Matematika Numerik Terapan 150 (2020) 18–26

Daftar isi tersedia di ScienceDirect

Matematika Numerik Terapan

www.elsevier.com/locate/apnum

Analisis stochastic jangka panjang θ- metode untuk osilator stokastik

teredam

Vincenzo Citro Sebuah , Raffaele D'Ambrosio b , ∗

Sebuah DIIN, Universitas Salerno, Italia
b Jurusan Teknik dan Ilmu Komputer dan Matematika, Universitas L'Aquila, Italia

artikel info abstrak

Sejarah artikel: Kami menganalisis properti jangka panjang dari stokastik θ- metode untuk osilator stokastik linier teredam. Analisis a-priori
Diterima 25 Juli 2019 kesalahan yang disajikan dalam matriks korelasi memungkinkan untuk menyimpulkan perilaku jangka panjang stokastik θ- metode
Diterima dalam bentuk revisi 14 Agustus 2019 Diterima 14
dan kemampuannya untuk mereproduksi fitur jangka panjang yang sama dari dinamika berkelanjutan. Analisis teoritis juga
Agustus 2019
didukung oleh pilihan eksperimen numerik.
Tersedia online 21 Agustus 2019

© IMACS 2019. Diterbitkan oleh Elsevier BV Semua hak dilindungi undang-undang.

Kata kunci:
Stochastic θ- metode
Osilator stokastik
Analisis jangka panjang

1. Kerangka dan ruang lingkup

Makalah ini difokuskan pada analisis sifat jangka panjang dari diskritisasi satu langkah dari osilator stokastik linier teredam, menggambarkan gerakan partikel yang didorong oleh istilah
gaya deterministik dan stokastik. Persamaan diferensial stokastik Ito memodelkan masalah fisik ini, diberikan dalam [ 3 , 4 ], memiliki bentuk

d Z (t) = (1.1)

dimana
[ QZ (t) d] t + ε q d W (t), t ∈ [ 0, T],

Z (t) = X (t)
V (t)

adalah vektor yang mengumpulkan] posit [ion] dan kecepatan partikel pada waktu t. Q dan q didefinisikan oleh

[
1
Q=-0 , q =0 ,
g- η 1

makhluk g amplitudo dari istilah pemaksaan deterministik dan η nilai redaman. Apalagi parameternya ε di ( 1.1 ) memberikan amplitudo istilah pemaksaan stokastik, didorong oleh proses
Weiner skalar W (t). Untuk pengenalan yang lebih umum tentang persamaan diferensial stokastik Ito, kami mengacu pada [ 21 , 24 , 26 ] dan referensi di dalamnya.

* Penulis yang sesuai.

Alamat email: raffaele.dambrosio@univaq.it (R. D'Ambrosio).

https://doi.org/10.1016/j.apnum.2019.08.011
0168-9274 / © IMACS 2019. Diterbitkan oleh Elsevier BV Semua hak dilindungi undang-undang.
 V. Citro, R. D'Ambrosio / Matematika Numerik Terapan 150 (2020) 18–26 19

Properti jangka panjang (es of ( ( 1.1 ), sebagai hig) h) menyala [ 3 , 4 , 15 , 18 ], dapat disimpulkan melalui analisis alat tulis
massa jenis

η
∞ ( x, v) = N 0 exp - gx 2 + v 2 , (1.2)
ε2
mengungkapkan pada, dalam waktu yang lama, gerakan yang dijelaskan oleh ( 1.1 ) memiliki kecepatan terdistribusi Gaussian, yang tidak berkorelasi dengan posisi partikel e [e. Fitur ini
dapat digambarkan secara kompak melalui matriks korelasi

μ = ε2 g-10
= σ2
X
, (1.3)
μ σ V. 2
2 η 0 1

dimana

σ 2X = l → ∞ Aku E | X (t) | 2, σ 2 V=l→∞

Aku E | V (t) | 2, μ =l Aku | ( t) (t) V.= 0. | (1.4)
t t t→∞E X

Ruang lingkup makalah ini adalah pelestarian numerik dari fitur-fitur jangka panjang ( 1.1 ), dengan mempertahankan korelasinya
matriks ( 1.3 ) di sepanjang solusi numerik yang dihasilkan oleh keluarga θ- metode. Untuk persamaan diferensial stokastik Ito

