Михайлов Геннадий Алексеевич

Публикации в базе данных Math-Net.Ru

1. Исследование смещения $N$-частичных оценок метода Монте-Карло в задачах со взаимодействием частиц
   
   Докл. РАН. Матем., информ., проц. упр., 519 (2024),  33–38
2. Эффективно реализуемые приближенные модели случайных функций в стохастических задачах теории переноса частиц
   
   Сиб. журн. вычисл. матем., 27:2 (2024),  189–209
3. Оптимизация численно-статистического алгоритма оценки среднего потока частиц в случайной размножающей ограниченной среде
   
   Ж. вычисл. матем. и матем. физ., 64:11 (2024),  2194–2204
4. Исследование и оптимизация $N$-частичного численного статистического алгоритма решения уравнения Больцмана
   
   Ж. вычисл. матем. и матем. физ., 64:5 (2024),  842–851
5. Новые компьютерно-экономичные аппроксимации случайных функций для решения стохастических задач теории переноса
   
   Ж. вычисл. матем. и матем. физ., 64:2 (2024),  337–349
6. Численно-статистическое исследование суперэкспоненциального роста среднего потока частиц, размножающихся в однородной случайной среде
   
   Докл. РАН. Матем., информ., проц. упр., 514:1 (2023),  112–117
7. Исследование сверхэкспоненциального роста среднего потока частиц в случайной размножающей среде
   
   Сиб. журн. вычисл. матем., 26:4 (2023),  401–413
8. Исследование суперэкспоненциального роста среднего потока частиц методом Монте-Карло
   
   Сиб. журн. вычисл. матем., 26:3 (2023),  277–285
9. Построение эффективных рандомизированных проекционных оценок решений интегральных уравнений на основе полиномов Лежандра
   
   Докл. РАН. Матем., информ., проц. упр., 507 (2022),  81–85
10. Сравнительный анализ различных численно-статистических проекционных алгоритмов для решения задач теории переноса
    
    Докл. РАН. Матем., информ., проц. упр., 502 (2022),  42–45
11. Новый корреляционно рандомизированный алгоритм оценки влияния стохастичности среды на перенос частиц
    
    Докл. РАН. Матем., информ., проц. упр., 498 (2021),  55–58
12. Численно-статистическое и аналитическое исследование асимптотики среднего потока частиц с размножением в случайной среде
    
    Ж. вычисл. матем. и матем. физ., 61:8 (2021),  1353–1362
13. Новая ядерно-проекционная статистическая оценка в методе Монте-Карло
    
    Докл. РАН. Матем., информ., проц. упр., 493 (2020),  62–67
14. Алгоритмы метода Монте-Карло для исследования временной асимптотики потока частиц с размножением в случайной среде
    
    Докл. РАН. Матем., информ., проц. упр., 490 (2020),  47–50
15. Рандомизированные алгоритмы метода Монте-Карло для задач со случайными параметрами (метод “двойной рандомизации”)
    
    Сиб. журн. вычисл. матем., 22:2 (2019),  187–200
16. Улучшение многомерных рандомизированных алгоритмов метода Монте-Карло с “расщеплением”
    
    Ж. вычисл. матем. и матем. физ., 59:5 (2019),  822–828
17. Оценка методом Монте-Карло функциональных характеристик поля интенсивности, проходящего через случайную среду излучения
    
    Сиб. журн. вычисл. матем., 21:4 (2018),  349–365
18. Методы Монте-Карло для оценки вероятностных распределений параметров критичности процесса переноса частиц в случайно возмущенной среде
    
    Ж. вычисл. матем. и матем. физ., 58:11 (2018),  1900–1910
19. Рандомизированный проекционный метод для оценки угловых распределений поляризованного излучения на основе численного статистического моделирования
    
    Ж. вычисл. матем. и матем. физ., 56:9 (2016),  1560–1570
20. Эффективное осреднение стохастических радиационных моделей на основе статистического моделирования
    
