Книга "Симуляция и метод Монте-Карло" является обновленным изданием классической работы, в которой авторы представляют современные разработки в области Монте-Карло метода. В книге представлены теория, методы и приложения, которые появились за последние 30 лет, и охватывают широкий спектр предметных областей, таких как инженерия, статистика, информатика, математика, а также естественные и жизненные науки. Книга начинается с введения в основные понятия вероятности, процессов Маркова и выпуклой оптимизации, после чего авторы описывают изменения, произошедшие в области Монте-Карло метода, включая новые темы, такие как метод Монте-Карло на основе цепей Маркова, методы уменьшения дисперсии, метод стохастической аппроксимации и методы оптимизации. Книга также содержит множество упражнений и приложенных примеров, а также новые главы, посвященные методу разделения и стохастическому перечислению. Книга предназначена для студентов старших курсов и начинающих аспирантов, изучающих стохастическое моделирование и методы Монте-Карло, а также для профессионалов, желающих получить более формальное понимание метода Монте-Карло.
Эта книга, доступное новое издание, исследует основные вопросы в области моделирования по методу Монте-Карло, которые возникли за последние 30 лет, и представляет звуковую основу для решения проблем. Отражает ли данная книга последние разработки в этой области? Третье издание пересмотрено с учетом последних разработок в этой сфере и представляет полный и всеобъемлющий отчет о современных теориях, методах и приложениях, возникших в процессе моделирования по методу Монтеккко со времени выхода в свет первого издания более чем четверть века назад. В то время как сохраняет свой доступный, интуитивный подход, данное издание выгодно отличается богатством современной информации, которая содействует углубленному пониманию процесса решения проблемы в большом числе областей, как, например, инженерия, статистика, математика и физические и биологические науки. Книга начинается с обновления введения, которое рассматривает базисные концепции вероятности, Марковских процессов и выпуклой оптимизации. Последующие главы обсуждают значительные перемены, которые произошли в области метода Монтекки, с включением многих новых тем, таких как: метод цепочек Монте Карло, методы уменьшения дисперсии, такие как важность (ре-) случайного отбора и метод отношения шансов, метод функции штрафа для анализа чувствительности, метод стохастической приближения и метод Монте Карло для стохастического оптимизирования, метод альтернативной энтропии для оценки редких событий и комбинаторное оптимизирование, и применение методов Монте Карло к задачам подсчета. Обширное разнообразие упражнений представлено в конце каждой главы, так же как щедрая коллекция примененных примеров. Третье издание третирует новую главу о весьма многостороннем методе деления и применении его в оценке редких событий, подсчете, моделировании и оптимизировании. Вторая новая глава инициирует метод стоимостной нумерации, который является новым быстрым последовательным методом Монте Карло в отношении поиска деревьев. Кроме того, Третье Издание содержит новый материал по следующим темам: • моделирование квадратичных процессов, Браун.
Электронная Книга «Simulation and the Monte Carlo Method» написана автором Reuven Y. Rubinstein в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118632208
Описание книги от Reuven Y. Rubinstein
This accessible new edition explores the major topics in Monte Carlo simulation that have arisen over the past 30 years and presents a sound foundation for problem solving Simulation and the Monte Carlo Method, Third Edition reflects the latest developments in the field and presents a fully updated and comprehensive account of the state-of-the-art theory, methods and applications that have emerged in Monte Carlo simulation since the publication of the classic First Edition over more than a quarter of a century ago. While maintaining its accessible and intuitive approach, this revised edition features a wealth of up-to-date information that facilitates a deeper understanding of problem solving across a wide array of subject areas, such as engineering, statistics, computer science, mathematics, and the physical and life sciences. The book begins with a modernized introduction that addresses the basic concepts of probability, Markov processes, and convex optimization. Subsequent chapters discuss the dramatic changes that have occurred in the field of the Monte Carlo method, with coverage of many modern topics including: Markov Chain Monte Carlo, variance reduction techniques such as importance (re-)sampling, and the transform likelihood ratio method, the score function method for sensitivity analysis, the stochastic approximation method and the stochastic counter-part method for Monte Carlo optimization, the cross-entropy method for rare events estimation and combinatorial optimization, and application of Monte Carlo techniques for counting problems. An extensive range of exercises is provided at the end of each chapter, as well as a generous sampling of applied examples. The Third Edition features a new chapter on the highly versatile splitting method, with applications to rare-event estimation, counting, sampling, and optimization. A second new chapter introduces the stochastic enumeration method, which is a new fast sequential Monte Carlo method for tree search. In addition, the Third Edition features new material on: • Random number generation, including multiple-recursive generators and the Mersenne Twister • Simulation of Gaussian processes, Brownian motion, and diffusion processes • Multilevel Monte Carlo method • New enhancements of the cross-entropy (CE) method, including the “improved” CE method, which uses sampling from the zero-variance distribution to find the optimal importance sampling parameters • Over 100 algorithms in modern pseudo code with flow control • Over 25 new exercises Simulation and the Monte Carlo Method, Third Edition is an excellent text for upper-undergraduate and beginning graduate courses in stochastic simulation and Monte Carlo techniques. The book also serves as a valuable reference for professionals who would like to achieve a more formal understanding of the Monte Carlo method. Reuven Y. Rubinstein, DSc, was Professor Emeritus in the Faculty of Industrial Engineering and Management at Technion-Israel Institute of Technology. He served as a consultant at numerous large-scale organizations, such as IBM, Motorola, and NEC. The author of over 100 articles and six books, Dr. Rubinstein was also the inventor of the popular score-function method in simulation analysis and generic cross-entropy methods for combinatorial optimization and counting. Dirk P. Kroese, PhD, is a Professor of Mathematics and Statistics in the School of Mathematics and Physics of The University of Queensland, Australia. He has published over 100 articles and four books in a wide range of areas in applied probability and statistics, including Monte Carlo methods, cross-entropy, randomized algorithms, tele-traffic c theory, reliability, computational statistics, applied probability, and stochastic modeling.