d Y (t) = f (Y (t)) d t + g (Y (t)) d W (t), t ∈ [ 0, T],

itu θ (- Maruyama) diberikan oleh

Y n + 1 = Y n + ( 1 - θ) tf (Y n) + θ tf (Y n + 1) + g (Y n) W n, (1,5)

untuk θ ∈ [ 0, 1], di mana Y n adalah nilai perkiraan untuk Y (t n) dengan mengacu pada domain yang didiskritisasi

saya t = { t n = n T, n = 0, 1,. . . , N, N = T / t}

dan peningkatan Wiener yang diskrit W n adalah variabel acak normal dengan mean dan varians nol t.
Sifat stabilitas linier ϑ- metode telah banyak dianalisis dalam literatur (lihat, misalnya, [ 2 , 12 , 20 ]
dan referensi di dalamnya) sehubungan dengan soal tes

d Y (t) = λ Y (t) d t + μ Y (t) d W (t), λ, μ ∈ C,

yaitu gangguan stokastik dari soal uji deterministik Dahlquist untuk analisis stabilitas linier dari pendekatan numerik terhadap persamaan diferensial biasa. Di sini, kami bertujuan untuk
menganalisis properti dari θ- metode ketika diterapkan ke ( 1.1 ), untuk menguji kemampuan mereka mereproduksi perilaku jangka panjang yang sama di sepanjang dinamika diskritisasi.
Oleh karena itu, makalah ini mengikuti semangat membangun teori untuk integrasi numerik geometris stokastik, di sepanjang garis yang ditarik oleh beberapa kontribusi terbaru, seperti [ 3 , 4 ,
6 , 7 , 10 , 17 , 23 ]. Untuk pendekatan lebih lanjut tentang diskritisasi osilator stokastik, lihat [ 11 , 16 , 22 , 25 , 27 , 28 ] dan referensi di dalamnya.

Naskah disusun sebagai berikut: Bagian 2 memberikan analisis jangka panjang θ- metode yang diterapkan untuk ( 1.1 ), sementara
peran stokastisitas (yaitu peran amplitudo ε dalam integrasi numerik dari ( 1.1 )) dianalisis di Bagian 3 . Pelestarian momen kedua sepanjang dinamika numerik yang diberikan oleh ( 1.5 )
dipelajari di Bagian 4 . Bukti numerik yang menguatkan hasil teoritis pada pilihan soal tes diberikan di Bagian 5 dan beberapa komentar penutup merupakan objek dari Bagian 6 .

2. Analisis jangka panjang

Menerapkan θ- metode ( 1.5 ) ke ( 1.1 ) mengarah ke

Z n + 1 = R ( θ, t) Z n + ε r ( θ, t) W n, (2.1)

dimana

( ) - (1 ) ( ) -1

R ( θ, t) = I - θ tQ I + ( 1 - θ) tQ, r ( θ, t) = I - θ tQ q,

makhluk saya ∈ R 2 × 2 matriks identitas.

Untuk menganalisis fitur waktu lama dari θ- metode ( 1.5 ), kami bertujuan untuk menghitung a-priori korelasi numerik
matriks

˜X ˜
(θ, t) = σ̃ 2 (2.2)
μ ˜ μ̃ σ V.2,
20 V. Citro, R. D'Ambrosio / Matematika Numerik Terapan 150 (2020) 18–26

Tabel 1
Penyimpangan antara dan ? ̃ (θ, t) untuk θ = 3/4, η = g = 1 dan berbagai nilai t dan ε.

ε ‖ - ? ̃ ( 3/4, 10 - 1) ‖ ∞ ‖ - ? ̃ ( 3/4, 10 - 2)) ‖ ∞ ‖ - ? ̃ ( 3/4, 10 - 3)) ‖ ∞

0 0 0 0
0.1 4.73 · 10 - 4 4.97 · 10 - 5 5.00 · 10 - 6
0,5 1.18 · 10 - 2 1.24 · 10 - 3 1.25 · 10 - 4
1 4.73 · 10 - 2 4.97 · 10 - 3 5.00 · 10 - 4
10 4.73 6.02 · 10+ 1 5.00 · 10 - 2

dengan ˜ X

σ̃ 2 = lim σ̃ 2 = lim
tn → ∞ E | X n | 2, ˜ V. tn → ∞ E | V. n | 2, μ̃ = lim tn → ∞ E | X n V. n |,

dimana X n dan V. n adalah solusi numerik dari ( 1.1 ) dihitung oleh ( 1.5 ). Hasil berikut ini benar.