    Ж. вычисл. матем. и матем. физ., 56:5 (2016),  896–908
21. Исследование и улучшение смещенных оценок метода Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 55:1 (2015),  10–21
22. Замечания о практически эффективных алгоритмах численного статистического моделирования
    
    Сиб. журн. вычисл. матем., 17:2 (2014),  177–190
23. Минимаксные параметрические весовые оценки в методе Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 53:9 (2013),  1503–1516
24. “Пуассоновские” модели случайных полей с приложениями в теории переноса
    
    Ж. вычисл. матем. и матем. физ., 52:1 (2012),  144–152
25. Векторные оценки метода Монте-Карло: двойственные представления и оптимизация
    
    Сиб. журн. вычисл. матем., 13:4 (2010),  423–438
26. Алгоритмы точного и приближенного статистического моделирования пуассоновских ансамблей
    
    Ж. вычисл. матем. и матем. физ., 50:6 (2010),  1005–1016
27. Оценка параметров критичности ветвящихся процессов методом Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 50:2 (2010),  362–374
28. Улучшение весового статистического моделирования на основе перехода к процессу Гальтона–Ватсона
    
    Докл. РАН, 424:3 (2009),  311–314
29. Модификация двухэтапных алгоритмов метода Монте-Карло на основе свойств симметрии первого этапа
    
    Ж. вычисл. матем. и матем. физ., 49:11 (2009),  2010–2019
30. Исследование весовых алгоритмов метода Монте-Карло с ветвлением
    
    Ж. вычисл. матем. и матем. физ., 49:3 (2009),  441–452
31. Моменты параметров критичности процесса переноса частиц в случайной среде
    
    Ж. вычисл. матем. и матем. физ., 48:12 (2008),  2225–2236
32. Распределенные вычисления по методу Монте-Карло
    
    Автомат. и телемех., 2007, № 5,  157–170
33. Модификации весовых алгоритмов метода Монте-Карло для решения нелинейных кинетических уравнений
    
    Ж. вычисл. матем. и матем. физ., 47:12 (2007),  2110–2121
34. Исследование временно́й асимптотики интенсивности поляризованного излучения методом Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 47:7 (2007),  1264–1275
35. Дисперсия стандартной векторной оценки метода Монте-Карло в теории переноса поляризованного излучения
    
    Ж. вычисл. матем. и матем. физ., 46:11 (2006),  2099–2113
36. Исследование и уменьшение дисперсии весовой оценки в численном статистическом моделировании
    
    Ж. вычисл. матем. и матем. физ., 46:8 (2006),  1519–1536
37. Весовой метод Монте-Карло для приближенного решения нелинейного уравнения коагуляции
    
    Ж. вычисл. матем. и матем. физ., 46:4 (2006),  715–726
38. Глобально-весовой метод Монте-Карло для нелинейного уравнения Больцмана
    
    Ж. вычисл. матем. и матем. физ., 45:10 (2005),  1860–1870
39. Методы Монте-Карло для решения первой краевой задачи для полигармонического уравнения
    
    Ж. вычисл. матем. и матем. физ., 45:3 (2005),  495–508
40. Оптимизация весовых методов Монте–Карло по вспомогательным переменным
    
    Сиб. матем. журн., 45:2 (2004),  399–409
41. Вероятностные модели, интегральные уравнения и весовые методы Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 44:1 (2004),  30–37
42. Поправки к статье “Весовые методы Монте–Карло для приближенного решения нелинейного уравнения Больцмана”
    
    Сиб. матем. журн., 44:2 (2003),  473–474
43. Вычисление производных от решения стационарного диффузионного уравнения методом Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 43:10 (2003),  1517–1529
44. Весовые алгоритмы статистического моделирования диффузионных процессов
    
    Ж. вычисл. матем. и матем. физ., 43:4 (2003),  571–584
45. Весовые методы Монте-Карло для приближенного решения нелинейного уравнения Больцмана
    
