بهبود كارايي شبيه سازي مونت كارلو براي توليد داده هاي همبسته : كاربردي در تغيير اقليم

از شبيه سازي مونت كارلو به خوبي براي توليد گروه داده هايي كه از توزيعي مشخص پيروي مي كنند استفاده مي شود. با اين حال، توليد داده هاي همبسته تنها براي توزيعهاي خاص (بهنجار دو- متغيره) امكان پذير است، در حالي كه در پاره اي از مواقع، همچون تحليل فراواني منطقه اي، پرداختن به توزيعهاي غيربهنجار مورد نياز است. براي حل مساله­ي مزبور، در اين مقاله استفاده از الگوريتم ژنتيك به عنوان روش ابتكاري پيشنهاد گرديده است. براي تطابق الگوريتم ژنتيك با مساله ي در دست بررسي، به جاي تلاقي دو كروموزوم از دست كاري در هر كروموزوم استفاده شد، زيرا قرارگيري مقادير در يك گروه زماني به گونه اي است كه تكرار اعداد مجاز نبوده، و تمامي اعداد بايد در يك گروه مورد استفاده قرار گيرند. اين شيوه براي يك متغير تصادفي انجام گرفت و نشان داده شد كه الگوريتم ژنتيك منجر به پاسخهاي چندگانه مي­گردد، در حالي كه در روش مونت كارلو، تنها پاسخي يكتا به دست مي آيد. با ارائه ي تابع هدف مناسب، روش پيشنهادي براي توزيعهاي دو- متغيره نيز به كار رفت و شمول گسترده تر پاسخها در مقايسه با روش مونت كارلو (تنها براي توزيعهاي بهنجار) ارايه شد. دليل گستردگي پاسخ در روش پيشنهادي به اين حقيقت باز مي­گردد كه يك گروه زماني را مي توان به چندين شيوه ي گوناگون مرتب كرد كه بتواند با يك گروه زماني ثابت ضريب همبستگي يكسان را توليد كند. نشان داده شد كه هرچه ضريب همبستگي كمتر باشد، شمار حالتهاي گوناگون افزايش مي يابد