论文部分内容阅读
现实生活中处处存在着随机性,在生产实践及科学研宄中随机模型也有着非常重要的作用。随着科学的发展,随机模型已被渐渐应用到经济学、物理学、金融学、生物学、传播学等很多领域,然而,很多情况下随机微分方程都很难得到其解析解,这样从理论和应用领域研宄其数值解法的性质就显得很有意义。 在实际应用中,我们在研宄问题时不仅需要对象当前时刻的信息,通常还会涉及到对象过去某一时刻的状态,即历史信息。在随机微分方程的研宄中,可以加入延迟项来刻画这类问题。本文简要介绍了随机微分方程的应用背景,给出了一些现阶段对于随机延迟微分方程的研宄成果,例如随机比例方程(SPEs).研宄了对于非自治的非线性随机比例微分方程的两种数值方法:分步0法(SS0)和单腿分步0法。 研宄了分步0法的收敛性和均方稳定性。证明了在漂移系数f和扩散系数g满足全局Lipschitz条件、线性增长条件及多项式条件下,由分步0法得到的数值解是以|阶强收敛于解析解的。我们还证明了,在满足一定条件下,当|是正整数时,分步0法是均方稳定的。特别地,当0=1时,数值解对于所有的步长都是均方稳定的。我们给出了数值算例来印证主要结论。 研宄了单腿分步0法的收敛性和均方稳定性。与分步0法的情况相比,在相同的条件下我们可以得到相同的强收敛阶。然而,在微分方程满足解析解均方稳定的条件下,当*是正整数时,单腿分步0法的均方稳定性可以被提升到|<0<1,且对步长无要求。我们给出了数值算例来验证结论。