关键词:
随机微分方程
深度学习法
米尔斯坦法
欧拉法
摘要:
随机微分方程是在确定性微分方程中加入非确定性的随机项从而产生的新方程。它在描述客观现象中起着举足轻重的作用。因此,研究随机微分方程解的形式和性态显得尤为重要。然而,一般情况下,随机微分方程的解析解无法求出。因此,寻找随机微分方程的数值解就显得尤为重要。本文在欧拉法的思想上,成功构造了深度学习训练的样本集,并采用每一轮预测的斜率与初始条件实现了损失函数的构造,成功将深度学习方法应用于求解常微分方程,并获得了优于欧拉法精度的深度学习结果;在此基础上,使用小区间样本集斜率的平均值代替欧拉法中小区间初始点斜率,结合米尔斯坦法的思想,构造出了深度学习方法的迭代格式,并成功将其应用于求解一个具体的随机微分方程(Black-Scholes方程)。数值结果表明:所构造的深度学习方法比常规的欧拉法和米尔斯坦法精度更高。