Teorema 2.1. Matriks korelasi numerik ( 2.2 ) sesuai dengan θ- metode]( 1.5 ) mengasumsikan formulir
[
ε2 g(2θ- 1) 2 t 2 + η ( 2 θ - 1) t + 2 g ( 2 θ - 1) t
? ̃ (θ, t) = , (2.3)
βg g ( 2 θ - 1) t 2g

dengan

β = g 2 ( 2 θ - 1) 3 t 3 + 3 η g ( 2 θ - 1) 2 t 2 + 2 ( η 2 + 2 g) ( 2 θ - 1) t + 4 η.

Bukti. Berdasarkan [ 4 ], ? ̃ (θ, t) memenuhi persamaan matriks berikut

? ̃ (θ, t) = R ( θ, t) ? ̃ (θ, t) R ( θ, t) T + ε 2 r ( θ, t) r ( θ, t) T t. (2.4)

Memecahkan persamaan terakhir sehubungan dengan ? ̃ mengarah ke tesis.

Hasil ini mengarah ke konsekuensi langsung berikut yang menyoroti dua properti jangka panjang yang relevan dari θ- metode.

Akibat wajar 2.1. Untuk θ- metode ( 1.5 ), kita punya itu

lim (2.5)
t → ?0 ̃ (θ, t) =,
untuk nilai apa pun θ ∈ [ 0, 1]. Apalagi θ- metode ( 1.5 ) dengan θ = 1/2, yaitu aturan trapesium stokastik, persis mempertahankan matriks korelasi ( 1.3 ).

Properti relevan lainnya, juga disorot di [ 3 , 4 , 15 ], adalah perilaku diskritisasi numerik sehubungan dengan
η. Hasil berikut, lagi-lagi secara langsung muncul dari Teorema 2.1 , menunjukkan bahwa pengawetan melalui metode satu langkah ( 1.5 ) berlaku juga untuk osilator yang sangat teredam.

Akibat wajar 2.2. Untuk θ- metode ( 1.5 ), kita punya itu

lim (2.6)
η→∞ ? ̃ (θ, t) =,

untuk nilai apa pun θ ∈ [ 0, 1], dari ukuran t dan parameter ε dan g.

3. ε- Perluasan solusi

Penting untuk menyoroti perilaku θ- metode kapan ε tumbuh, yaitu ketika suku stokastik menjadi lebih dominan di sisi kanan ( 1.1 ). Seseorang dapat melihat, melalui ( 2.3 ), itu

lim ? ̃
ε→∞( θ, t) =.

Untuk memberikan gambaran tentang kesenjangan antara dan ? ̃ (θ, t), mari kita simak Tabel 1 , melaporkan nilai ‖ -
? ̃ (θ, t) ‖ ∞, untuk nilai tetap dari θ, t, η, g dan untuk variasi ε. Kita bisa mengamati itu, lebih banyak ε tumbuh, semakin banyak
penyimpangan antara dan ? ̃ (θ, t) menjadi lebih besar. Dengan kata lain, jika stochastic term menjadi dominan, θ- metode
mungkin tidak melestarikan akurat, kecuali ukuran step yang cukup kecil dipilih, menurut Corollary 2.1 .
 V. Citro, R. D'Ambrosio / Matematika Numerik Terapan 150 (2020) 18–26 21

Meja 2
Penyimpangan pada rata-rata kuadrat posisi dan kecepatan untuk stokastik
θ- metode diterapkan ke ( 1.1 ) di ∣ [ 0, 100], dengan η = g = 1, t = 100/2 12 dan untuk
berbagai nilai ε.
∣∣ ∣
ε ∣ σ2
X - ˜ ∣ σ 2X ∣ σ 2V. - ˜ σ 2V. ∣

10 - 6 1.78 · 10 - 14 1.83 · 10 - 15
10 - 5 2.94 · 10 - 12 2.32 · 10 - 12
10 - 4 7.00 · 10 - 11 4.92 · 10 - 11
10 - 3 4.74 · 10 - 09 1.64 · 10 - 08
10 - 2 1.34 · 10 - 06 6.08 · 10 - 07
10 - 1 5.07 · 10 - 05 2.40 · 10 - 04
1 1.13 · 10 - 02 3.99 · 10 - 02

