Metoda Monte Carlo w zagadnieniach o dużej liczbie stopni swobody

• Authors: Teresa Białas , Marek Jasiński

Title variants

EN

Monte Carlo method in matters with a large number of degrees of freedom

Abstracts

EN

Along with the increase in computing capabilities of computers and the spread of cloud computing technologies, the importance of simulation methods, in particular the Monte Carlo method, grows. The quality of the obtained results largely depends on the number sequences used in this method. The article presents the issue of creating and applying pseudorandom and quasi-random sequences. The aim of this publication was to experimentally investigate the differences in the obtained results using different number sequences for problems with a large number of degrees of freedom.

PL

Wraz ze wzrostem możliwości obliczeniowych komputerów i upowszechnieniu technologii obliczeń chmurowych rośnie znaczenie metod symulacyjnych, w szczególności metody Monte Carlo. Jakość uzyskanych wyników w dużej mierze zależy od zastosowanych w tej metodzie ciągów liczbowych. W artykule przybliżono zagadnienie tworzenia oraz zastosowania ciągów pseudolosowych i quasilosowych. Celem niniejszej publikacji było eksperymentalne zbadanie różnic w uzyskanych wynikach przy zastosowaniu różnych ciągów liczbowych dla zagadnień o dużej liczbie stopni swobody.

Keywords

PL

metoda Monte Carlo; metoda quasi-Monte Carlo; ciąg Haltona; szyfrowany ciąg Haltona; dyskrepancja; ciąg van der Corputa

EN

Monte Carlo method; quasi-Monte Carlo method; Halton sequence; scrambled Halton sequence; discrepancy; van der Corput sequence

• Publisher: Akademia Nauk Stosowanych w Nowym Sączu
• Journal: Studia Ekonomiczne. Gospodarka, Społeczeństwo, Środowisko
• Year: 2022
• Issue: 1/2022 (9)
• Pages: 102-110

Dates

published

2022

Contributors

author

Teresa Białas

• Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu

author

Marek Jasiński

• Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu

References

• Arabas, J., Słomka, M. (2011). Generatory liczb pseudolosowych w inicjacji populacji bazowej strategii ewolucyjnej. Pobrano z: https://troja.uksw.edu.pl/.
• Bartłomowicz, T. (2011). Symulacja Monte Carlo jako narzędzie prognozowania wybranych aspektów rynku nieruchomości. W: B. Pawełek (red.), Osiągnięcia i perspektywy modelowania i prognozowania zjawisk społeczno-gospodarczych. Kraków: Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie.
• Brzozowska, K. (2020). Sekwencyjna metoda Monte Carlo i jej zastosowanie do modelowania zmienności inflacji w Polsce. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, 21-36.
• Faure, H., Lemieux, C. (2009). Generalized Halton sequences in 2008: A comparative study. ACM Trans. Model. Comp. Sim., 19(4), art. 15.
• Heinrich, S. (1996). Efficient algorithms for computing The L2-discrepancy. Mathematics of Computation, 65(216), 1621-1633.
• Kosińska, M. (2016). Zastosowanie metody Monte Carlo do wyceny opcji. Zeszyty Naukowe Uniwersytetu Szczecińskiego, 394, 149-158.
• Kulkarni, V., Adlakha, V. (1986). Markov and Markov-Regenerative PERT Networks. Operations Research, 34(5), 769-781.
• Milian, Z. (2006). Metody określania rozkładu czasu realizacji przedsięwzięć budowlanych w acyklicznych sieciach stochastycznych. Kraków: Wydawnictwo Politechniki Krakowskiej.
• Pawlak, M. (2012). Symulacja Monte Carlo w analizie ryzyka projektów inwestycyjnych. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, 51, 83-94.
• Staus, A. (2008). Standard and Shuffled Halton Sequences in a Mixed Logit Model. Arbeitbericht, 17.
• Van Slyke, R. (1963). Monte Carlo Methods and PERT Problem. Operations Research, 11, 839-860.
• Woźniak, A. (2010). Grafy i sieci w technikach decyzyjnych. Kraków: Komisja Technicznej Infrastruktury Wsi PAN w Krakowie.

Identifiers

Biblioteka Nauki

14150186