To see the other types of publications on this topic, follow the link: Méthodes de quasi Monte Carlo.
Dissertations / Theses on the topic 'Méthodes de quasi Monte Carlo'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 50 dissertations / theses for your research on the topic 'Méthodes de quasi Monte Carlo.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Browse dissertations / theses on a wide variety of disciplines and organise your bibliography correctly.
1
Koudiraty, Abdoul A. "Analyse numérique de méthodes quasi-Monte Carlo." Chambéry, 2001. http://www.theses.fr/2001CHAMS015.
Full text
2
Coulibaly, Ibrahim. "Contributions à l'analyse numérique des méthodes quasi-Monte Carlo." Phd thesis, Université Joseph Fourier (Grenoble), 1997. http://tel.archives-ouvertes.fr/tel-00004933.
Full textAbstract:
Les méthodes de type quasi-Monte Carlo sont des versions déterministes des méthodes de Monte Carlo. Les nombres aléatoires sont remplacés par des nombres déterministes qui forment des ensembles ou des suites à faible discrepance, ayant une meilleure distribution uniforme. L'erreur d'une méthode quasi-Monte Carlo dépend de la discrepance de la suite utilisée, la discrepance étant une mesure de la déviation par rapport à la distribution uniforme. Dans un premier temps nous nous intéressons à la résolution par des méthodes quasi-Monte Carlo d'équations différentielles pour lesquelles il y a peu de régularité en temps. Ces méthodes consistent à formuler le problème avec un terme intégral pour effectuer ensuite une quadrature quasi-Monte Carlo. Ensuite des méthodes particulaires quasi-Monte Carlo sont proposées pour résoudre les équations cinétiques suivantes : l'équation de Boltzmann linéaire et le modèle de Kac. Enfin, nous nous intéressons à la résolution de l'équation de la diffusion à l'aide de méthodes particulaires utilisant des marches quasi-aléatoires. Ces méthodes comportent trois étapes : un schéma d'Euler en temps, une approximation particulaire et une quadrature quasi-Monte Carlo à l'aide de réseaux-$(0,m,s)$. A chaque pas de temps les particules sont réparties par paquets dans le cas des problèmes multi-dimensionnels ou triées si le problème est uni-dimensionnel. Ceci permet de démontrer la convergence. Les tests numériques montrent pour les méthodes de type quasi-Monte Carlo de meilleurs résultats que ceux fournis par les méthodes de type Monte Carlo.
3
El, Haddad Rami. "Méthodes quasi-Monte Carlo de simulation des chaînes de Markov." Chambéry, 2008. http://www.theses.fr/2008CHAMS062.
Full textAbstract:
Les méthodes de Monte Carlo (MC) sont des méthodes probabilistes basées sur l'utilisation des nombres aléatoires dans des simulations répétées afin d'estimer un paramètre. Leurs analogues déterministes sont appelées méthodes Quasi-Monte Carlo (QMC). Leur principe consiste à remplacer les points pseudo-aléatoires par des points quasi-aléatoires déterministes (ou points à discrépance faible). Dans cette thèse, nous proposons et analysons des algorithmes du type QMC pour la simulation des chaînes de Markov multidimensionnelles. Après avoir rappelé le principe et les propriétés des méthodes MC et QMC, nous introduisons quelques modèles financiers simples, qui serviront dans la suite pour tester l'efficacité des algorithmes proposés. Nous détaillons particulièrement des modèles où l'on connait la solution exacte, afin de pouvoir vérifier dans la suite la validité des méthodes d'approximation, et comparer leur efficacité. Dans un premier temps, nous nous intéressons à la simulation des chaînes de Markov à espace d'états discret de dimension S. Nous proposons un schéma itératif QMC permettant l'approximation de la distribution de la chaîne à tout instant. Ce schéma utilise une suite (T,S+1) en base B pour les transitions. De plus, il faut ordonner les copies de la chaine suivant leurs composantes successives à chaque itération. Nous étudions la convergence du schéma en faisant des hypothèses sur la matrice de transition. Nous validons l'étude théorique par des expériences numériques issues de la finance. Les résultats obtenus permettent d'affirmer que le nouvel algorithme est plus efficace que le schéma MC traditionnel. Nous nous intéressons ensuite à la simulation des chaînes de Markov à espace d'états multidimensionnel continu. Nous proposons un schéma QMC d'approximation de la distribution de la chaîne à tout instant. Il utilise le même algorithme de tri des états simulés que dans le cas discret. Nous étudions la convergence de l'algorithme dans le cas unidimensionnel puis multidimensionnel en faisant des hypothèses supplémentaires sur les transitions. Nous illustrons la convergence de l'algorithme par des expériences numériques; leurs résultats montrent que l'approche QMC converge plus rapidement que la technique Monte Carlo. Dans la dernière partie, nous considérons le problème de l'équation de diffusion dans un milieu hétérogène. Nous utilisons une méthode de marche aléatoire en faisant une correction des pas Gaussiens. Nous mettons au point une variante QMC de cette méthode, en adaptant les idées utilisées pour la simulation des chaines de Markov. Nous testons l'efficacité de l'algorithme en dimensions 1, 2 et 3 sur un problème de diffusion d'ions calcium dans un milieu biologique. Dans toutes les expériences, les résultats des calculs QMC sont de meilleure qualité que ceux des simulations MC. Finalement, nous faisons un bilan du travail effectué et nous proposons quelques perspectives pour des travaux futurs<br>Monte Carlo (MC) methods are probabilistic methods based on the use of random numbers in repeated simulations to estimate some parameter. Their deterministic versions are called Quasi-Monte Carlo (QMC) methods. The idea is to replace pseudo-random points by deterministic quasi-random points (also known as low-discrepancy point sets or sequences). In this work, we propose and analyze QMC-based algorithms for the simulation of multidimensional Markov chains. The quasi-random points we use are (T,S)-sequences in base B. After recalling the principles of MC and QMC methods and their main properties, we introduce some plain financial models, to serve in the following as numerical examples to test the convergence of the proposed schemes. We focus on problems where the exact solution is known, in order to be able to compute the error and to compare the efficiency of the various schemes In a first part, we consider discrete-time Markov chains with S-dimensional state spaces. We propose an iterative QMC scheme for approximating the distribution of the chain at any time. The scheme uses a (T,S+1)-sequence in base b for the transitions. Additionally, one needs to re-order the copies of the chain according to their successive components at each time-step. We study the convergence of the scheme by making some assumptions on the transition matrix. We assess the accuracy of the QMC algorithm through financial examples. The results show that the new technique is more efficient than the traditional MC approach. Then, we propose a QMC algorithm for the simulation of Markov chains with multidimensional continuous state spaces. The method uses the same re-ordering step as in the discrete setting. We provide convergence results in the case of one dimensional chains and then in the case of multidimensional chains, by making additional assumptions. We illustrate the convergence of the algorithm through numerical experiments. The results show that the new method converges faster than the MC algorithm. In the last part, we consider the problem of the diffusion equation in a spatially nonhomogeneous medium. We use a random walk algorithm, in conjunction with a correction of the Gaussian Steplength. We write a QMC variant of the algorithm, by adapting the principles seen for the simulation of the Markov chains. We test the method in dimensions 1, 2 and 3 on a problem involving the diffusion of calcium ions in a biological medium. In all the simulations, the results of QMC computations show a strong improvement over MC outcomes. Finally, we give some perspectives and directions for future work
4
Ounaissi, Daoud. "Méthodes quasi-Monte Carlo et Monte Carlo : application aux calculs des estimateurs Lasso et Lasso bayésien." Thesis, Lille 1, 2016. http://www.theses.fr/2016LIL10043/document.
Full textAbstract:
La thèse contient 6 chapitres. Le premier chapitre contient une introduction à la régression linéaire et aux problèmes Lasso et Lasso bayésien. Le chapitre 2 rappelle les algorithmes d’optimisation convexe et présente l’algorithme FISTA pour calculer l’estimateur Lasso. La statistique de la convergence de cet algorithme est aussi donnée dans ce chapitre en utilisant l’entropie et l’estimateur de Pitman-Yor. Le chapitre 3 est consacré à la comparaison des méthodes quasi-Monte Carlo et Monte Carlo dans les calculs numériques du Lasso bayésien. Il sort de cette comparaison que les points de Hammersely donne les meilleurs résultats. Le chapitre 4 donne une interprétation géométrique de la fonction de partition du Lasso bayésien et l’exprime en fonction de la fonction Gamma incomplète. Ceci nous a permis de donner un critère de convergence pour l’algorithme de Metropolis Hastings. Le chapitre 5 présente l’estimateur bayésien comme la loi limite d’une équation différentielle stochastique multivariée. Ceci nous a permis de calculer le Lasso bayésien en utilisant les schémas numériques semi implicite et explicite d’Euler et les méthodes de Monte Carlo, Monte Carlo à plusieurs couches (MLMC) et l’algorithme de Metropolis Hastings. La comparaison des coûts de calcul montre que le couple (schéma semi-implicite d’Euler, MLMC) gagne contre les autres couples (schéma, méthode). Finalement dans le chapitre 6 nous avons trouvé la vitesse de convergence du Lasso bayésien vers le Lasso lorsque le rapport signal/bruit est constant et le bruit tend vers 0. Ceci nous a permis de donner de nouveaux critères pour la convergence de l’algorithme de Metropolis Hastings<br>The thesis contains 6 chapters. The first chapter contains an introduction to linear regression, the Lasso and the Bayesian Lasso problems. Chapter 2 recalls the convex optimization algorithms and presents the Fista algorithm for calculating the Lasso estimator. The properties of the convergence of this algorithm is also given in this chapter using the entropy estimator and Pitman-Yor estimator. Chapter 3 is devoted to comparison of Monte Carlo and quasi-Monte Carlo methods in numerical calculations of Bayesian Lasso. It comes out of this comparison that the Hammersely points give the best results. Chapter 4 gives a geometric interpretation of the partition function of the Bayesian lasso expressed as a function of the incomplete Gamma function. This allowed us to give a convergence criterion for the Metropolis Hastings algorithm. Chapter 5 presents the Bayesian estimator as the law limit a multivariate stochastic differential equation. This allowed us to calculate the Bayesian Lasso using numerical schemes semi-implicit and explicit Euler and methods of Monte Carlo, Monte Carlo multilevel (MLMC) and Metropolis Hastings algorithm. Comparing the calculation costs shows the couple (semi-implicit Euler scheme, MLMC) wins against the other couples (scheme method). Finally in chapter 6 we found the Lasso convergence rate of the Bayesian Lasso when the signal / noise ratio is constant and when the noise tends to 0. This allowed us to provide a new criteria for the convergence of the Metropolis algorithm Hastings
5
Tarhini, Ali. "Analyse numérique des méthodes quasi-Monte Carlo appliquées aux modèles d'agglomération." Chambéry, 2008. http://www.theses.fr/2008CHAMS015.