Kami sekarang bertujuan untuk menganalisis yang merupakan efek dari masalah ini pada solusi numerik yang dihitung oleh ( 1.5 ). Untuk tujuan ini,
kami melakukan ε- ekspansi ke solusi dari ( 1.1 ), yaitu, kami asumsikan sebagai ansatz bahwa solusi eksak dapat direpresentasikan sebagai deret pangkat ε dan, sebagai konsekuensinya,
solusi numerik dihitung oleh ( 1.5 ) dapat dilihat sebagai pemotongan dari ekspansi ini hingga kekuatan tertentu ε. Teknik seperti itu cukup umum dalam numerik deterministik; kami merujuk,
misalnya,
∑
ke [ 19 ] dan kembali perbedaan di dalamnya.

Untuk melakukan ε- ekspansi, kami langsung bertindak pada formulasi matriks ( 1.1 ) dari masalah dan dengan asumsi, sebagai ansatz, itu

Z (t) = Z saya ( t) ε saya, (3.1)

saya ≥ 0

dimana th • bersama vektor

s Z saya ( t) Sebuah ∑ ulang di R 2. Mengganti ansatz di ( 1.1 ) mengarah ke

d • e ∑ e ffiZsien
saya ( •
t) ε saya • = Q Z saya( t) ε saya d t + ε q d W (t).
saya ≥ 0 saya ≥ 0

Sekarang cukup untuk mengisolasi suku-suku hingga yang linier, mendapatkan persamaan diferensial stokastik

d Z 0 ( t) = QZ 0 ( t) d t

dan

d Z 1 ( t) = QZ 1 ( t) d t + ε q d W (t),
√
di tempat yang tidak diketahui Z 0 ( t) dan Z 1 ( t). Secara khusus, menyelesaikan persamaan kedua menunjukkan keberadaan dalam Z 1 ( t) dari ε t, dikenal

dalam literatur sebagai istilah sekuler. Jelas, nilai yang cukup kecil ε membuat istilah sekuler kurang dominan dalam jangka waktu yang lama;
Sebaliknya jika bagian stokastik dominan di sebelah kanan ( 1.1 ), istilah sekuler menjadi dominan dan membahayakan pemeliharaan akurat, kecuali nilainya sangat kecil t terpilih.

Untuk memastikan analisis kami, kami menyelesaikannya secara numerik ( 1.1 ) oleh stokastik θ- metode, yang dengan tepat mempertahankan matriks korelasi ( 1.3 ), menurut Corollary 2.1
. Seperti yang terlihat dari Tabel 2 , lebih ε tumbuh, semakin banyak metode yang kehilangan sifat pengawetan sempurna yang dicapai untuk nilai yang lebih moderat ε. Ini tidak
mengherankan, menurut argumen teoretis yang diberikan di bagian ini. Jelas, agar lebih akurat kapan ε lebih besar, kita perlu menyeimbangkan keberadaan istilah sekuler dengan stepsize
yang lebih kecil, seperti yang juga disorot di bagian sebelumnya.

4. Pelestarian momen urutan kedua

Kami sekarang bertujuan untuk menyelidiki kemampuan θ- metode ( 1.5 ) untuk mempertahankan karakter momen orde dua E [ X 2 n+
V. 2
n]. Seperti yang dibuktikan di [ 25 ] untuk versi yang disederhanakan dari ( 1.1 ), momen kedua yang tepat berperilaku sebagai berikut

E [ X (t) 2 + V (t) 2] ≤ α + ε 2 t,

dimana α adalah konstanta nyata. Untuk θ- metode ( 2.1 ), hasil berikut berlaku.

Teorema [4.1. Kondisi se] m

[ oment ass] ociated ke solusi numerik dari ( 1.1 ) dihitung oleh ( 2.1 ) memenuhi perkiraan berikut
E X2 n + V. 2 n ≤ E X2 0 + V. 2 0 + ε 2 t n.

Bukti. Mari kita lakukan satu langkah dari t n - 1 untuk t n melalui ( 2.1 ). Hal ini mengarah pada representasi componentwise berikut dari hukum yang terus berkembang yang dijelaskan oleh ( 2.1
)
22 V. Citro, R. D'Ambrosio / Matematika Numerik Terapan 150 (2020) 18–26

Gambar 1. Penyimpangan yang diamati antara nilai numerik dan teoritis dari σ 2 X di ( 1.4 ) untuk osilator teredam ( 1.1 ) dengan η = g = 1 dan berbagai nilai
ε. Rata-rata telah dihitung lebih dari 1000 lintasan. Nilai awalnya adalah Z 0 = [ 0 0] T dan ukuran step yang dipilih adalah t = 100/2 15.

