کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6928596 1449341 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Subdiffusive discrete time random walks via Monte Carlo and subordination
ترجمه فارسی عنوان
زمان گسسته متفرقانه به طور تصادفی از طریق مونت کارلو و فرمانروایی پیروی می کند
کلمات کلیدی
انتشار ناهموار، زمان گسسته پیاده روی تصادفی محاسبات مکرر، مونت کارلو،
ترجمه چکیده
به تازگی یک کلاس از دوره های گام به گام گسسته ارائه شده است تا یک طرح عددی مبتنی بر فرآیند تصادفی برای حل معادلات دیفرانسیل مختلط مختلط، از جمله معادله خرده خرده جزئی ارائه دهد. در اینجا ما یک روش مونت کارلو را برای شبیه سازی مسیرهای اتفاقی زمان گسسته با زمان انتظار قانون قدرت سیبویا، ارائه می کنیم و یک راه حل تقریبی دیگر برای معادله زیر ذره ای کسری ارائه می دهیم. زمان محاسبه به عنوان قانون قدرت در تعداد مراحل زمان با یک شاخص کسری ساده به سادگی مربوط به مرتبه مشتق کسری است. ما همچنین یک فرم صریح از یک فرمانده برای زمان گسسته گام به گام با قوانین قدرت قانون سیبویا ارائه می دهیم. این فرمانده از زمان عملیاتی، در تعداد مورد انتظار از مراحل راه رفتن تصادفی، به زمان فیزیکی، در تعداد مراحل زمان تبدیل می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
A class of discrete time random walks has recently been introduced to provide a stochastic process based numerical scheme for solving fractional order partial differential equations, including the fractional subdiffusion equation. Here we develop a Monte Carlo method for simulating discrete time random walks with Sibuya power law waiting times, providing another approximate solution of the fractional subdiffusion equation. The computation time scales as a power law in the number of time steps with a fractional exponent simply related to the order of the fractional derivative. We also provide an explicit form of a subordinator for discrete time random walks with Sibuya power law waiting times. This subordinator transforms from an operational time, in the expected number of random walk steps, to the physical time, in the number of time steps.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Computational Physics - Volume 372, 1 November 2018, Pages 373-384
نویسندگان
, , ,