کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10681312 1013833 2013 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A novel adaptive importance sampling algorithm based on Markov chain and low-discrepancy sequence
ترجمه فارسی عنوان
یک الگوریتم نمونه برداری با اهمیت تطبیقی ​​بر اساس زنجیره مارکوف و توالی کم اختلاف
کلمات کلیدی
قابلیت اطمینان، نمونه گیری اهمیت، زنجیره مارکوف، توالی کم اختلاف، شبیه سازی مونت کارلو،
ترجمه چکیده
برای تعیین تخمین احتمال شکست ساختار، یک روش نمونه برداری با اهمیت تطبیقی ​​جدید پیشنهاد شده است. این الگوریتم مارکف به درستی با استفاده از الگوریتم زنجیره ای برای رسیدن به یک روش نمونه گیری اهمیت سازگار می باشد. مفهوم اصلی پیشنهاد توزیع پیشنهادات زنجیره مارکوف را به عنوان چگالی نمونه گیری اهمیت می دهد. دولت های زنجیره مارکوف می توانند نقاط مهم شکست را تسریع کنند بنابراین نمونه گیری اهمیت بر اساس آنها یک برآورد کارآمد و دقیق از احتمال شکست انجام می دهد. در مقایسه با روش های موجود، نیازی به حل نقطه طراحی (ها) یا پیش نمونه برداری در ناحیه شکست نیست. مثالهای مختلف برای نشان دادن مزایای روش پیشنهادی ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی هوافضا
چکیده انگلیسی
A novel adaptive importance sampling method is proposed to estimate the structural failure probability. It properly utilizes Markov chain algorithm to form an adaptive importance sampling procedure. The main concept is suggesting the proposal distributions of Markov chain as the importance sampling density. Markov chain states can adaptively populate the important failure regions thus the importance sampling based on them will yield an efficient and accurate estimate of the failure probability. Compared with existent methods, it does not need the solution of the design point(s) or the pre-sampling in the failure region. Various examples are given to demonstrate the advantages of the proposed method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Aerospace Science and Technology - Volume 29, Issue 1, August 2013, Pages 253-261
نویسندگان
, , , ,