Laméthode de Monte-Carloquenous allonsdévelopperpour résoudredes équationsde la forme (3.1) est basée sur l'évolutiond'une parti uleet de son s ore lelong d'unemar he qui se dépla e d'un sous-domaine à un autre jusqu'à e qu'elle soit tuée à ause des onditions au bord oudu termed'amortissement. Lamar he est onstituée de deux étapes prin ipales : une mar he dans haque sous-domaine ave des onditions au bord de type Diri hlet et un repla ement quand le mouvement tou he l'interfa e entre les sous-domaines ou le bord du domaine
D
. Le mouvement à l'intérieur des sous-domaines s'ee tue à l'aide de variantes de la mar he sur les sphères. Le repla ement aux interfa es entre sous-domaines ouau bord du domaine s'ee tue grâ e aux diéren es nies sto hastiques dé rites dans la se tion (3.4). La validité de l'algorithme repose sur le prin ipe de double randomisation que nous allons ommen er par dé rire.3.2.1 Double randomisation
Nous supposons que nous voulons al uler une quantité
Eσ Eω(ξ(ω, σ)/σ)
oùξ
est une variablealéatoirequi dépend de latraje toireω
etd'unévénementaléatoireσ
. Lasimulation dire teàpartirde etteformuleesttrès oûteuse arnousdevonssimulerN
traje toiresω
pour al ulerEω(φ(ω, σ))/σ)
pour haquevaleurdeσ
etensuite al ulerN
fois etteespéran e. La te hnique dite de double randomisation est dé rite en détail dans le livre de Karl Sabelfeld [85℄.Elle est basée sur la formuled'espéran e onditionnelle suivanteEσ Eω(ξ(ω, σ)/σ)
= E(ω,σ)ξ(ω, σ)
quinouspermetderéduirele oûtde al ul arnousdevonssimulerseulementunetraje toire
ω
par valeur deσ
.Dans larésolution d'équations auxdérivées partielles, ette te hnique peut-être utilisée pour al uler l'intégrale sur une partie du domaine de la solution d'une équation aux dérivées partielles déterministe ou la moyenne de la solution d'une équation aux dérivées partielles sto hastique. Par exemple, elle- i intervient dans le al ul de
R
D0u(x)dσ(x)
oùu(x)
est la solution de l'équation de Lapla e−1
2∆u = 0, u(x) = g(x) x∈ ∂D,
où
D0 ⊂ D
est une partiedu domaineetσ
est laloiuniformesurD0
.SoitmaintenantX
une variablealéatoireuniforme surD0
, nous pouvons é rireen gardant lesnotations pré édentesZ
D0
u(x)dσ(x) = Ex(u(X(x)))
et
u(X)
est don un estimateur sans biais deR
D0u(x)dσ(x)
. De plus, d'après la formule de Feynman-Ka pour unx
xé,nous pouvons exprimeru(x)
ommel'espéran e d'unevariable aléatoireu(x) = Eω(g(WτxD))
oùω
est un événement aléatoiredeWτD
. Nous obtenons donPour al uler l'expression pré édente par une méthode de Monte-Carlo, on peut don utili-ser seulement
N
réalisations du ouple(WτD, X)
. Sans l'utilisationde ette te hnique, nous aurions dû utiliserN
points{xi}N
i=1
hoisis uniformément surD0
pour appro her l'intégraleR
D0u(x)dσ
et simulerN
traje toires deWτD
pour ha un desu(xi)
. L'appro he basée sur la double randomisationest don beau oup plus é onomique.Le al ul numérique de la formule de Feynman-Ka
u(x0) = E(g(Wx0
τD))
par la méthode de la mar he sur les sphères peut lui-mêmeaussi être vu omme une appli ation répétée de ette te hnique. La loi deX0
est la mesure de Diraδx0
etnous voulons al ulerla quantitéu(x0) = EX1(u(X1)/X0 = x0)
oùX1
est une variablealéatoire. Puis nous xons une réalisa-tionx1
deX1
et nous devons al uler la quantitéu(x1)
où nous pouvons é rire en ore une foisu(x1) = EX2(u(X2)/X1 = x1)
et nous avonsu(x0) = EX1(u(X1)/X0 = x0) = EX1(EX2(u(X2)/X1 = x1)/X0 = x0).
X2
est simuléet ette pro édure ontinue jusqu'à e qu'une valeur exa te ouappro hée deu
aupointxn
de ette haîne de Markov soit onnue. Dans la mar he sur les sphères, laloi deXn
est uniforme sur la sphère entrée surXn−1
et son rayon est ladistan e entreXn−1
et le bord. La mar he s'arrête quand ette distan e est susamment petite et la valeur deu(xn)
est appro hée par la valeur de lasolution à la proje tion deXn
sur le bord etnous pouvons é rireu(x0)≃ E(X0,...,Xn) g(Xn)
.