Full textAbstract:
Les méthodes de Monte Carlo (MC) sont des méthodes statistiques basées sur l'utilisation répétée de nombres aléatoires. Les méthodes quasi-Monte Carlo (QMC) sont des versions déterministes des méthodes de Monte Carlo. Les suites aléatoires sont remplacées par des suites à discrépance faible, qui ont une meilleure répartition uniforme dans le cube unite s- dimensionnel. Nous utilisons une classe particulière de suites à discrépance faible : les suites-(t,s). Dans ce travail, nous developpons et analysons des méthodes particulaires Monte Carlo et quasi-Monte Carlo pour les phénomènes d'agglomeration. Nous nous intéressons en particulier à la simulation numérique de l'équation de coagulation discrète (équation de Smoluchowski), de l'équation de coagulation continue, de l'équation de coagulation- fragmentation continue et de l'équation générale de la dynamique (EGD) des aérosols. Pour toutes ces méthodes particulaires, on écrit l'équation vérifiée par la distribution de masse et on approche celle-ci par une somme de n mesures de Dirac ; les mesures sont pondérées dans le cas de la simulation de l'EGD. Le schema en temps est un schema d'Euler explicite. Pour la simulation de la coagulation et de la fragmentation, l'évolution des masses des particules est déterminée par des tirages de nombres aléatoires (méthode MC) ou par des quadratures quasi-Monte Carlo (méthode QMC). Pour assurer la convergence de la méthode QMC, on ordonne les particules par taille croissante à chaque pas de temps. Dans le cas de la résolution de l'EGD, on utilise une méthode à pas fractionnaire : la simulation de la coagulation se fait comme précédemment, les autres phénomènes (condensation. évaporation, déposition) sont pris en compte par une méthode particulaire déterministe de résolution d'une équation aux dérivées partielles hyperbolique. Nous démontrons la convergence du schema particulaire QMC de résolution numérique de l'équation de coagulation et de coagulation-fragmentation, quand le nombre n des particules tend vers l'infini. Tous les essais numériques montrent que les solutions calculées par les nouveaux algorithmes QMC convergent vers les solutions exactes et fournissent de meilleurs résultats que ceux obtenus par les méthodes de Monte Carlo correspondantes<br>Monte Carlo (MC) methods are probabilistic methods based on the use of random numbers in repeated experiments. Quasi-Monte Carlo (QMC) methods are deterministic versions of Monte Carlo methods. Random sequences are replaced by low discrepancy sequences. These sequences ha ve a better uniform repartition in the s-dimensional unit cube. We use a special class of low discrepany sequences called (t,s)-sequences. In this work, we develop and analyze Monte Carlo and quasi-Monte Carlo particle methods for agglomeration phenomena. We are interested, in particular, in the numerical simulation of the discrete coagulation equations (the Smoluchowski equation), the continuous coagulation equation, the continuous coagulation-fragmentation equation and the general dynamics equation (GDE) for aerosols. In all these particle methods, we write the equation verified by the mass distribution density and we approach this density by a sum of n Dirac measures ; these measures are weighted when simulating the GDE equation. We use an explicit Euler disretiza tion scheme in time. For the simulation of coagulation and coagulation-fragmentation, the numerical particles evolves by using random numbers (for MC simulations) or by quasi-Monte Carlo quadratures. To insure the convergence of the numerical scheme, we reorder the numerical particles by their increasing mass at each time step. In the case of the GDE equation, we use a fractional step iteration scheme : coagulation is simulated as previously, other phenomena (like condensation, evaporation and deposition) are integrated by using a deterministic particle method for solving hyperbolic partial differential equation. We prove the convergence of the QMC numerical scheme in the case of the coagulation equation and the coagulation-fragmentation equation, when the number n of numerical particles goes to infinity. All our numerical tests show that the numerical solutions calculated by QMC algorithms converges to the exact solutions and gives better results than those obtained by the corresponding Monte Carlo strategies
6
Desrumaux, Pierre-François. "Méthodes statistiques pour l’estimation du rendement paramétrique des circuits intégrés analogiques et RF." Thesis, Montpellier 2, 2013. http://www.theses.fr/2013MON20126/document.
Full textAbstract:
De nombreuses sources de variabilité impactent la fabrication des circuits intégrés analogiques et RF et peuvent conduire à une dégradation du rendement. Il est donc nécessaire de mesurer leur influence le plus tôt possible dans le processus de fabrications. Les méthodes de simulation statistiques permettent ainsi d'estimer le rendement paramétrique des circuits durant la phase de conception. Cependant, les méthodes traditionnelles telles que la méthode de Monte Carlo ne sont pas assez précises lorsqu'un faible nombre de circuits est simulé. Par conséquent, il est nécessaire de créer un estimateur précis du rendement paramétrique basé sur un faible nombre de simulations. Dans cette thèse, les méthodes statistiques existantes provenant à la fois de publications en électroniques et non-Électroniques sont d'abord décrites et leurs limites sont mises en avant. Ensuite, trois nouveaux estimateurs de rendement sont proposés: une méthode de type quasi-Monte Carlo avec tri automatique des dimensions, une méthode des variables de contrôle basée sur l'estimation par noyau, et une méthode par tirage d'importance. Les trois méthodes reposent sur un modèle mathématique de la métrique de performance du circuit qui est construit à partir d'un développement de Taylor à l'ordre un. Les résultats théoriques et expérimentaux obtenus démontrent la supériorité des méthodes proposées par rapport aux méthodes existantes, à la fois en terme de précision de l'estimateur et en terme de réduction du nombre de simulations de circuits<br>Semiconductor device fabrication is a complex process which is subject to various sources of variability. These variations can impact the functionality and performance of analog integrated circuits, which leads to yield loss, potential chip modifications, delayed time to market and reduced profit. Statistical circuit simulation methods enable to estimate the parametric yield of the circuit early in the design stage so that corrections can be done before manufacturing. However, traditional methods such as Monte Carlo method and corner simulation have limitations. Therefore an accurate analog yield estimate based on a small number of circuit simulations is needed. In this thesis, existing statistical methods from electronics and non-Electronics publications are first described. However, these methods suffer from sever drawbacks such as the need of initial time-Consuming circuit simulations, or a poor scaling with the number of random variables. Second, three novel statistical methods are proposed to accurately estimate the parametric yield of analog/RF integrated circuits based on a moderate number of circuit simulations: An automatically sorted quasi-Monte Carlo method, a kernel-Based control variates method and an importance sampling method. The three methods rely on a mathematical model of the circuit performance metric which is constructed based on a truncated first-Order Taylor expansion. This modeling technique is selected as it requires a minimal number of SPICE-Like circuit simulations. Both theoretical and simulation results show that the proposed methods lead to significant speedup or improvement in accuracy compared to other existing methods
7
Marques, Ricardo. "Bayesian and Quasi-Monte Carlo spherical integration for global illumination." Phd thesis, Université Rennes 1, 2013. http://tel.archives-ouvertes.fr/tel-00979655.
Full textAbstract:
The spherical sampling of the incident radiance function entails a high computational cost. Therefore the llumination integral must be evaluated using a limited set of samples. Such a restriction raises the question of how to obtain the most accurate approximation possible with such a limited set of samples. In this thesis, we show that existing Monte Carlo-based approaches can be improved by fully exploiting the information available which is later used for careful samples placement and weighting.The first contribution of this thesis is a strategy for producing high quality Quasi-Monte Carlo (QMC) sampling patterns for spherical integration by resorting to spherical Fibonacci point sets. We show that these patterns, when applied to the rendering integral, are very simple to generate and consistently outperform existing approaches. Furthermore, we introduce theoretical aspects on QMC spherical integration that, to our knowledge, have never been used in the graphics community, such as spherical cap discrepancy and point set spherical energy. These metrics allow assessing the quality of a spherical points set for a QMC estimate of a spherical integral.In the next part of the thesis, we propose a new heoretical framework for computing the Bayesian Monte Carlo quadrature rule. Our contribution includes a novel method of quadrature computation based on spherical Gaussian functions that can be generalized to a broad class of BRDFs (any BRDF which can be approximated sum of one or more spherical Gaussian functions) and potentially to other rendering applications. We account for the BRDF sharpness by using a new computation method for the prior mean function. Lastly, we propose a fast hyperparameters evaluation method that avoids the learning step.Our last contribution is the application of BMC with an adaptive approach for evaluating the illumination integral. The idea is to compute a first BMC estimate (using a first sample set) and, if the quality criterion is not met, directly inject the result as prior knowledge on a new estimate (using another sample set). The new estimate refines the previous estimate using a new set of samples, and the process is repeated until a satisfying result is achieved.
8
Gilquin, Laurent. "Échantillonnages Monte Carlo et quasi-Monte Carlo pour l'estimation des indices de Sobol' : application à un modèle transport-urbanisme." Thesis, Université Grenoble Alpes (ComUE), 2016. http://www.theses.fr/2016GREAM042/document.
Full textAbstract:
Le développement et l'utilisation de modèles intégrés transport-urbanisme sont devenus une norme pour représenter les interactions entre l'usage des sols et le transport de biens et d'individus sur un territoire. Ces modèles sont souvent utilisés comme outils d'aide à la décision pour des politiques de planification urbaine.Les modèles transport-urbanisme, et plus généralement les modèles mathématiques, sont pour la majorité conçus à partir de codes numériques complexes. Ces codes impliquent très souvent des paramètres dont l'incertitude est peu connue et peut potentiellement avoir un impact important sur les variables de sortie du modèle.Les méthodes d'analyse de sensibilité globales sont des outils performants permettant d'étudier l'influence des paramètres d'un modèle sur ses sorties. En particulier, les méthodes basées sur le calcul des indices de sensibilité de Sobol' fournissent la possibilité de quantifier l'influence de chaque paramètre mais également d'identifier l'existence d'interactions entre ces paramètres.Dans cette thèse, nous privilégions la méthode dite à base de plans d'expériences répliqués encore appelée méthode répliquée. Cette méthode a l'avantage de ne requérir qu'un nombre relativement faible d'évaluations du modèle pour calculer les indices de Sobol' d'ordre un et deux.Cette thèse se focalise sur des extensions de la méthode répliquée pour faire face à des contraintes issues de notre application sur le modèle transport-urbanisme Tranus, comme la présence de corrélation entre paramètres et la prise en compte de sorties multivariées.Nos travaux proposent également une approche récursive pour l'estimation séquentielle des indices de Sobol'. L'approche récursive repose à la fois sur la construction itérative d'hypercubes latins et de tableaux orthogonaux stratifiés et sur la définition d'un nouveau critère d'arrêt. Cette approche offre une meilleure précision sur l'estimation des indices tout en permettant de recycler des premiers jeux d'évaluations du modèle. Nous proposons aussi de combiner une telle approche avec un échantillonnage quasi-Monte Carlo.Nous présentons également une application de nos contributions pour le calage du modèle de transport-urbanisme Tranus<br>Land Use and Transportation Integrated (LUTI) models have become a norm for representing the interactions between land use and the transportation of goods and people in a territory. These models are mainly used to evaluate alternative planning scenarios, simulating their impact on land cover and travel demand.LUTI models and other mathematical models used in various fields are most of the time based on complex computer codes. These codes often involve poorly-known inputs whose uncertainty can have significant effects on the model outputs.Global sensitivity analysis methods are useful tools to study the influence of the model inputs on its outputs. Among the large number of available approaches, the variance based method introduced by Sobol' allows to calculate sensitivity indices called Sobol' indices. These indices quantify the influence of each model input on the outputs and can detect existing interactions between inputs.In this framework, we favor a particular method based on replicated designs of experiments called replication method. This method appears to be the most suitable for our application and is advantageous as it requires a relatively small number of model evaluations to estimate first-order or second-order Sobol' indices.This thesis focuses on extensions of the replication method to face constraints arising in our application on the LUTI model Tranus, such as the presence of dependency among the model inputs, as far as multivariate outputs.Aside from that, we propose a recursive approach to sequentially estimate Sobol' indices. The recursive approach is based on the iterative construction of stratified designs, latin hypercubes and orthogonal arrays, and on the definition of a new stopping criterion. With this approach, more accurate Sobol' estimates are obtained while recycling previous sets of model evaluations. We also propose to combine such an approach with quasi-Monte Carlo sampling.An application of our contributions on the LUTI model Tranus is presented
9
Buchholz, Alexander. "High dimensional Bayesian computation." Thesis, Université Paris-Saclay (ComUE), 2018. http://www.theses.fr/2018SACLG004/document.
