Simulación de sistemas Multi-Agente mediante un esquema Monte Carlo basado en ecuaciones diferenciales ordinarias

[ES] En este trabajo se expone una metodología para modelar un sistema Multi-Agente (SMA), para que sea equivalente a un sistema de Ecuaciones Diferenciales Ordinarias (EDO), mediante un esquema basado en el método de Monte Carlo. Se muestra que el SMA puede describir con mayor riqueza modelos de sistemas dinámicos con variables cuantificadas discretas. Estos sistemas son muy acordes con los sistemas biológicos y fisiológicos, como el modelado de poblaciones o el modelado de enfermedades epidemiológicas, que en su mayoría se modelan con ecuaciones diferenciales. Los autores piensan que las ecuaciones diferenciales no son lo suficientemente apropiadas para modelar este tipo de problemas y proponen que se modelen con una técnica basada en agentes. Se plantea un caso basado en un modelo matemático de Leucemia Mieloide Crónica (LMC) que se transforma en un SMA equivalente. Se realiza una simulación de los dos modelos (SMA y EDO) y se compara los resultados obtenidos.

Monte Carlo Simulation Of Thermal Fluctuations Below The Onset Of Rayleigh-Benard Convection

The density fluctuations below the onset of convection in the Rayleigh-Benard problem are studied with the direct simulation Monte Carlo method. The particle simulation results clearly show the connection between the static correlation functions of fluctuations below the critical Rayleigh number and the flow patterns above the onset of convection for small Knudsen number flows (Kn=0.01 and Kn=0.005). Furthermore, the physical nature for no convection in the Rayleigh-Benard problem under large Knudsen number conditions (Kn>0.028) is explained based on the dynamics of fluctuations.

Improved sampling techniques for the direct simulation Monte Carlo method

The direct simulation Monte Carlo (DSMC) method is a widely used approach for flow simulations having rarefied or nonequilibrium effects. It involves heavily to sample instantaneous values from prescribed distributions using random numbers. In this note, we briefly review the sampling techniques typically employed in the DSMC method and present two techniques to speedup related sampling processes. One technique is very efficient for sampling geometric locations of new particles and the other is useful for the Larsen-Borgnakke energy distribution.