    Сиб. матем. журн., 43:3 (2002),  620–628
46. Новые методы Монте-Карло для оценки временны́х зависимостей в процессе переноса излучения
    
    Ж. вычисл. матем. и матем. физ., 42:4 (2002),  569–579
47. Решение многомерного разностного бигармонического уравнения методом Монте-Карло
    
    Сиб. матем. журн., 42:5 (2001),  1125–1135
48. Новый метод Монте-Карло для решения стационарного диффузионного уравнения
    
    Сиб. матем. журн., 41:5 (2000),  1098–1105
49. New Monte Carlo methods for solving boundary value problems
    
    Сиб. журн. вычисл. матем., 1:1 (1998),  67–76
50. Параметрическое дифференцирование и оценки собственных чисел методом Монте–Карло
    
    Сиб. матем. журн., 39:4 (1998),  931–941
51. Новые весовые “оценки по пробегу” в методе Монте–Карло
    
    Сиб. матем. журн., 39:2 (1998),  396–404
52. Решение разностной задачи Дирихле для многомерного уравнения Гельмгольца методом Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 38:1 (1998),  99–106
53. Решение краевых задач методом “блуждания по сферам” с отражением от границы
    
    Докл. РАН, 353:6 (1997),  720–722
54. Решение краевых задач второго и третьего рода методами Монте–Карло
    
    Сиб. матем. журн., 38:3 (1997),  603–614
55. Решение уравнения Гельмгольца с комплексным параметром и реализация преобразования Фурье методом Монте-Карло
    
    Докл. РАН, 349:1 (1996),  17–19
56. Оценки неравномерности распределений конгруэнтных сумм случайных величин
    
    Докл. РАН, 347:1 (1996),  23–26
57. Решение краевых задач с комплексными параметрами методом Монте–Карло
    
    Сиб. матем. журн., 37:4 (1996),  881–888
58. Несмещенность и дисперсия стандартной оценки метода Монте-Карло
    
    Докл. РАН, 343:3 (1995),  306–308
59. Методы Монте–Карло для решения векторных и стохастических уравнений Гельмгольца
    
    Сиб. матем. журн., 36:3 (1995),  602–610
60. К теории оценок метода Монте–Карло, связанных с “блужданием по сферам”
    
    Сиб. матем. журн., 36:3 (1995),  543–550
61. Новый метод Монте-Карло для вычисления ковариационной функции решения общего бигармонического уравнения
    
    Докл. РАН, 338:5 (1994),  601–603
62. Оценка “по пробегу” для решения линейного и нелинейного уравнений переноса излучения в целом
    
    Докл. РАН, 337:2 (1994),  162–164
63. Решение задачи Дирихле для эллиптических систем с переменными параметрами методом Монте-Карло
    
    Докл. РАН, 336:6 (1994),  737–740
64. Сходимость вычислительных моделей случайных полей, связанных с точечными потоками Пальма
    
    Докл. РАН, 335:3 (1994),  291–294
65. Решение задачи Дирихле для нелинейных эллиптических уравнений методом Монте–Карло
    
    Сиб. матем. журн., 35:5 (1994),  1085–1093
66. Новые методы Монте-Карло для вычисления критических значений параметров уравнения переноса частиц
    
    Докл. РАН, 332:1 (1993),  21–23
67. Решение уравнения $\Delta u+u^n=0$ методом Монте-Карло
    
    Докл. РАН, 331:6 (1993),  681–683
68. Методы Монте-Карло для решения метагармонических уравнений вида $\Delta^{p+1}u+cu=(-1)^{p+1}g$
    
    Докл. РАН, 331:1 (1993),  20–23
69. Новые алгоритмы метода Монте-Карло для решения уравнения Гельмгольца
    
    Докл. РАН, 326:6 (1992),  943–947
70. Минимаксные решения уравнений, определяющих дисперсии весовых оценок метода Монте-Карло
    
    Докл. АН СССР, 307:5 (1989),  1050–1054
71. Минимаксные методы Монте-Карло для решения интегральных уравнений II рода
    