Full textAbstract:
La statistique bayésienne computationnelle construit des approximations de la distribution a posteriori soit par échantillonnage, soit en construisant des approximations tractables. La contribution de cette thèse au domaine des statistiques bayésiennes est le développement de nouvelle méthodologie en combinant des méthodes existantes. Nos approches sont mieux adaptées à la dimension ou entraînent une réduction du coût de calcul par rapport aux méthodes existantes.Notre première contribution améliore le calcul bayésien approximatif (ABC) en utilisant le quasi-Monte Carlo (QMC). ABC permet l'inférence bayésienne dans les modèles avec une vraisemblance intractable. QMC est une technique de réduction de variance qui fournit des estimateurs plus précis d’intégrales. Notre deuxième contribution utilise le QMC pour l'inférence variationnelle(VI). VI est une méthode pour construire des approximations tractable à la distribution a posteriori . La troisième contribution développe une approche pour adapter les échantillonneurs Monte Carlo séquentiel (SMC) lorsque on utilise des noyaux de mutation Hamiltonian MonteCarlo (HMC). Les échantillonneurs SMC permettent une estimation non biaisée de l’évidence du modèle, mais ils ont tendance à perdre en performance lorsque la dimension croit. HMC est une technique de Monte Carlo par chaîne de Markov qui présente des propriétés intéressantes lorsque la dimension de l'espace cible augmente mais elle est difficile à adapter. En combinant les deux,nous construisons un échantillonneur qui tire avantage des deux<br>Computational Bayesian statistics builds approximations to the posterior distribution either bysampling or by constructing tractable approximations. The contribution of this thesis to the fieldof Bayesian statistics is the development of new methodology by combining existing methods. Ourapproaches either scale better with the dimension or result in reduced computational cost com-pared to existing methods. Our first contribution improves approximate Bayesian computation(ABC) by using quasi-Monte Carlo (QMC). ABC allows Bayesian inference in models with in-tractable likelihoods. QMC is a variance reduction technique that yields precise estimations ofintegrals. Our second contribution takes advantage of QMC for Variational Inference (VI). VIis a method for constructing tractable approximations to the posterior distribution. The thirdcontribution develops an approach for tuning Sequential Monte Carlo (SMC) samplers whenusing Hamiltonian Monte Carlo (HMC) mutation kernels. SMC samplers allow the unbiasedestimation of the model evidence but tend to struggle with increasing dimension. HMC is aMarkov chain Monte Carlo technique that has appealing properties when the dimension of thetarget space increases but is difficult to tune. By combining the two we construct a sampler thattakes advantage of the two
10
Varet, Suzanne. "Développement de méthodes statistiques pour la prédiction d'un gabarit de signature infrarouge." Phd thesis, Université Paul Sabatier - Toulouse III, 2010. http://tel.archives-ouvertes.fr/tel-00511385.
Full textAbstract:
Dans le but de fournir un outil pour le dimensionnement de capteurs optroniques, nous souhaitons estimer la probabilité que, pour un scénario fixé, la signature infrarouge (SIR) d'un aéronef dans son environnement soit inférieure à un certain seuil. Cette estimation se ramène à l'estimation de l'intégrale d'une fonction h en grande dimension, dont la forme n'est pas précisément connue. La solution envisagée consiste à utiliser la méthode quasi-Monte Carlo (QMC). Toutefois, la précision de cet estimateur se dégrade lorsque la dimension augmente. L'objectif de la thèse est de développer une méthode pour réduire la dimension qui soit adaptée aux caractéristiques des variables d'entrée du code de calcul de SIR, puis d'utiliser l'information obtenue lors de la réduction de dimension pour améliorer la qualité de l'estimateur QMC. Les approches usuelles de réduction de dimension nécessitent des hypothèses qui sont irréalistes dans le cas de la SIR. Nous avons donc proposé une nouvelle méthode, dont les hypothèses de validité sont moins contraignantes. Après avoir réduit la dimension, il est possible d'appliquer la méthode QMC en fixant les variables non influentes à une valeur quelconque. Cependant, les suites de points utilisées dans le cadre de la méthode QMC, quoique bien réparties dans l'espace, présentent des irrégularités de répartition sur les projections. Nous avons donc adapté la discrépance L2*-pondérée de manière à pouvoir juger l'adéquation d'une suite à la fonction d'intérêt h. Par la suite nous avons mis au point un algorithme visant à construire une suite de points optimisant au mieux ce critère, dans le but de minimiser l'erreur d'intégration.
11
Estecahandy, Maïder. "Méthodes accélérées de Monte-Carlo pour la simulation d'événements rares. Applications aux Réseaux de Petri." Thesis, Pau, 2016. http://www.theses.fr/2016PAUU3008/document.
Full textAbstract:
Les études de Sûreté de Fonctionnement (SdF) sur les barrières instrumentées de sécurité représentent un enjeu important dans de nombreux domaines industriels. Afin de pouvoir réaliser ce type d'études, TOTAL développe depuis les années 80 le logiciel GRIF. Pour prendre en compte la complexité croissante du contexte opératoire de ses équipements de sécurité, TOTAL est de plus en plus fréquemment amené à utiliser le moteur de calcul MOCA-RP du package Simulation. MOCA-RP permet d'analyser grâce à la simulation de Monte-Carlo (MC) les performances d'équipements complexes modélisés à l'aide de Réseaux de Petri (RP). Néanmoins, obtenir des estimateurs précis avec MC sur des équipements très fiables, tels que l'indisponibilité, revient à faire de la simulation d'événements rares, ce qui peut s'avérer être coûteux en temps de calcul. Les méthodes standard d'accélération de la simulation de Monte-Carlo, initialement développées pour répondre à cette problématique, ne semblent pas adaptées à notre contexte. La majorité d'entre elles ont été définies pour améliorer l'estimation de la défiabilité et/ou pour les processus de Markov. Par conséquent, le travail accompli dans cette thèse se rapporte au développement de méthodes d'accélération de MC adaptées à la problématique des études de sécurité se modélisant en RP et estimant notamment l'indisponibilité. D'une part, nous proposons l'Extension de la Méthode de Conditionnement Temporel visant à accélérer la défaillance individuelle des composants. D'autre part, la méthode de Dissociation ainsi que la méthode de ``Truncated Fixed Effort'' ont été introduites pour accroitre l'occurrence de leurs défaillances simultanées. Ensuite, nous combinons la première technique avec les deux autres, et nous les associons à la méthode de Quasi-Monte-Carlo randomisée. Au travers de diverses études de sensibilité et expériences numériques, nous évaluons leur performance, et observons une amélioration significative des résultats par rapport à MC. Par ailleurs, nous discutons d'un sujet peu familier à la SdF, à savoir le choix de la méthode à utiliser pour déterminer les intervalles de confiance dans le cas de la simulation d'événements rares. Enfin, nous illustrons la faisabilité et le potentiel de nos méthodes sur la base d'une application à un cas industriel<br>The dependability analysis of safety instrumented systems is an important industrial concern. To be able to carry out such safety studies, TOTAL develops since the eighties the dependability software GRIF. To take into account the increasing complexity of the operating context of its safety equipment, TOTAL is more frequently led to use the engine MOCA-RP of the GRIF Simulation package. Indeed, MOCA-RP allows to estimate quantities associated with complex aging systems modeled in Petri nets thanks to the standard Monte Carlo (MC) simulation. Nevertheless, deriving accurate estimators, such as the system unavailability, on very reliable systems involves rare event simulation, which requires very long computing times with MC. In order to address this issue, the common fast Monte Carlo methods do not seem to be appropriate. Many of them are originally defined to improve only the estimate of the unreliability and/or well-suited for Markovian processes. Therefore, the work accomplished in this thesis pertains to the development of acceleration methods adapted to the problematic of performing safety studies modeled in Petri nets and estimating in particular the unavailability. More specifically, we propose the Extension of the "Méthode de Conditionnement Temporel" to accelerate the individual failure of the components, and we introduce the Dissociation Method as well as the Truncated Fixed Effort Method to increase the occurrence of their simultaneous failures. Then, we combine the first technique with the two other ones, and we also associate them with the Randomized Quasi-Monte Carlo method. Through different sensitivities studies and benchmark experiments, we assess the performance of the acceleration methods and observe a significant improvement of the results compared with MC. Furthermore, we discuss the choice of the confidence interval method to be used when considering rare event simulation, which is an unfamiliar topic in the field of dependability. Last, an application to an industrial case permits the illustration of the potential of our solution methodology
12
Palluotto, Lorella. "Prédiction du transfert radiatif au sein d’une flamme prémélangée swirlée à l’aide d’une méthode Quasi-Monte Carlo couplée à la simulation aux grandes échelles." Thesis, Université Paris-Saclay (ComUE), 2019. http://www.theses.fr/2019SACLC034/document.
Full textAbstract:
La prédiction des flux aux parois joue un rôle déterminant dans le cycle de vie des chambres de combustion. Le transfert de chaleur de la flamme aux parois est entraîné, outre la convection, également par le rayonnement des gaz chauds au sein de la chambre. Afin d’intégrer les contributions convectives et radiatives au flux pariétal il est nécessaire de résoudre simultanément l’équation de transfert radiatif et les équations régissant l’écoulement réactif. Quand les méthodes de Monte Carlo sont couplées aux simulations aux grandes échelles (LES), de telles simulations deviennent très coûteuses. L’objectif de cette thèse est donc d’investiguer une technique pour améliorer l’efficacité de la méthode MC, basée sur un mécanisme alternatif d’échantillonnage appelée intégration Quasi-Monte Carlo (QMC). Au cours de cette thèse, la méthode QMC a été couplée à une simulation LES dans une configuration où le rayonnement joue un rôle très important : la flamme méthane-air de la chambre Oxytec. La comparaison entre les simulations couplées et non couplées avec les données expérimentales montre que le rayonnement thermique a un impact sur la topologie de l’écoulement et de la flamme. Enfin, un bon accord est trouvé entre le flux de chaleur pariétal prédit par la simulation et les données expérimentales<br>The prediction of wall fluxes is a significant aspect in the life cycle of combustors, since it allows to prevent eventual wall damages. Heat transfer from flame to the walls is driven, apart from convection, also by radiation of burnt gases inside the chamber. In order to correctly account for both convective and radiative contributions to wall fluxes, the simultaneous solution of the radiative transfer equation (RTE) and the governing equations for reactive flows is required. However, multi-physics simulations where MC methods are coupled to Large Eddy Simulation (LES), remain very costly. The purpose of this study is then to investigate improvements of MC methods, by using an alternative sampling mechanism for numerical integration usually referred to as Quasi-Monte Carlo (QMC) integration. In this study, QMC method is coupled to Large Eddy Simulation (LES) of a configuration where the radiation plays an important role: the methane-air flame investigated during the experimental campaign Oxytec. Coupled and non-coupled simulations are compared and their comparison with experimental data shows that thermal radiation has an impact on both flow and flame topology. Finally a good agreement is found between numerical wall fluxes and experimental conductive fluxes
13
Rafhay, Quentin. "Modélisation des MOSFET nanométrique de type n aux matériaux de canal alternatifs dans le régime totalement ou quasi balistique." Grenoble INPG, 2008. http://www.theses.fr/2008INPG0167.
