随机条件下的平均场倒向随机微分方程

来源 :山东大学 | 被引量 : 0次 | 上传用户:jialin131466
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文主要研究了如下平均场倒向随机微分方程在两种随机条件下的解及其性质:Yt=η+∫Tt E[Φ(s,Ys,Zs,Ys,Zs]dQs-∫TtZsdBs,0≤t≤T,(0.0.1)其中η是FT-可测随机变量;Q是F-适应连续增过程,且Q0=0。  条件一:随机Lipschitz假设  (H1)(F-)循序可测随机过程Φ(·,0,0,0,0)有界。  (H2)存在F-循序可测随机过程L,(e),α:.Ω×[0,T]→R+,有αtdQt=dt,∫T0LtdQt+(((e)t)2dt<∞,P-a.s.  (H3)对任意t∈[0,T,y1,y1,y2,y2∈Rm,z1,z1,z2,z2∈Rm×k,P-a.s.:|Φ(t,y1,z1,y1,z1)-Φ(t,y2,z2,y2,z2)|≤Lt(|y1-y2|+|y1-y2|)+αt(e)t(|z1-z2|+|z1-z2|).通过运用先验估计、逼近、收敛、倒向Stieltjes-Gronwall不等式,证得在此条件下方程(0.0.1)在S0m[0,T]×∧0m×k(0,T)上存在唯一解。方程(0.0.1)满足高维比较定理。  条件二:随机单调性假设:Φ满足(H1)和以下条件  (H4)存在常数M和F-循序可测随机过程:μ:Ω×[0,T]→R,(e),α:Ω×[0,T]→R+,使得αtdQt=dt,∫T0|μt|dQt+∫T0((e)t)2dt<M,P-a.s.  (H5)对任意y1,y1,y2,y2∈Rm,z1,z1,z2,z2∈Rm×k,dP(×)dQ-a.e.:  Φ关于y,y连续,关于y满足单调条件,关于y满足Lipschitz条件:≤μt|y1-y2|2,|Φ(t,y1,z1,y1,z1)-Φ(t,y1,z1,y2,z1)|≤μt|y1-y2|;  Φ关于(z,z)满足Lipschitz条件:|Φ(t,y1,z1,y1,z1)-Φ(t,y1,z2,y1,z2|≤αt(e)t(|z1-z2|+|z1-z2|).证明在此条件下方程(0.0.1)存在唯一解(Y,Z)∈S0m[0,T]×∧0mk(0,T),且方程(0.0.1)也满足高维比较定理。
其他文献
SL2(Z)上的Maass尖形式所对应的L-函数的零点密度问题是解析数论中的重要课题,许多数学家对这一问题进行了研究,得到了一些非常重要的结果.本文也对该问题进行了研究,我们沿着经
肾脏算法(kidney-inspired algorithm,KA)是一种模拟人体肾脏工作原理和过程的随机优化算法,该算法具有对较优个体进行局部精细搜索及对较差个体进行全局搜索的能力.目前这个算法已被成功应用于降雨预测、电力系统优化等领域.然而到目前为止,相对于其他智能算法群体,肾脏算法在理论研究和实际应用方面的研究还有所欠缺,仍然有许多相关的问题需要进一步研究.为了进一步提高肾脏算法的收敛速度以
学位