X n = r 11 X n - 1 + r 12 V. n - 1 + ε r 1 W n - 1,

V. n = r 21 X n - 1 + r 22 V. n - 1 + ε r 2 W n - 1.

Kuadrat, penjumlahan] dan (passing t) o ekspektasi (asi mengarah) ke []

[ ( )
2 2 2 2
E X2 n + V. 2 n = r 11 + r 21 E Xn+r2 12 + r 2 22 E V. n + ε 2 tr 2 1 + r 2 2.

Sejak

r 211 + r 2 21 = 1+ HAI( t 2),

r 212 + r 2 22 = 1 - 2 η t + HAI( t 2),
r 21 + r 2 2=1 - 2 ηθ t + HAI( t 2),

kita punya

[ ] [ ]
2 2 t,
E X2 n + V. 2 n ≤ E X2 n - 1 + V. n - 1 + ε

yang, diakui secara resmi, [mengarah ke]

E X2 n + V. 2 n ≤ E X2 0 + V. 2 0 + n ε 2 t,

yang memberikan tesis.

Dengan kata lain, momen urutan kedua numerik dihitung oleh stokastik θ- metode ( 2.1 ) memiliki karakter yang sama
dari momen kedua yang tepat, karena dibatasi atas oleh suku linier di t dan kuadrat dalam ε.
 V. Citro, R. D'Ambrosio / Matematika Numerik Terapan 150 (2020) 18–26 23

Gambar 2. Penyimpangan yang diamati antara nilai numerik dan teoritis dari σ 2 V. di ( 1.4 ) untuk osilator teredam ( 1.1 ) dengan η = g = 1 dan berbagai nilai
ε. Rata-rata telah dihitung lebih dari 1000 lintasan. Nilai awalnya adalah Z 0 = [ 0 0] T dan ukuran step yang dipilih adalah t = 100/2 15.

5. Eksperimen numerik

Pada bagian ini kami menyajikan pilihan tes numerik yang timbul dari penerapan θ- metode ( 1.5 ) ke linier
osilator ( 1. [ 1 ), serta pada varian nonlinier yang sesuai.

Kami menerapkan metode trapesium astik stoch] untuk menyelesaikan Persamaan ( 1.1 ) di [0, 100] dengan

1
Q=-0
1 - 1,

nilai awal Z 0 = [ 0 0] T dan Seperti yang terlihat dari

t =Gambar.
100/2 15.1Kami
untukmemilih
3 , secara
berbagai
koheren
nilai
dengan
amplitudo ε dariteoritis
masalah istilahyang
pemaksaan
dibuktikan
stokastik.
di bagian sebelumnya, trapesium stokastik

Metode menunjukkan perilaku konservasi yang sangat baik untuk nilai kecil ε. Konservasi akurat memburuk saat ε
meningkat, sebagaimana dibuktikan pada Bagian 3 . Jelas, konservasi yang lebih baik akan dimungkinkan untuk nilai yang lebih kecil t, seperti yang ditunjukkan pada

Meja 1 .

Sekarang kita menyimpulkan dengan melihat sekilas kasus nonlinier

d X (t) = V (t) d t,
(5.1)
d V (t) = - ( η V (t) - f (X (t)) d t + ε d W (t),

untuk t ∈ [ 0, 1000], di mana f (X

kepadatan stasioner dalam kasus nonlinier) diberikan oleh

() dikaitkan dengan potensi nonlinier P ( X) melalui f (X) = - P. ′ ( X). Seperti yang disorot di [ 3 , 4 , 15 ],
∞ ( x, v) = N 0 exp - η ( v 2 + 2 P ( x)), (5.2)
ε2
24 V. Citro, R. D'Ambrosio / Matematika Numerik Terapan 150 (2020) 18–26

Gambar 3. Nilai numerik yang diamati dari μ di ( 1.4 ) untuk osilator teredam ( 1.1 ) dengan η = g = 1 dan berbagai nilai ε. Rata-rata telah dihitung lebih dari 1000 lintasan. Nilai awalnya adalah Z 0 = [ 0 0] T dan ukuran step
yang dipilih adalah t = 100/2 15.

dimana ∫ ∞konstan
∫ ∞ N 0 dapat dihitung berdasarkan kondisi

∞ ( x, v) d x d v = 1.