Full textAbstract:
La réduction des dimensions des transistors MOS, brique de base des circuits intégrés, ne permet plus d'augmenter efficacement leurs performances. Une des solutions envisagées actuellement consiste à remplacer le silicium par d'autres semi-conducteurs à haute mobilité (Ge, III-V) comme matériau de canal. A partir de modèles analytiques originaux, calibrés sur des simulations avancées (quantique, Monte Carlo), cette thèse démontre que, à des dimensions nanométriques, les performances attendues de ces nouvelles technologies sont en fait inférieures à celles des composants silicium conventionnels. En effet, les phénomènes quantiques (confinement, fuites tunnel) pénaliseraient davantage les dispositifs à matériaux de canal alternatifs<br>MOSFET scaling, building block of integrated circuits, do not allow to improve significantly the device performance anymore. One presently studied solution consists in substituting silicon for high mobility semiconductors (Ge or III-Vs) as channel material. Based on original analytical models, calibrated on advanced simulations (quantum, Monte Carlo), this thesis demonstrate that at nanometric scale, the performances expected from this new technologies are in fact lower than the one of conventional silicon devices. Quantum effects (confinement, tunnelling leakage) have been indeed found to be more penalizing in the case of alternative channel material transistors
14
Blanco, Juan Antonio. "Couplage neutronique, thermohydraulique et thermomécanique pour la modélisation des accidents de criticité dans des systèmes nucléaires." Thesis, Université Grenoble Alpes, 2020. http://www.theses.fr/2020GRALI078.
Full textAbstract:
Cette thèse s’inscrit dans le cadre de travaux portant sur la mise au point de modèles multi-échelle et multi-physiques pour la simulation des accidents de criticité, menés conjointement par le CNRS et l’IRSN. L’approche multi-physique et multi-échelle a comme objectif de produire un modèle numérique prenant en compte tous les phénomènes physiques importants dans les systèmes nucléaires ainsi que leur couplage. Cette approche permet d’améliorer les capacités prédictives des modèles et d’étudier de manière numérique le comportement des composants d’un système nucléaire dans des conditions difficilement réalisables/reproductibles par des expériences. Elle est donc particulièrement utile pour l’étude des accidents de criticité, ou plus généralement, pour tous les systèmes nucléaires où de très forts couplages existent entre la neutronique, la mécanique (des solides et des fluides) et la thermique.Les objectifs de la thèse étaient, d’une part, de développer un nouveau schéma numérique de couplage entre le code neutronique Serpent 2 (code du type Monte Carlo) et le code OpenFOAM (code de mécanique des fluides numérique ou CFD) et, d’autre part, de développer des modèles physiques permettant une plus grande flexibilité dans les études des accidents de criticité en termes de type de transitoires, de systèmes et de variété de phénomènes. Parmi les modèles développés dans notre outil multi-physique on peut citer des modèles neutroniques transitoires du type quasi-statique Monte Carlo et déterministes SP1 et SP3. Un modèle thermo-hydraulique du type milieu poreux a été aussi mis en place pour les études des systèmes comportant du combustible solide entouré par un caloporteur. L’implémentation numérique du couplage multi-physique a été faite en C/C++ sur la plateforme OpenFOAM qui permet la résolution numérique de modèles de mécanique des fluides (RANS, LES et DNS), et plus généralement, de la mécanique des milieux continus, en utilisant la méthode des volumes finis. Le travail de thèse a porté par ailleurs sur l’étude de la stratégie à suivre pour implémenter numériquement la méthode quasi-statique avec un code de type Monte Carlo dans la même plateforme et a travers d’un couplage interne.Les performances du couplage et des modèles que nous avons développés dans la thèse ont été testées dans différents scénarios et systèmes nucléaires : expériences transitoires avec l’expérience Godiva, benchmark international entre codes multi-physiques d’un réacteur à sels fondus et scénarios hypothétiques d’accidents de criticité dans des piscines de combustibles des Réacteurs à Eau Bouillante (REBs). Ces divers scénarios et systèmes ont été choisis pour leurs nombreux phénomènes physiques couplés nécessitant une modélisation très précise : effet Doppler, expansion thermique et contraintes thermomécaniques dans le combustible, présence des écoulements laminaires ou turbulents dans le caloporteur ou le combustible liquide, convection des précurseurs de neutrons retardés et phénomènes de transfert de masse, transfert d’énergie et de changement de phase dans des milieux poreux. La confrontation des prévisions de l’outil multi-physique et des résultats disponibles s’avère très satisfaisante et montre que l’approche adoptée est très pertinente et adaptée aux particularités des études de criticité avec un niveau de précision et une flexibilité adéquate tout en présentant des coûts computationnels raisonnables<br>This thesis was developed within in the framework of the multi-scale and multi-physics models for the simulation of criticality accidents, carried jointly between the CNRS and the IRSN. A multi-physics and multi-scale approach aims to produce a numerical model taking into account all the relevant physical phenomena existing in nuclear systems as well as their coupling. This approach makes possible to improve the predictive capacities of the single physics models and to numerically study the behavior of a nuclear system under conditions that would be difficult to achieve or reproduce by experiments. The multi-scale / multi-physics approach is, therefore, particularly useful for the study of nuclear reactor criticality accidents, or more generally, for all nuclear systems where a tight coupling exists between neutronics, mechanics (of solids and fluids) and heat transfers.The objectives of the thesis were, firstly, to develop a new numerical scheme for the coupling between the neutronic code Serpent 2 (Monte Carlo code) and the Computational Fluid Dynamics (CFD) code OpenFOAM. Secondly, to develop the physical models that allow greater flexibility for criticality accidents studies in terms of type of transients, systems and phenomena considered. Among the various physical models developed during the work, it can be mentioned the transient neutronic models based on a quasi-static Monte Carlo approach and on the deterministic SP1 and SP3 methods. A porous medium model was also developed during the work to allow performing studies on nuclear systems containing a solid nuclear fuel cooled by a fluid. The numerical implementation of the multi-physics coupling was performed in C/C++ in the OpenFOAM code. This code is very well suited to numerically solve continuous mechanics problems using a finite volume method. It also provides very large library of CFD algorithms (RANS, LES et DNS). The thesis work specially focused on the study of the strategy to be followed to implement the quasi-static method numerically with a Monte Carlo type code in the same platform through internal coupling.The performances of the coupling and the developed models were studied for different scenarios and nuclear systems: the transient Godiva experiments, an international benchmark for multi-physics codes for Molten Salts Reactors and the case of a hypothetical criticality accident in a Boiling Water Reactor (BWR) spent fuel pool. These diverse scenarios and systems were selected because they are characterized by presenting a multitude of highly coupled physical phenomena which required a very careful modeling. One can mention: the Doppler and fuel density effects, the thermal expansion and thermomechanical stresses, the presence of laminar or turbulent flows in the coolant or liquid fuel, the delayed neutrons precursors convection, and the energy and mass transfers and the phase change in porous media. The different comparisons between the multi-physics tool and the available data show a very good agreement and confirm that the selected approach is pertinent for the study of criticality accidents and allows obtaining very good precision and flexibility while maintaining satisfactory computational costs
15
Demgne, Jeanne Ady. "Modélisation d’actifs industriels pour l’optimisation robuste de stratégies de maintenance." Thesis, Pau, 2015. http://www.theses.fr/2015PAUU3015/document.
Full textAbstract:
Ce travail propose de nouvelles méthodes d’évaluation d’indicateurs de risque associés à une stratégie d’investissements, en vue d’une optimisation robuste de la maintenance d’un parc de composants. La quantification de ces indicateurs nécessite une modélisation rigoureuse de l’évolution stochastique des durées de vie des composants soumis à maintenance. Pour ce faire, nous proposons d’utiliser des processus markoviens déterministes par morceaux, qui sont généralement utilisés en Fiabilité Dynamique pour modéliser des composants en interaction avec leur environnement. Les indicateurs de comparaison des stratégies de maintenance candidates sont issus de la Valeur Actuelle Nette (VAN). La VAN représente la différence entre les flux financiers associés à une stratégie de référence et ceux associés à une stratégie de maintenance candidate. D’un point de vue probabiliste, la VAN est la différence de deux variables aléatoires dépendantes, ce qui en complique notablement l’étude. Dans cette thèse, les méthodes de Quasi Monte Carlo sont utilisées comme alternatives à la méthode de Monte Carlo pour la quantification de la loi de la VAN. Ces méthodes sont dans un premier temps appliquées sur des exemples illustratifs. Ensuite, elles ont été adaptées pour l’évaluation de stratégie de maintenance de deux systèmes de composants d’une centrale de production d’électricité. Le couplage de ces méthodes à un algorithme génétique a permis d’optimiser une stratégie d’investissements<br>This work proposes new assessment methods of risk indicators associated with an investments plan in view of a robust maintenance optimization of a fleet of components. The quantification of these indicators requires a rigorous modelling of the stochastic evolution of the lifetimes of components subject to maintenance. With that aim, we propose to use Piecewise Deterministic Markov Processes which are usually used in Dynamic Reliability for the modelling of components in interaction with their environment. The comparing indicators of candidate maintenance strategies are derived from the Net Present Value (NPV). The NPV stands for the difference between the cumulated discounted cash-flows of both reference and candidate maintenance strategies. From a probabilistic point of view, the NPV is the difference between two dependent random variables, which complicates its study. In this thesis, Quasi Monte Carlo methods are used as alternatives to Monte Carlo method for the quantification of the NPV probabilistic distribution. These methods are firstly applied to illustrative examples. Then, they were adapted to the assessment of maintenance strategy of two systems of components of an electric power station. The coupling of these methods with a genetic algorithm has allowed to optimize an investments plan
16
Kebaier, Ahmed. "Réduction de variance et discrétisation d'équations différentielles stochastiques : théorèmes limites presque sûres pour les martingales quasi-continues à gauche." Marne-la-Vallée, 2005. https://tel.archives-ouvertes.fr/tel-00011947.
Full textAbstract:
Cette Thèse est composée de deux parties portant respectivement sur la discrétisation des équations différentielles stochastiques et sur le théorème de la limite centrale presque sûre pour les martingales. La première Partie est composée de trois chapitres: Le premier chapitre introduit le cadre de l'étude et présente les résultats obtenus. Le deuxième chapitre est consacré à l'étude d'une nouvelle méthode d'accélération de convergence, appelée méthode de Romberg statistique, pour le calcul d'espérances de fonctions ou de fonctionnelles d'une diffusion. Le troisième chapitre traite de l'application de cette méthode à l'approximation de densité par des méthodes de noyaux. La deuxième partie de la thèse est composée de deux chapitres: le premier chapitre présente la littérature récente concernant le théorème de la limite centrale presque sûre et ses extensions. Le deuxième chapitre, étend divers résultats de type TLCPS à des martingales quasi-continues à gauche<br>This thesis contains two parts related respectively to the discretization of stochastic differential equations and to the almost sure limit theorems for martingales. The first part is made up three chapters: the first chapter introduces the general framework of the study and presents the main results. The second chapter is devoted to study a new method of acceleration of convergence, called statistical Romberg method, for the evaluation of expectations of functions or functionnal of a given diffusion. In the third chapter, we use this method in order to approximate density diffusions using kernel density functions. The second part of the thesis is made up of two chapters: the first chapter presents the recents results concerning the almost sure central limit theorem and its extensions. The second chapter, extends various results of type ASCLT for quasi-left continuous martingales
17
Yao, Hepeng. "Strongly-correlated one-dimensional bosons in continuous and quasiperiodic potentials." Thesis, Institut polytechnique de Paris, 2020. http://www.theses.fr/2020IPPAX057.