3.2.2 Appli ation à la résolution de l'équation (3.1)
Pour résoudre l'équation (3.1) dans le domaine
D
, tout entier, nous devons résoudre des équationsdansdes sous-domainesdans lesquelsle oe ient dediusiona(x)
etle oe ient d'amortissementλ(x)
sont onstants. Supposons que nous voulions al uler la solution en un pointx0 ∈ D
tel quex0 ∈ D1
. En notant para1
etλ1
es deux oe ients dans un sous-domaineD1
,la restri tionu1
de la solutionu
de (3.1) dansD1
satisfait à(
−a1
2∆u1(x) + λ1u1(x) = f (x), x∈ D1
u1(x) = u(x), x∈ ∂D1
(3.4) oùEx
0(.) := E(./W0 = x0)
.Lareprésentation probabilistede la solutionde ette équation àun point
x0 ∈ D1
estu1(x0) = Ex0
u(WτD1)e−λ1a1τD1 +
Z τD1
0
1
a1
f (Wt)e−λ1a1tdt
.
Pour mettre en oeuvre notre algorithme à l'intérieur
D1
, nous utilisons prin ipalement la méthode de la mar he sur les sphères pour résoudre des équations de Poisson dé rite dans la se tion (2.6.1) et dans la se tion (3.3.2) dans le as oùλ 6= 0
. Pour une sphèreS(x, r)
de rayonr
entrée enx
dansD1
, nous avonsu1(x) = Ex
u1(WτS(x,r))e−λ1a1τS(x,r) +
Z τS(x,r)
0
1
a1f (Wt)e
−λ1a1t
dt
où
u1
intervient aussi dans lese ond membre de lareprésentation.Grâ e aux outils de simu-lation dé rits dans lase tion (3.3.2),nous auronsu1(x) = E(pu1(z) + cf (y))
où
0 < p ≤ 1
,z
est un point aléatoire sur la sphèreS(x, r)
ety
est un point aléatoire à l'intérieur de ette sphère. Laquantitécf (y)
est ajoutée aus ore, lemouvementest tué ave une probabilité1− p
etautrementest repla éau pointz
.Lamar he s'arrête dans
D1
sielle est tuée avant de tou her∂D1
ou sielle tou he∂D1
en un pointave une ondition deDiri hlet.Sipar ontre lamar he tou he aupointy
l'interfa e entreD1
etD2
ou une zone du bord de∂D1
ave une ondition de Robin, la valeur deu(y)
n'est pas onnue. Cependant nous allons développer dans la se tion (3.4) une méthode qui peut appro her ette quantité àl'aide de l'espéran e d'unevariablealéatoiredis rèteplus un biais provenant de te hniques de diéren es nies. On va don pouvoirde nouveau appliquer le prin ipe de double randomisation pour al uleru(y)
. Nous allons dé rire rapidement les formules obtenues dans le as de onditions de Robin puis de transmission.Dans le as de onditions de Robin, etteméthode onduit à
u(x) =
N
X
i=1
piu1(xi) + cf (y) + dg(x) + O(h3)
où
N ∈ N
est le nombre de points de repla ement, les oe ientspi > 0
vérientN
P
i=1
pi ≤ 1
et oùh
est le pas de diéren es nies. LesN
pointsxi
et le pointy
sont lo alisés dansD1.
Quand lemouvementtou he lebord ave onditions de Robin, la quantitécf (y) + dg(x)
est ajoutée aus ore. Lemouvementest tué ave une probabilité
1−PN
i=1
pi
etautrementil est repla é ave une probabilitépi
à l'un des pointsxi.
Dans le as de onditionsde transmissionentre deux sous-domaines
D1
etD2
nous avonsu(x) =
N
X
i=1
piu1(x(1)i ) +
N
X
i=1
qiu2(x(2)i ) + c1f (y1) + c2f (y2) + O(h3)
oùles oe ients
pi > 0
etqi > 0
vérientN
P
i=1
(pi+ qi)≤ 1
eth
est lepas de diéren es nies. Quand l'interfa e est tou hée par le mouvement, laquantitéc1f (y1) + c2f (y2)
est ajoutée au s ore. Les
N
pointsx(1)i
ety1
sont lo alisés dansD1.
LesN
pointsx(2)i
et le pointy2
sontlo alisésdansD2.
Lemouvementest tué ave une probabilité1−PN
i=1
(pi+ qi)
et sinon il est repla é ave une probabilitépi
ouqi
à l'un des pointsx(1)i
oux(2)i .
Sionn'estpastué au oursdurepla ement,onee tueànouveau unemar hesur lessphères àl'intérieurde