−∞ − ∞

Sebagai kasus uji, kami mempertimbangkan potensi sumur ganda

P ( X) = - 1 X2+1 X4
2 4

dan memecahkan masalah yang sesuai ( 5.1 ) dengan Z 0 = [ 0 0] T dan η = 1, melalui stokastik θ- metode dengan 1000/2 6, untuk berbagai nilai ε. Ini diketahui dari [ 4 ] bahwa, dalamt kasus
=
nonlinier, kerapatan stasioner tidak lagi Gaussian,
tetapi posisi dan kecepatan masih tampak independen. Kemudian, kami bertujuan untuk melihat apakah independensi jangka panjang tersebut dipertahankan oleh metode trapesium
stokastik juga dalam kasus nonlinier ini.
Seperti yang terlihat dari Gambar. 4 Metode stochastic trapezoidal masih dapat menangkap independensi posisi dan kecepatan
dengan cara yang akurat. Sama seperti dalam kasus linier, semakin kecil ε, semakin akurat nilai ekspektasi yang diamati.

6. Kesimpulan

Investigasi telah dikhususkan untuk analisis fitur lama stokastik θ- metode ( 1.5 ), diterapkan ke linier
osilator teredam ( 1.1 ). Analisis telah menekankan peran stepsize dan amplitudo ε dari istilah difusi dalam pelestarian matriks korelasi ( 1.3 ) di sepanjang solusi numerik. Bukti numerik telah
memperkuat analisis teoritis. Sekilas tentang versi nonlinier ( 5.1 ) dari osilator juga telah diberikan secara eksperimental. Tampaknya, sampai batas tertentu, kesimpulan dari analisis linier
yang diberikan di sini dapat diperluas ke kasus nonlinier; masalah ini
 V. Citro, R. D'Ambrosio / Matematika Numerik Terapan 150 (2020) 18–26 25

Gambar 4. Nilai numerik yang diamati dari μ di ( 1.4 ) untuk osilator teredam nonlinier ( 5.1 ) dengan η = 1 dan berbagai nilai ε. Rata-rata telah dihitung lebih dari 1000 lintasan. Nilai awalnya adalah Z 0 = [ 0 0] T dan ukuran
step yang dipilih adalah t = 1000/2 6.

akan menolak kontribusi masa depan, dengan semangat mewarisi properti masalah nonlinier atas diskritisasi mereka [ 1 , 5 , 8 - 10 , 13 , 14 ].

Pengakuan

Penulis adalah anggota GNCS-INDAM. Pekerjaan ini didukung oleh GNCS-INDAM.

Referensi

[1] E. Buckwar, R. D'Ambrosio, Sifat stabilitas kuadrat rata-rata eksponensial dari metode multistep stokastik, diserahkan untuk publikasi. [2] E. Buckwar, T. Sickenberger, Analisis kestabilan kuadrat rata-rata linear
komparatif metode tipe Maruyama dan Milstein, Math. Comput. Simul. 81 (2011) 1110–1127.

[3] K. Burrage, G. Lythe, Densitas stasioner yang akurat dengan metode numerik terpartisi untuk persamaan diferensial stokastik, SIAM J. Numer. Anal. 47 (2009) 1601–1618.

[4] K. Burrage, I. Lenane, G. Lythe, Metode numerik untuk persamaan diferensial stokastik orde kedua, SIAM J. Sci. Comput. 29 (2007) 245–264.
[5] K. Burrage, A. Cardone, R. D'Ambrosio, B. Paternoster, Solusi numerik sistem difusi fraksional waktu, Appl. Numer. Matematika. 116 (2017) 82–94.
[6] PM Burrage, K. Burrage, metode Runge-Kutta peringkat rendah, simplektisitas dan masalah Stochastic Hamiltonian dengan kebisingan aditif, J. Comput. Appl. Matematika. 236 (2012) 3920–3930.

[7] PM Burrage, K. Burrage, Metode Runge-Kutta Pemelihara Struktur untuk persamaan Hamiltonian stokastik dengan derau aditif, Numer. Algoritma 65 (2014) 519–532.