Full textAbstract:
Dans cette thèse, nous étudions les propriétés des bosons unidimensionnels dans divers types de systèmes, en nous concentrant sur les transitions de phase ou les croisements entre différents régimes de dégénérescence quantique. En combinant la méthode de Monte Carlo quantique avec d'autres techniques standard telles que la diagonalisation exacte et l’ansatz de Bethe thermique, nous pouvons calculer le comportement des bosons à une dimension dans différents cas où les résultats font encore défaut. Tout d'abord, dans le cas de bosons continus piégés de manière harmonique, nous fournissons une caractérisation complète d'une quantité appelée contact de Tan. En calculant la fonction d'échelle universelle de cette quantité, nous identifions le comportement du contact dans différents régimes de dégénérescence pour les bosons 1D. Nous montrons que le contact présente un maximum en fonction de la température et qu’il s’agit d’une signature de la fermionisation du gaz dans le régime de forte interaction. Ensuite, nous étudions la localisation et les propriétés fractales des gaz idéaux 1D dans des potentiels quasi-périodiques peu profonds. Le système quasi-périodique constitue un intermédiaire intéressant entre les systèmes ordonnés à longue distance et les véritables systèmes désordonnés aux propriétés critiques inhabituelles. Alors que le modèle d'Aubry-André (AA) à liaison étroite a été largement étudié, le cas du réseau peu profond se comporte différemment. Nous déterminons les propriétés critiques de localisation du système, le potentiel critique, les bords de mobilité et les exposants critiques qui sont universels. De plus, nous calculons la dimension fractale du spectre d'énergie et nous constatons qu'elle est non universelle mais toujours inférieure à l'unité, ce qui montre que le spectre n'est dense nulle part. Enfin, nous passons à l'étude avec les interactions. Avec les calculs quantiques de Monte Carlo, nous calculons le diagramme de phase des bosons de Lieb-Liniger en potentiels quasi-périodiques peu profonds. On trouve un verre de Bose, entouré de phases superfluides et de Mott. À température finie, nous montrons que la fusion des lobes de Mott est caractéristique d'une structure fractale et constatons que le verre de Bose est robuste contre les fluctuations thermiques jusqu'à des températures accessibles dans les expériences<br>In this thesis, we investigate the properties of one-dimensional bosons in various types of systems, focusing on the phase transitions or crossovers between different quantum degeneracy regimes. Combining quantum Monte Carlo with other standard techniques such as exact diagonalization and thermal Bethe ansatz, we can compute the behavior of 1D bosons in different cases where the results are still lacking. First, in the case of harmonically trapped continuous bosons, we provide a full characterization of a quantity called Tan's contact. By computing the universal scaling function of it, we identify the behavior of the contact in various regimes of degeneracy for 1D bosons. We show that the contact exhibits a maximum versus temperature and that it is a signature of the crossover to fermionization in the strongly-interacting regime. Secondly, we study the localization and fractal properties of 1D ideal gases in shallow quasiperiodic potentials. The quasiperiodic system provides an appealing intermediate between long-range ordered and genuine disordered systems with unusual critical properties. While the tight-binding Aubry-Andr'e (AA) model has been widely studied, the shallow lattice case behaves differently. We determine the critical localization properties of the system, the critical potential, mobility edges and critical exponents which are universal. Moreover, we calculate the fractal dimension of the energy spectrum and find it is non-universal but always smaller than unity, which shows the spectrum is nowhere dense. Finally, we move to the study of the interacting case. With the quantum Monte Carlo calculations, we compute the phase diagram of Lieb-Liniger bosons in shallow quasiperiodic potentials. A Bose glass, surrounded by superfluid and Mott phases, is found. At finite temperature, we show that the melting of the Mott lobes is characteristic of a fractal structure and find that the Bose glass is robust against thermal fluctuations up to temperatures accessible in experiments
18
Kebaier, Ahmed. "Réduction de variance et discrétisation d'équations différentielles stochastiques.Théorèmes limites presque sûre pour les martingales quasi-continues à gauche." Phd thesis, Université de Marne la Vallée, 2005. http://tel.archives-ouvertes.fr/tel-00011947.
Full textAbstract:
Cette Thèse est composée de deux parties portant respectivement sur la discrétisation des équations différentielles stochastiques et sur le théorème de la limite centrale presque sûre pour les martingales.<br /><br />La première Partie est composée de trois chapitres: Le premier chapitre introduit le cadre de l'étude et présente les résultats obtenus. Le deuxième chapitre est consacré à l'étude d'une nouvelle méthode d'accélération de convergence, appelée méthode de Romberg statistique, pour le calcul d'espérances de fonctions ou de fonctionnelles d'une diffusion.<br />Ce chapitre est la version augmentée d'un article à paraître dans la revue Annals of Applied Probability.<br /><br />Le troisième chapitre traite de l'application de cette méthode à l'approximation de densité par des méthodes de noyaux.<br />Ce chapitre est basé sur un travail en collaboration avec Arturo Kohatsu-Higa.<br /><br />La deuxième partie de la thèse est composée de deux chapitres: le premier chapitre présente la littérature récente concernant le théorème de la limite centrale presque sûre et ses extensions. Le deuxième chapitre, basé sur un travail en collaboration avec Faouzi Chaâbane, étend divers résultats de type TLCPS à des martingales quasi-continues à gauche.
19
Grazian, Clara. "Contributions aux méthodes bayésiennes approchées pour modèles complexes." Thesis, Paris Sciences et Lettres (ComUE), 2016. http://www.theses.fr/2016PSLED001.
Full textAbstract:
Récemment, la grande complexité des applications modernes, par exemple dans la génétique, l’informatique, la finance, les sciences du climat, etc. a conduit à la proposition des nouveaux modèles qui peuvent décrire la réalité. Dans ces cas,méthodes MCMC classiques ne parviennent pas à rapprocher la distribution a posteriori, parce qu’ils sont trop lents pour étudier le space complet du paramètre. Nouveaux algorithmes ont été proposés pour gérer ces situations, où la fonction de vraisemblance est indisponible. Nous allons étudier nombreuses caractéristiques des modèles complexes: comment éliminer les paramètres de nuisance de l’analyse et faire inférence sur les quantités d’intérêt,dans un cadre bayésienne et non bayésienne et comment construire une distribution a priori de référence<br>Recently, the great complexity of modern applications, for instance in genetics,computer science, finance, climatic science etc., has led to the proposal of newmodels which may realistically describe the reality. In these cases, classical MCMCmethods fail to approximate the posterior distribution, because they are too slow toinvestigate the full parameter space. New algorithms have been proposed to handlethese situations, where the likelihood function is unavailable. We will investigatemany features of complex models: how to eliminate the nuisance parameters fromthe analysis and make inference on key quantities of interest, both in a Bayesianand not Bayesian setting, and how to build a reference prior
20
Dickinson, Andrew Samuel. "On the analysis of Monte Carlo and quasi-Monte Carlo methods." Thesis, University of Oxford, 2004. http://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.409715.
Full text
21
Göncü, Ahmet. "Monte Carlo and quasi-Monte Carlo methods in pricing financial derivatives." Tallahassee, Florida : Florida State University, 2009. http://etd.lib.fsu.edu/theses/available/etd-06232009-140439/.
Full textAbstract:
Thesis (Ph. D.)--Florida State University, 2009.<br>Advisor: Giray Ökten, Florida State University, College of Arts and Sciences, Dept. of Mathematics. Title and description from dissertation home page (viewed on Oct. 5, 2009). Document formatted into pages; contains x, 105 pages. Includes bibliographical references.
22
Yam, Chiu Yu. "Quasi-Monte Carlo methods for bootstrap." HKBU Institutional Repository, 2000. http://repository.hkbu.edu.hk/etd_ra/272.
Full text
23
Cornebise, Julien. "Méthodes de Monte Carlo séquentielles adaptatives." Paris 6, 2009. http://www.theses.fr/2009PA066152.
Full text
24
Senegas, Julien. "Méthodes de Monte Carlo en Vision Stéréoscopique." Phd thesis, École Nationale Supérieure des Mines de Paris, 2002. http://tel.archives-ouvertes.fr/tel-00005637.
Full textAbstract:
Cette thèse a pour objet l'étude de l'incertitude attachée à l'estimation de la géometrie d'une scène à partir d'un couple stéréoscopique d'images. La mise en correspondance des points homologues d'un couple suppose la similarité locale des deux images et nécessite une information radiométrique discriminante. Dans de nombreuses situations cependant (déformations géométriques, bruit d'acquisition, manque de contraste, ....), ces hypothèses sont mises en défaut et les erreurs d'appariemment qui en résultent dépendent fortement de l'information contenue dans le couple et non du sytème stéréoscopique lui-meme. <br />Afin d'aborder ce problème, nous proposons un cadre bayésien et l'application de méthodes de Monte Carlo par chaînes de Markov. Celles-ci consistent à simuler la distribution conditionnelle du champ de disparité connaissant le couple stéréoscopique et permettent de déterminer les zones où des erreurs importantes peuvent apparaitre avec une probabilité éventuellement faible. Différents modèles stochastiques sont comparés et testés a partir de scènes stéréoscopiques SPOT, et nous donnons quelques pistes pour étendre ces modèles à d'autres types d'images. Nous nous intéressons également au probleme de l'estimation des paramètres de ces modèles et proposons un certain nombre d'algorithmes permettant une estimation automatique. Enfin, une part importante du travail est consacrée à l'étude d'algorithmes de simulation reposant sur la théorie des chaînes de Markov. L'apport essentiel réside dans l'extension de l'algorithme de Metropolis-Hastings dans une perspective multi-dimensionnelle. Une application performante reposant sur l'utilisation de la loi gaussienne est donnée. De plus, nous montrons comment le recours à des techniques d'échantillonnage d'importance permet de diminuer efficacement le temps de calcul.
25
Arouna, Bouhari. "Algotithmes stochastiques et méthodes de Monte Carlo." Phd thesis, Ecole des Ponts ParisTech, 2004. http://pastel.archives-ouvertes.fr/pastel-00001269.
Full textAbstract:
Dans cette thèse,nous proposons de nouvelles techniques de réduction de variance, pourles simultions Monté Carlo. Par un simple changement de variable, nous modifions la loi de simulation de façon paramétrique. L'idée consiste ensuite à utiliser une version convenablement projetée des algorithmes de Robbins-Monro pour déterminer le paramètre optimal qui "minimise" la variance de l'estimation. Nous avons d'abord développé une implémentation séquentielle dans laquelle la variance est réduite dynamiquement au cours des itératons Monte Carlo. Enfin, dans la dernière partie de notre travail, l'idée principale a été d'interpréter la réduction de variance en termes de minimisation d'entropie relative entre une mesure de probabilité optimale donnée, et une famille paramétrique de mesures de probabilité. Nous avons prouvé des résultats théoriques généraux qui définissent un cadre rigoureux d'utilisation de ces méthodes, puis nous avons effectué plusieurs expérimentations en finance et en fiabilité qui justifient de leur efficacité réelle.
26
Tuffin, Bruno. "Simulation acceleree par les methodes de monte carlo et quasi-monte carlo : theorie et applications." Rennes 1, 1997. http://www.theses.fr/1997REN10181.
