將(9)式代入(3)式,令k=1,t=t2得到: X(t2) (11) 其中: (12) 現在進行下一步的格式構造,假設我們已經構造出了X(t1),l=0,1,…,k,利用同樣的方法繼續構造X(tk+1)如下: X(tk+1) (13) 其中:φi,k(t),i=0,1,2;k=1,2,…,N-1為點tk-1,tk,tk+1上的二次拉格朗日插值基函數: (14) (15) 其中R是對隨機項進行Taylor展開的余項。 由文獻[4],記 G1(X(tn))=g(X(tn)), G2(X(tn))=g(X(tn)+ΔtG1(X(tn))), 則有如下式子: g(X(tn))g′(X(tn)) (16) (17) (18) 設Xk為X(tk),k=0,1,…,N的近似值,把(18)式代入(6)式,(11)式……