...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Probabilistic engineering mechanics >MCMC algorithms for Subset Simulation
【24h】

MCMC algorithms for Subset Simulation

机译：用于子集仿真的MCMC算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Subset Simulation is an adaptive simulation method that efficiently solves structural reliability problems with many random variables. The method requires sampling from conditional distributions, which is achieved through Markov Chain Monte Carlo (MCMC) algorithms. This paper discusses different MCMC algorithms proposed for Subset Simulation and introduces a novel approach for MCMC sampling in the standard normal space. Two variants of the algorithm are proposed: a basic variant, which is simpler than existing algorithms with equal accuracy and efficiency, and a more efficient variant with adaptive scaling, It is demonstrated that the proposed algorithm improves the accuracy of Subset Simulation, without the need for additional model evaluations. (C) 2015 Elsevier Ltd. All rights reserved.
机译：子集仿真是一种自适应仿真方法，可以有效解决具有许多随机变量的结构可靠性问题。该方法需要从条件分布中采样，这是通过马尔可夫链蒙特卡洛（MCMC）算法实现的。本文讨论了为子集仿真提出的不同MCMC算法，并介绍了一种在标准法向空间中进行MCMC采样的新颖方法。提出了该算法的两个变体：一个基本变体，它比现有算法更简单，且具有相同的准确度和效率，一个更有效的变体具有自适应缩放，证明了该算法提高了子集仿真的精度，而无需用于其他模型评估。 （C）2015 Elsevier Ltd.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号