Full textAbstract:
Dans cette these nous etudions et appliquons les methodes de monte carlo et quasi-monte carlo. Nous nous interessons premierement a la theorie. Les methodes de quasi-monte carlo sont basees sur deux notions : la variation et la discrepance. Comme premiere contribution, nous ameliorons la repartition d'une famille importante de suites a discrepance faible, les suites de halton. Nous realisons ensuite une technique analogue a la reduction de la variance dans les methodes de monte carlo, la reduction de la variation. La borne de l'erreur n'etant que rarement utilisable en pratique, nous proposons une approche pour l'utilisation des suites a discrepance faible comme technique de reduction de la variance dans les methodes de monte carlo. Nous analysons l'efficacite de cette reduction et comparons les differentes suites afin de choisir la mieux adaptee. La deuxieme partie de la these est consacree a des applications concretes et efficaces de ces methodes. Nous considerons d'abord les reseaux de files d'attente multi-classes a forme produit et ameliorons leur simulation par deux techniques differentes de reduction de la variance : les variables antagonistes et les suites a discrepance faible. Cette derniere methode est ensuite appliquee a la simulation d'un systeme cellulaire avec partage dynamique des ressources. Finalement, nous etudions la simulation des systemes markoviens hautement fiables et approfondissons les methodes existantes. Nous introduisons un nouveau concept, l'approximation normale bornee, qui permet d'obtenir une approximation de la loi normale satisfaisante dans le theoreme de la limite centrale, quelle que soit la fiabilite du systeme etudie, et donnons une condition necessaire et suffisante sur la mesure d'echantillonnage preferentiel pour obtenir cette propriete.
27
De, Mesquita Adrian. "Improved quasi-Monte Carlo methods for derivative pricing." Thesis, Imperial College London, 2001. http://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.398912.
Full text
28
Moreni, Nicola. "Méthodes de Monte Carlo et valorisation d' options." Paris 6, 2005. http://www.theses.fr/2005PA066626.
Full text
29
Houry, Antonis. "Optimization in quasi-Monte Carlo methods for derivative valuation." Thesis, Imperial College London, 2011. http://hdl.handle.net/10044/1/8630.
Full textAbstract:
Computational complexity in financial theory and practice has seen an immense rise recently. Monte Carlo simulation has proved to be a robust and adaptable approach, well suited for supplying numerical solutions to a large class of complex problems. Although Monte Carlo simulation has been widely applied in the pricing of financial derivatives, it has been argued that the need to sample the relevant region as uniformly as possible is very important. This led to the development of quasi-Monte Carlo methods that use deterministic points to minimize the integration error. A major disadvantage of low-discrepancy number generators is that they tend to lose their ability of homogeneous coverage as the dimensionality increases. This thesis develops a novel approach to quasi-Monte Carlo methods to evaluate complex financial derivatives more accurately by optimizing the sample coordinates in such a way so as to minimize the discrepancies that appear when using lowdiscrepancy sequences. The main focus is to develop new methods to, optimize the sample coordinate vector, and to test their performance against existing quasi-Monte Carlo methods in pricing complicated multidimensional derivatives. Three new methods are developed, the Gear, the Simulated Annealing and the Stochastic Tunneling methods. These methods are used to evaluate complex multi-asset financial derivatives (geometric average and rainbow options) for dimensions up to 2000. It is shown that the two stochastic methods, Simulated Annealing and Stochastic Tunneling, perform better than existing quasi-Monte Carlo methods, Faure' and Sobol'. This difference in performance is more evident in higher dimensions, particularly when a low number of points is used in the Monte Carlo simulations. Overall, the Stochastic Tunneling method yields the smallest percentage root mean square relative error and requires less computational time to converge to a global solution, proving to be the most promising method in pricing complex derivatives.
30
Hong, Hee Sun. "Digital nets and sequences for quasi-Monte Carlo methods." HKBU Institutional Repository, 2002. http://repository.hkbu.edu.hk/etd_ra/334.
Full text
31
Sabbagh, Wissal. "Some Contributions on Probabilistic Interpretation For Nonlinear Stochastic PDEs." Thesis, Le Mans, 2014. http://www.theses.fr/2014LEMA1019/document.
Full textAbstract:
L'objectif de cette thèse est l'étude de la représentation probabiliste des différentes classes d'EDPSs non-linéaires(semi-linéaires, complètement non-linéaires, réfléchies dans un domaine) en utilisant les équations différentielles doublement stochastiques rétrogrades (EDDSRs). Cette thèse contient quatre parties différentes. Nous traitons dans la première partie les EDDSRs du second ordre (2EDDSRs). Nous montrons l'existence et l'unicité des solutions des EDDSRs en utilisant des techniques de contrôle stochastique quasi- sure. La motivation principale de cette étude est la représentation probabiliste des EDPSs complètement non-linéaires. Dans la deuxième partie, nous étudions les solutions faibles de type Sobolev du problème d'obstacle pour les équations à dérivées partielles inteégro-différentielles (EDPIDs). Plus précisément, nous montrons la formule de Feynman-Kac pour l'EDPIDs par l'intermédiaire des équations différentielles stochastiques rétrogrades réfléchies avec sauts (EDSRRs). Plus précisément, nous établissons l'existence et l'unicité de la solution du problème d'obstacle, qui est considérée comme un couple constitué de la solution et de la mesure de réflexion. L'approche utilisée est basée sur les techniques de flots stochastiques développées dans Bally et Matoussi (2001) mais les preuves sont beaucoup plus techniques. Dans la troisième partie, nous traitons l'existence et l'unicité pour les EDDSRRs dans un domaine convexe D sans aucune condition de régularité sur la frontière. De plus, en utilisant l'approche basée sur les techniques du flot stochastiques nous démontrons l'interprétation probabiliste de la solution faible de type Sobolev d'une classe d'EDPSs réfléchies dans un domaine convexe via les EDDSRRs. Enfin, nous nous intéressons à la résolution numérique des EDDSRs à temps terminal aléatoire. La motivation principale est de donner une représentation probabiliste des solutions de Sobolev d'EDPSs semi-linéaires avec condition de Dirichlet nul au bord. Dans cette partie, nous étudions l'approximation forte de cette classe d'EDDSRs quand le temps terminal aléatoire est le premier temps de sortie d'une EDS d'un domaine cylindrique. Ainsi, nous donnons les bornes pour l'erreur d'approximation en temps discret. Cette partie se conclut par des tests numériques qui démontrent que cette approche est effective<br>The objective of this thesis is to study the probabilistic representation (Feynman-Kac for- mula) of different classes ofStochastic Nonlinear PDEs (semilinear, fully nonlinear, reflected in a domain) by means of backward doubly stochastic differential equations (BDSDEs). This thesis contains four different parts. We deal in the first part with the second order BDS- DEs (2BDSDEs). We show the existence and uniqueness of solutions of 2BDSDEs using quasi sure stochastic control technics. The main motivation of this study is the probabilistic representation for solution of fully nonlinear SPDEs. First, under regularity assumptions on the coefficients, we give a Feynman-Kac formula for classical solution of fully nonlinear SPDEs and we generalize the work of Soner, Touzi and Zhang (2010-2012) for deterministic fully nonlinear PDE. Then, under weaker assumptions on the coefficients, we prove the probabilistic representation for stochastic viscosity solution of fully nonlinear SPDEs. In the second part, we study the Sobolev solution of obstacle problem for partial integro-differentialequations (PIDEs). Specifically, we show the Feynman-Kac formula for PIDEs via reflected backward stochastic differentialequations with jumps (BSDEs). Specifically, we establish the existence and uniqueness of the solution of the obstacle problem, which is regarded as a pair consisting of the solution and the measure of reflection. The approach is based on stochastic flow technics developed in Bally and Matoussi (2001) but the proofs are more technical. In the third part, we discuss the existence and uniqueness for RBDSDEs in a convex domain D without any regularity condition on the boundary. In addition, using the approach based on the technics of stochastic flow we provide the probabilistic interpretation of Sobolev solution of a class of reflected SPDEs in a convex domain via RBDSDEs. Finally, we are interested in the numerical solution of BDSDEs with random terminal time. The main motivation is to give a probabilistic representation of Sobolev solution of semilinear SPDEs with Dirichlet null condition. In this part, we study the strong approximation of this class of BDSDEs when the random terminal time is the first exit time of an SDE from a cylindrical domain. Thus, we give bounds for the discrete-time approximation error.. We conclude this part with numerical tests showing that this approach is effective
32
Maire, Sylvain. "Quelques Techniques de Couplage entre Méthodes Numériques Déterministes et Méthodes de Monte-Carlo." Habilitation à diriger des recherches, Université du Sud Toulon Var, 2007. http://tel.archives-ouvertes.fr/tel-00579977.
Full textAbstract:
Les travaux présentes s'inscrivent dans le cadre de la réduction de variance pour les méthodes de Monte-Carlo et plus généralement dans l'optimisation de méthodes numériques à l'aide de couplage entre des méthodes déterministes et des méthodes probabilistes. Trois thèmes principaux seront abordés à l'aide de ces techniques: l'intégration numérique sur un hypercube, la résolution d' équations aux dérivées partielles linéaires et le calcul des éléments propres principaux (valeur propre et vecteur propre) de certains opérateurs linéaires.
33
Tan, Ken Seng. "Quasi-Monte Carlo methods, applications in finance and actuarial science." Thesis, National Library of Canada = Bibliothèque nationale du Canada, 1998. http://www.collectionscanada.ca/obj/s4/f2/dsk2/tape15/PQDD_0026/NQ32862.pdf.
Full text
34
Hörmann, Wolfgang, and Josef Leydold. "Importance Sampling to Accelerate the Convergence of Quasi-Monte Carlo." Department of Statistics and Mathematics, WU Vienna University of Economics and Business, 2007. http://epub.wu.ac.at/284/1/document.pdf.
Full textAbstract:
Importance sampling is a well known variance reduction technique for Monte Carlo simulation. For quasi-Monte Carlo integration with low discrepancy sequences it was neglected in the literature although it is easy to see that it can reduce the variation of the integrand for many important integration problems. For lattice rules importance sampling is of highest importance as it can be used to obtain a smooth periodic integrand. Thus the convergence of the integration procedure is accelerated. This can clearly speed up QMC algorithms for integration problems up to dimensions 10 to 12. (author's abstract)<br>Series: Research Report Series / Department of Statistics and Mathematics
35
Wächter, Carsten. "Quasi-Monte Carlo light transport simulation by efficient ray tracing." [S.l. : s.n.], 2008. http://nbn-resolving.de/urn:nbn:de:bsz:289-vts-62651.
Full text
36
Farmer, Joseph A. "Development of a Quasi-Monte Carlo Method for Thermal Radiation." Thesis, Marquette University, 2019. http://pqdtopen.proquest.com/#viewpdf?dispub=13858322.
Full textAbstract:
<p> Radiative heat transfer in participating media is among the most challenging computational engineering problems due to the complex nonlinear, nonlocal nature of radiation transport. Many approximate methods have been developed in order to resolve radiative heat transfer in participating media; but approximate methods, by the nature of their approximations, suffer from various shortcomings both in terms of accuracy and robustness. The only methods that can resolve radiative transfer accurately in all configurations are the statistical Monte Carlo-based methods. While the Monte Carlo (MC) method is the most accurate method for resolving radiative heat transfer, it is also notoriously computationally prohibitive in large-scale simulations. To overcome this computational burden, this study details the development of a quasi-Monte Carlo (QMC) method for thermal radiation in participating media with a focus on combustion-related problems. The QMC method employs a low-discrepancy sequence (LDS) in place of the traditional random number sampling mechanism used in Monte Carlo methods to increase computational efficiency. In order to analyze the performance of the QMC method, a systematic comparison of accuracy and computational expense was performed. The QMC method was validated against formal solutions of radiative heat transfer in several one-dimensional configurations and extended to three practical combustion configurations: a turbulent jet flame, a high-pressure industrial gas turbine, and a high-pressure spray combustion chamber. The results from QMC and traditional Monte Carlo are compared against benchmark solutions for each case. It is shown that accuracy of the predicted radiation field from QMC is comparable to MC at lower computational costs. Three different low-discrepancy sequences—Sobol, Halton, and Niederreiter—were examined as part of this work. Finally, recommendations are made in terms of choice of the sequence and the number of the dimensions of the LDS for combustion-relevant configurations. In conclusion, significant improvements in computational costs and accuracy seen in the QMC method makes it a viable alternative to traditional Monte Carlo methods in high-fidelity simulations. </p><p>
37
Minvielle-Larrousse, Pierre. "Méthodes de simulation stochastique pour le traitement de l’information." Thesis, Pau, 2019. http://www.theses.fr/2019PAUU3005.
