Multilevelalgorithmen kommt beim Schätzen von Wahrscheinlichkeiten seltener Ereignisse eine wichtige Rolle zu, insbesondere bei rechenintensiven Systemen.
In dieser Arbeit wird ein Multilevelschätzer vorgestellt und untersucht, welchem Cross-Entropy basiertes Importance Sampling zu Grunde liegt. Eine hierarchische Anordnung von Approximationen verschiedener Ausflösungen wird bei der effizienten Konstruktion einer problemspezifischen Dichte für Importance Sampling verwendet. Dabei werden Optimierungsprobleme bezüglich der Kullback-Leibler Divergenz betrachtet und gelöst. Des Weiteren stellt sich heraus, dass von einer selektiven Verfeinerungstechnik Gebrauch gemacht werden kann. Diese Veränderungen führen zu einem erheblich verringerten Rechenaufwand im Vergleich zu der Variante, bei der nur eine einzige Diskretisierung verwendet wird.
Numerische Experimente im Ein- und Zweidimensionalen demonstrieren, dass die Methode für kleine Fehlerwahrscheinlichkeiten geeignet ist.
«
Multilevelalgorithmen kommt beim Schätzen von Wahrscheinlichkeiten seltener Ereignisse eine wichtige Rolle zu, insbesondere bei rechenintensiven Systemen.
In dieser Arbeit wird ein Multilevelschätzer vorgestellt und untersucht, welchem Cross-Entropy basiertes Importance Sampling zu Grunde liegt. Eine hierarchische Anordnung von Approximationen verschiedener Ausflösungen wird bei der effizienten Konstruktion einer problemspezifischen Dichte für Importance Sampling verwendet. Dabei werden Optimie...
»