[8] A. Cardone, D. Conte, R. D'Ambrosio, B.Paternoster, Masalah stabilitas untuk masalah evolusi stokastik yang dipilih: tinjauan, Aksioma 7 (4) (2018) 91.
[9] A. Cardone, R. D'Ambrosio, B. Paternoster, Metode spektral untuk persamaan diferensial pecahan stokastik, Appl. Numer. Matematika. 139 (2019) 115–119.
[10] C. Chen, D. Cohen, R. D'Ambrosio, A. Lang, integrator numerik pengawet drift untuk sistem Stochastic Hamiltonian, arXiv: 1907.08804, diserahkan untuk publikasi.

[11] D. Cohen, Tentang diskritisasi numerik dari osilator stokastik, Math. Comput. Simul. 82 (8) (2012) 1478–1495.
26 V. Citro, R. D'Ambrosio / Matematika Numerik Terapan 150 (2020) 18–26

[12] D. Conte, R. D'Ambrosio, B. Paternoster, Tentang stabilitas ϑ- metode untuk persamaan integral Volterra stokastik, Discrete Contin. Dyn. Syst., Ser. B
23 (7) (2018) 2695–2708.
[13] R. D'Ambrosio, S. Di Giovacchino, Kontras aktivitas rata-rata dari stokastik θ- metode, diserahkan untuk publikasi. [14] R. D'Ambrosio, G. Izzo, Z. Jackiewicz, Mencari metode Runge-Kutta dua langkah yang sangat
stabil untuk ODE, Appl. Numer. Matematika. 62 (10) (2012) 1361–1379.
[15] R. D'Ambrosio, M. Moccaldi, B. Paternoster, Pelestarian numerik dinamika jangka panjang dengan metode stokastik dua langkah, Discrete Contin. Dyn. Syst., Ser. B 23 (7) (2018) 2763–2773.

[16] H. de la Cruz, JC Jimenez, JP Zubelli, Metode linierisasi lokal untuk simulasi osilator stokastik yang digerakkan oleh gaya acak, BIT Numer. Matematika. 57 (1) (2017) 123–151.

[17] E. Faou, T. Lelièvre, persamaan diferensial stokastik Konservatif: analisis matematika dan numerik, Matematika. Comput. 78 (2009) 2047-2074.
[18] CW Gardiner, Buku Pegangan Metode Stokastik untuk Fisika, Kimia, dan Ilmu Pengetahuan Alam, edisi ke-3., Springer-Verlag, Berlin, 2004.
[19] E. Hairer, G. Wanner, Memecahkan Persamaan Diferensial Biasa II. Masalah Aljabar Kaku dan Diferensial, Springer-Verlag, Berlin, 1996.
[20] DJ Higham, Mean-square dan stabilitas asimtotik metode stochastic theta, SIAM J. Numer. Anal. 38 (2000) 753–769.
[21] DJ Higham, Pengenalan algoritmik untuk simulasi numerik persamaan diferensial stokastik, SIAM Rev. 43 (2001) 525–546.
[22] J. Hong, R. Scherer, L. Wang, Aturan titik tengah untuk osilator stokastik linier dengan noise aditif, Neural Parallel Sci. Comput. 14 (1) (2006) 1-12.
[23] J. Hong, S. Zhai, J. Zhang, Pendekatan gradien diskrit untuk persamaan diferensial stokastik dengan kuantitas yang dilestarikan, SIAM J. Numer. Anal. 49 (5) (2011) 2017–2038.

[24] PE Kloeden, E.Plat, Solusi Numerik Persamaan Diferensial Stokastik, Springer-Verlag, 1992.
[25] AH Strømmen Melbö, DJ Higham, Simulasi numerik osilator stokastik linier dengan noise aditif, Appl. Numer. Matematika. 51 (2004) 89–99.
[26] GN Milstein, MV Tretyakov, Stochastic Numerics for Mathematical Physics, Springer-Verlag, Berlin, 2004.
[27] MJ Senosiain, A. Tocino, Sebuah tinjauan tentang skema numerik untuk memecahkan osilator stokastik linier, BIT Numer. Matematika. 55 (2) (2015) 515–529.
[28] G. Vilmart, Metode komposisi multi-revolusi orde dua yang lemah untuk persamaan diferensial stokastik berosilasi tinggi dengan derau aditif atau multiplikasi, SIAM J. Sci. Comput. 36 (2014) 1770–1796.