Full textAbstract:
Lorsqu’une grandeur d’intérêt ne peut être directement mesurée, il est fréquent de procéder à l’observation d’autres quantités qui lui sont liées par des lois physiques. Ces quantités peuvent contenir de l’information sur la grandeur d’intérêt si l’on sait résoudre le problème inverse, souvent mal posé, et inférer la valeur. L’inférence bayésienne constitue un outil statistique puissant pour l’inversion, qui requiert le calcul d’intégrales en grande dimension. Les méthodes Monte Carlo séquentielles (SMC), aussi dénommées méthodes particulaires, sont une classe de méthodes Monte Carlo permettant d’échantillonner selon une séquence de densités de probabilité de dimension croissante. Il existe de nombreuses applications, que ce soit en filtrage, en optimisation globale ou en simulation d’évènement rare. Les travaux ont porté notamment sur l’extension des méthodes SMC dans un contexte dynamique où le système, régi par un processus de Markov caché, est aussi déterminé par des paramètres statiques que l’on cherche à estimer. En estimation bayésienne séquentielle, la détermination de paramètres fixes provoque des difficultés particulières : un tel processus est non-ergodique, le système n’oubliant pas ses conditions initiales. Il est montré comment il est possible de surmonter ces difficultés dans une application de poursuite et identification de formes géométriques par caméra numérique CCD. Des étapes d’échantillonnage MCMC (Chaîne de Markov Monte Carlo) sont introduites pour diversifier les échantillons sans altérer la distribution a posteriori. Pour une autre application de contrôle de matériau, qui cette fois « hors ligne » mêle paramètres statiques et dynamiques, on a proposé une approche originale. Elle consiste en un algorithme PMMH (Particle Marginal Metropolis-Hastings) intégrant des traitements SMC Rao-Blackwellisés, basés sur des filtres de Kalman d’ensemble en interaction.D’autres travaux en traitement de l’information ont été menés, que ce soit en filtrage particulaire pour la poursuite d’un véhicule en phase de rentrée atmosphérique, en imagerie radar 3D par régularisation parcimonieuse ou en recalage d’image par information mutuelle<br>When a quantity of interest is not directly observed, it is usual to observe other quantities that are linked by physical laws. They can provide information about the quantity of interest if it is able to solve the inverse problem, often ill posed, and infer the value. Bayesian inference is a powerful tool for inversion that requires the computation of high dimensional integrals. Sequential Monte Carlo (SMC) methods, a.k.a. interacting particles methods, are a type of Monte Carlo methods that are able to sample from a sequence of probability densities of growing dimension. They are many applications, for instance in filtering, in global optimization or rare event simulation.The work has focused in particular on the extension of SMC methods in a dynamic context where the system, governed by a hidden Markov process, is also determined by static parameters that we seek to estimate. In sequential Bayesian estimation, the determination of fixed parameters causes particular difficulties: such a process is non-ergodic, the system not forgetting its initial conditions. It is shown how it is possible to overcome these difficulties in an application of tracking and identification of geometric shapes by CCD digital camera. Markov Monte Carlo Chain (MCMC) sampling steps are introduced to diversify the samples without altering the posterior distribution. For another material control application, which mixes static and dynamic parameters, we proposed an original offline approach. It consists of a Particle Marginal Metropolis-Hastings (PMMH) algorithm that integrates Rao-Blackwellized SMC, based on a bank of interacting Ensemble Kalman filters.Other information processing works has been conducted: particle filtering for atmospheric reentry vehicle tracking, 3D radar imaging by sparse regularization and image registration by mutual information
38
Cerf, Nicolas. "Méthodes de Monte Carlo :application à l'étude de systèmes quantiques." Doctoral thesis, Universite Libre de Bruxelles, 1995. http://hdl.handle.net/2013/ULB-DIPOT:oai:dipot.ulb.ac.be:2013/212621.
Full text
39
Hörmann, Wolfgang, and Josef Leydold. "Quasi Importance Sampling." Department of Statistics and Mathematics, Abt. f. Angewandte Statistik u. Datenverarbeitung, WU Vienna University of Economics and Business, 2005. http://epub.wu.ac.at/1394/1/document.pdf.
Full textAbstract:
There arise two problems when the expectation of some function with respect to a nonuniform multivariate distribution has to be computed by (quasi-) Monte Carlo integration: the integrand can have singularities when the domain of the distribution is unbounded and it can be very expensive or even impossible to sample points from a general multivariate distribution. We show that importance sampling is a simple method to overcome both problems. (author's abstract)<br>Series: Preprint Series / Department of Applied Statistics and Data Processing
40
Gonçalves, Thomas. "Contributions à la parallélisation de méthodes de type transport Monte-Carlo." Thesis, Université Grenoble Alpes (ComUE), 2017. http://www.theses.fr/2017GREAM047/document.
Full textAbstract:
Les applications de transport de particules Monte-Carlo consistent à étudier le comportement de particules se déplaçant dans un domaine de simulation. La répartition des particules sur le domaine de simulation n'est pas uniforme et évolue dynamiquement au cours de la simulation. La parallélisation de ce type d'applications sur des architectures massivement parallèles amène à résoudre une problématique complexe de répartition de charges de calculs et de données sur un grand nombre de cœurs de calcul.Nous avons d'abord identifié les difficultés de parallélisation des applications de transport de particules Monte-Carlo à l'aide d'analyses théoriques et expérimentales des méthodes de parallélisation de référence. Une approche semi-dynamique reposant sur des techniques de partitionnement a ensuite été proposée. Enfin, nous avons défini une approche dynamique capable de redistribuer les charges de calcul et les données tout en maintenant un faible volume de communication. L'approche dynamique a obtenu des accélérations en extensibilité forte et une forte réduction de la consommation mémoire par rapport à une méthode de réplication de domaine parfaitement équilibrée<br>Monte Carlo particle transport applications consist in studying the behaviour of particles moving about a simulation domain. Particles distribution among simulation domains is not uniform and change dynamically during simulation. The parallelization of this kind of applications on massively parallel architectures leads to solve a complex issue of workloads and data balancing among numerous compute cores.We started by identifying parallelization pitfalls of Monte Carlo particle transport applications using theoretical and experimental analysis of reference parallelization methods. A semi-dynamic based on partitioning techniques has been proposed then. Finally, we defined a dynamic approach able to redistribute workloads and data keeping a low communication volume. The dynamic approach obtains speedups using strong scaling and a memory footprint reduction compared to the perfectly balanced domain replication method
41
Arouna, Bouhari. "Méthodes de Monté Carlo et algorithmes stochastiques." Marne-la-vallée, ENPC, 2004. https://pastel.archives-ouvertes.fr/pastel-00001269.
Full text
42
Rousset, Mathias. "Méthodes de "Population Monte-Carlo'' en temps continu est physique numérique." Toulouse 3, 2006. http://www.theses.fr/2006TOU30251.
Full textAbstract:
Dans cette thèse, nous nous intéressons aux méthodes numériques probabilistes dites de Population Monte-Carlo, du point de vue du temps continu. Ces méthodes PMC se ramènent au calcul séquentiel de moyennes pondérées de trajectoires Markoviennes. Nous démontrons la convergence (vers la fonction propre principale des opérateurs de Schrödinger) en temps long de la variance et du biais de cette méthode avec la bonne vitesse en 1/N. Ensuite, nous considérons le problème de l'échantillonnage séquentiel d'un flot continu de mesures de Boltzmann. Pour cela, à partir d'une dynamique Markovienne arbitraire, nous associons une dynamique renversée dans le temps dont la loi pondérée par une moyenne trajectorielle de Feynman-Kac explicitement calculable redonne la dynamique initiale ainsi que la mesure de Boltzmann à calculer. Enfin, nous généralisons ce problème au cas où la dynamique est due à l'évolution dans le temps de contraintes rigides sur les configurations possibles du processus. Nous calculons exactement les poids associés, qui font intervenir la courbure locale des sous-variétés générées par les contraintes.<br>In this dissertation, we focus on stochastic numerical methods of Population Monte-Carlo type, in the continuous time setting. These PMC methods resort to the sequential computation of averages of weighted Markovian paths. The practical implementation rely then on the time evolution of the empirical distribution of a system of N interacting walkers. We prove the long time convergence (towards Schrödinger groundstates) of the variance and bias of this method with the expected 1/N rate. Next, we consider the problem of sequential sampling of a continuous flow of Boltzmann measures. For this purpose, starting with any Markovian dynamics, we associate a second dynamics in reversed time whose law (weighted by a computable Feynman-Kac path average) gives out the original dynamics as well as the target Boltzmann measure. Finally, we generalize the latter problem to the case where the dynamics is caused by evolving rigid constraints on the positions of the process. We compute exactly the associated weights, which resorts to the local curvature of the manifold defined by the constraints
43
Chopin, Nicolas. "Applications des méthodes de Monte Carlo séquentielles à la statistique bayésienne." Paris 6, 2003. http://www.theses.fr/2003PA066057.
Full text
44
Touzin, Guillaume. "Étude des méthodes de Monte-Carlo et de leurs efficacités relatives." Thèse, Université du Québec à Trois-Rivières, 2013. http://depot-e.uqtr.ca/6868/1/030466576.pdf.
Full text
45
Rometsch, Mario. "Quasi-Monte Carlo methods in finance : with application to optimal asset allocation /." Hamburg : Diplomica-Verl, 2008. http://d-nb.info/991068440/04.
Full text
46
Ng, Man Yun. "Quasi-Monte Carlo methods and their applications in high dimensional option pricing." Thesis, University of Macau, 2011. http://umaclib3.umac.mo/record=b2493256.
Full text
47
Vesterinen, Niklas. "Discrepancy of sequences and error estimates for the quasi-Monte Carlo method." Thesis, Karlstads universitet, 2020. http://urn.kb.se/resolve?urn=urn:nbn:se:kau:diva-78525.
Full textAbstract:
We present the notions of uniform distribution and discrepancy of sequences contained in the unit interval, as well as an important application of discrepancy in numerical integration by way of the quasi-Monte Carlo method. Some fundamental (and other interesting) results with regards to these notions are presented, along with some detalied and instructive examples and comparisons (some of which not often provided by the literature). We go on to analytical and numerical investigations of the asymptotic behaviour of the discrepancy (in particular for the van der Corput-sequence), and for the general error estimates of the quasi-Monte Carlo method. Using the discoveries from these investigations, we give a conditional proof of the van der Corput theorem. Furthermore, we illustrate that by using low discrepancy sequences (such as the vdC-sequence), a rather fast convergence rate of the quasi-Monte Carlo method may still be achieved, even for situations in which the famous theoretical result, the Koksma inequality, hasbeen rendered unusable.<br>Vi presenterar begreppen likformig distribution och diskrepans hos talföljder på enhetsintervallet, såväl som en viktig tillämpning av diskrepans inom numerisk integration via kvasi-Monte Carlo metoden. Några fundamentala (och andra intressanta) resultat presenteras med avseende på dessa begrepp, tillsammans med några detaljerade och instruktiva exempel och jämförelser (varav några sällan presenterade i litteraturen). Vi går vidare med analytiska och numeriska undersökningar av det asymptotiska beteendet hos diskrepansen (särskilt för van der Corput-följden), såväl som för den allmänna feluppskattningen hos kvasi-Monte Carlo metoden. Utifrån upptäckterna från dessa undersökningar ger vi ett villkorligt bevis av van der Corput's sats, samt illustrerar att man genom att använda lågdiskrepanstalföljder (som van der Corput-följden) fortfarande kan uppnå tämligen snabb konvergenshastighet för kvasi-Monte Carlo metoden. Detta även för situationer där de kända teoretiska resultatet, Koksma's olikhet, är oandvändbart.
48
Yue, Rong-xian. "Applications of quasi-Monte Carlo methods in model-robust response surface designs." HKBU Institutional Repository, 1997. http://repository.hkbu.edu.hk/etd_ra/178.
Full text
49
Fakhereddine, Rana. "Méthodes de Monte Carlo stratifiées pour l'intégration numérique et la simulation numériques." Thesis, Grenoble, 2013. http://www.theses.fr/2013GRENM047/document.
Full textAbstract:
Les méthodes de Monte Carlo (MC) sont des méthodes numériques qui utilisent des nombres aléatoires pour résoudre avec des ordinateurs des problèmes des sciences appliquées et des techniques. On estime une quantité par des évaluations répétées utilisant N valeurs et l'erreur de la méthode est approchée par la variance de l'estimateur. Le présent travail analyse des méthodes de réduction de la variance et examine leur efficacité pour l'intégration numérique et la résolution d'équations différentielles et intégrales. Nous présentons d'abord les méthodes MC stratifiées et les méthodes d'échantillonnage par hypercube latin (LHS : Latin Hypercube Sampling). Parmi les méthodes de stratification, nous privilégions la méthode simple (MCS) : l'hypercube unité Is := [0; 1)s est divisé en N sous-cubes d'égale mesure, et un point aléatoire est choisi dans chacun des sous-cubes. Nous analysons la variance de ces méthodes pour le problème de la quadrature numérique. Nous étudions particulièrment le cas de l'estimation de la mesure d'un sous-ensemble de Is. La variance de la méthode MCS peut être majorée par O(1=N1+1=s). Les résultats d'expériences numériques en dimensions 2,3 et 4 montrent que les majorations obtenues sont précises. Nous proposons ensuite une méthode hybride entre MCS et LHS, qui possède les propriétés de ces deux techniques, avec un point aléatoire dans chaque sous-cube et les projections des points sur chacun des axes de coordonnées également réparties de manière régulière : une projection dans chacun des N sousintervalles qui divisent I := [0; 1) uniformément. Cette technique est appelée Stratification Sudoku (SS). Dans le même cadre d'analyse que précédemment, nous montrons que la variance de la méthode SS est majorée par O(1=N1+1=s) ; des expériences numériques en dimensions 2,3 et 4 valident les majorations démontrées. Nous présentons ensuite une approche de la méthode de marche aléatoire utilisant les techniques de réduction de variance précédentes. Nous proposons un algorithme de résolution de l'équation de diffusion, avec un coefficient de diffusion constant ou non-constant en espace. On utilise des particules échantillonnées suivant la distribution initiale, qui effectuent un déplacement gaussien à chaque pas de temps. On ordonne les particules suivant leur position à chaque étape et on remplace les nombres aléatoires qui permettent de calculer les déplacements par les points stratifiés utilisés précédemment. On évalue l'amélioration apportée par cette technique sur des exemples numériques Nous utilisons finalement une approche analogue pour la résolution numérique de l'équation de coagulation, qui modélise l'évolution de la taille de particules pouvant s'agglomérer. Les particules sont d'abord échantillonnées suivant la distribution initiale des tailles. On choisit un pas de temps et, à chaque étape et pour chaque particule, on choisit au hasard un partenaire de coalescence et un nombre aléatoire qui décide de cette coalescence. Si l'on classe les particules suivant leur taille à chaque pas de temps et si l'on remplace les nombres aléatoires par des points stratifiés, on observe une réduction de variance par rapport à l'algorithme MC usuel<br>Monte Carlo (MC) methods are numerical methods using random numbers to solve on computers problems from applied sciences and techniques. One estimates a quantity by repeated evaluations using N values ; the error of the method is approximated through the variance of the estimator. In the present work, we analyze variance reduction methods and we test their efficiency for numerical integration and for solving differential or integral equations. First, we present stratified MC methods and Latin Hypercube Sampling (LHS) technique. Among stratification strategies, we focus on the simple approach (MCS) : the unit hypercube Is := [0; 1)s is divided into N subcubes having the same measure, and one random point is chosen in each subcube. We analyze the variance of the method for the problem of numerical quadrature. The case of the evaluation of the measure of a subset of Is is particularly detailed. The variance of the MCS method may be bounded by O(1=N1+1=s). The results of numerical experiments in dimensions 2,3, and 4 show that the upper bounds are tight. We next propose an hybrid method between MCS and LHS, that has properties of both approaches, with one random point in each subcube and such that the projections of the points on each coordinate axis are also evenly distributed : one projection in each of the N subintervals that uniformly divide the unit interval I := [0; 1). We call this technique Sudoku Sampling (SS). Conducting the same analysis as before, we show that the variance of the SS method is bounded by O(1=N1+1=s) ; the order of the bound is validated through the results of numerical experiments in dimensions 2,3, and 4. Next, we present an approach of the random walk method using the variance reduction techniques previously analyzed. We propose an algorithm for solving the diffusion equation with a constant or spatially-varying diffusion coefficient. One uses particles, that are sampled from the initial distribution ; they are subject to a Gaussian move in each time step. The particles are renumbered according to their positions in every step and the random numbers which give the displacements are replaced by the stratified points used above. The improvement brought by this technique is evaluated in numerical experiments. An analogous approach is finally used for numerically solving the coagulation equation ; this equation models the evolution of the sizes of particles that may agglomerate. The particles are first sampled from the initial size distribution. A time step is fixed and, in every step and for each particle, a coalescence partner is chosen and a random number decides if coalescence occurs. If the particles are ordered in every time step by increasing sizes an if the random numbers are replaced by statified points, a variance reduction is observed, when compared to the results of usual MC algorithm
50
El, maalouf Joseph. "Méthodes de Monte Carlo stratifiées pour la simulation des chaines de Markov." Thesis, Université Grenoble Alpes (ComUE), 2016. http://www.theses.fr/2016GREAM089.
Full textAbstract:
Les méthodes de Monte Carlo sont des méthodes probabilistes qui utilisent des ordinateurs pour résoudre de nombreux problèmes de la science à l’aide de nombres aléatoires. Leur principal inconvénient est leur convergence lente. La mise au point de techniques permettant d’accélérer la convergence est un domaine de recherche très actif. C’est l’objectif principal des méthodes déterministes quasi-Monte Carlo qui remplacent les points pseudo-aléatoires de simulation par des points quasi-aléatoires ayant une excellente répartition uniforme. Ces méthodes ne fournissent pas d’intervalles de confiance permettant d’estimer l’erreur. Nous étudions dans ce travail des méthodes stochastiques qui permettent de réduire la variance des estimateurs Monte Carlo : ces techniques de stratification le font en divisant le domaine d’échantillonnageen sous-domaines. Nous examinons l’intérêt de ces méthodes pour l’approximation des chaînes de Markov, la simulation de la diffusion physique et la résolution numérique de la fragmentation.Dans un premier chapitre, nous présentons les méthodes de Monte Carlo pour l’intégration numérique. Nous donnons le cadre général des méthodes de stratification. Nous insistons sur deux techniques : la stratification simple (MCS) et la stratification Sudoku (SS), qui place les points sur des grilles analogues à celle du jeu. Nous pressentons également les méthodesquasi-Monte Carlo qui partagent avec les méthodes de stratification certaines propriétés d'équipartition des points d’échantillonnage.Le second chapitre décrit l’utilisation des méthodes de Monte Carlo stratifiées pour la simulation des chaînes de Markov. Nous considérons des chaînes homogènes uni-dimensionnelles à espace d’états discret ou continu. Dans le premier cas, nous démontrons une réduction de variance par rapport `a la méthode de Monte Carlo classique ; la variance des schémas MCSou SS est d’ordre 3/2, alors que celle du schéma MC est de 1. Les résultats d’expériences numériques, pour des espaces d’états discrets ou continus, uni- ou multi-dimensionnels montrent une réduction de variance liée à la stratification, dont nous estimons l’ordre.Dans le troisième chapitre, nous examinons l’intérêt de la méthode de stratification Sudoku pour la simulation de la diffusion physique. Nous employons une technique de marche aléatoire et nous examinons successivement la résolution d’une équation de la chaleur, d’une équation de convection-diffusion, de problèmes de réaction-diffusion (équations de Kolmogorov et équation de Nagumo) ; enfin nous résolvons numériquement l’équation de Burgers. Dans chacun de ces cas, des tests numériques mettent en évidence une réduction de la variance due à l’emploi de la méthode de stratification Sudoku.Le quatrième chapitre décrit un schéma de Monte Carlo stratifie permettant de simuler un phénomène de fragmentation. La comparaison des performances dans plusieurs cas permet de constater que la technique de stratification Sudoku réduit la variance d’une estimation Monte Carlo. Nous testons enfin un algorithme de résolution d’un problème inverse, permettant d’approcher le noyau de fragmentation, à partir de résultats de l’évolution d’une distribution ;nous utilisons dans ce cas des points quasi-Monte Carlo pour résoudre le problème direct<br>Monte Carlo methods are probabilistic schemes that use computers for solving various scientific problems with random numbers. The main disadvantage to this approach is the slow convergence. Many scientists are working hard to find techniques that may accelerate Monte Carlo simulations. This is the aim of some deterministic methods called quasi-Monte Carlo, where random points are replaced with special sets of points with enhanced uniform distribution. These methods do not provide confidence intervals that permit to estimate the errordone. In the present work, we are interested with random methods that reduce the variance of a Monte Carlo estimator : the stratification techniques consist of splitting the sampling area into strata where random samples are chosen. We focus here on applications of stratified methods for approximating Markov chains, simulating diffusion in materials, or solving fragmentationequations.In the first chapter, we present Monte Carlo methods in the framework of numerical quadrature, and we introduce the stratification strategies. We focus on two techniques : the simple stratification (MCS) and the Sudoku stratification (SS), where the points repartitions are similar to Sudoku grids. We also present quasi-Monte Carlo methods, where quasi-random pointsshare common features with stratified points.The second chapter describes the use of stratified algorithms for the simulation of Markov chains. We consider time-homogeneous Markov chains with one-dimensional discrete or continuous state space. We establish theoretical bounds for the variance of some estimator, in the case of a discrete state space, that indicate a variance reduction with respect to usual MonteCarlo. The variance of MCS and SS methods is of order 3/2, instead of 1 for usual MC. The results of numerical experiments, for one-dimensional or multi-dimensional, discrete or continuous state spaces show improved variances ; the order is estimated using linear regression.In the third chapter, we investigate the interest of stratified Monte Carlo methods for simulating diffusion in various non-stationary physical processes. This is done by discretizing time and performing a random walk at every time-step. We propose algorithms for pure diffusion, for convection-diffusion, and reaction-diffusion (Kolmogorov equation or Nagumo equation) ; we finally solve Burgers equation. In each case, the results of numerical tests show an improvement of the variance due to the use of stratified Sudoku sampling.The fourth chapter describes a stratified Monte Carlo scheme for simulating fragmentation phenomena. Through several numerical comparisons, we can see that the stratified Sudoku sampling reduces the variance of Monte Carlo estimates. We finally test a method for solving an inverse problem : knowing the evolution of the mass distribution, it aims to find a fragmentation kernel. In this case quasi-random points are used for solving the direct problem