    Ж. вычисл. матем. и матем. физ., 29:11 (1989),  1650–1661
72. Равномерная оптимизация весовых оценок метода Монте- Карло
    
    Докл. АН СССР, 303:2 (1988),  290–293
73. Новый подход к вычислению производных по параметрам методом Монте-Карло
    
    Докл. АН СССР, 295:1 (1987),  34–37
74. Векторные методы Монте-Карло для вычисления возмущений и производных по параметрам
    
    Ж. вычисл. матем. и матем. физ., 27:9 (1987),  1311–1319
75. Векторные методы Монте-Карло для вычисления итераций резольвент интегральных операторов
    
    Ж. вычисл. матем. и матем. физ., 26:8 (1986),  1141–1149
76. Векторные представления билинейных оценок метода Монте-Карло и реализация специальных итерационных процессов
    
    Докл. АН СССР, 285:4 (1985),  803–807
77. Исследование и уменьшение дисперсии весовых векторных алгоритмов метода Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 25:11 (1985),  1614–1627
78. Критерий равномерной оптимальности весовых методов Монте-Карло и его применения
    
    Докл. АН СССР, 279:6 (1984),  1318–1322
79. Погрешность метода Монте-Карло при решении векторного уравнения переноса
    
    Докл. АН СССР, 279:5 (1984),  1046–1049
80. Минимаксная теория весовых методов Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 24:9 (1984),  1294–1302
81. Равномерная оптимизация весовых методов Монте-Карло (минимаксный подход)
    
    Докл. АН СССР, 270:5 (1983),  1054–1058
82. Приближенные модели случайных процессов и полей
    
    Ж. вычисл. матем. и матем. физ., 23:3 (1983),  558–566
83. Моделирование случайных процессов и полей на основе точечных потоков Пальма
    
    Докл. АН СССР, 262:3 (1982),  531–535
84. Оптимизация векторных алгоритмов метода Монте-Карло
    
    Докл. АН СССР, 260:1 (1981),  26–31
85. Нелинейная теория оптимизации статистического моделирования для решения интегральных уравнений II рода
    
    Ж. вычисл. матем. и матем. физ., 21:6 (1981),  1435–1444
86. Алгоритмы расчетов сложной реакторной ячейки методом Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 21:2 (1981),  432–440
87. Дисперсия векторных алгоритмов метода Монте-Карло
    
    Докл. АН СССР, 253:5 (1980),  1047–1050
88. Нелинейные уравнения, связанные с оптимизацией методов Монте-Карло для решения интегральных уравнений 2-го рода
    
    Докл. АН СССР, 252:4 (1980),  792–796
89. Развитие и применение метода численного статистического моделирования для решения многомерных задач теории переноса излучения
    
    Сиб. матем. журн., 20:3 (1979),  682–687
90. Оценка трудоемкости моделирования процесса «блуждания по сферам» для некоторых типов областей
    
    Ж. вычисл. матем. и матем. физ., 19:2 (1979),  510–515
91. Численное построение случайного поля с заданной спектральной плотностью
    
    Докл. АН СССР, 238:4 (1978),  793–795
92. Эффективные алгоритмы метода Монте-Карло для вычисления корреляционных характеристик условных математических ожиданий
    
    Ж. вычисл. матем. и матем. физ., 17:1 (1977),  246–249
93. Методы Монте-Карло для оценки корреляционной функции сильных флюктуаций света в турбулентной среде
    
    Ж. вычисл. матем. и матем. физ., 16:5 (1976),  1264–1275
94. О методе «повторения» для моделирования случайных векторов и процессов (рандомизация корреляционных матриц)
    
    Теория вероятн. и ее примен., 19:4 (1974),  873–878
95. Использование фундаментальных решении эллиптических уравнений для построения алгоритмов метода Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 14:3 (1974),  728–736
96. Алгоритм “блуждания по сферам” для уравнения $\Delta u-cu=-g$
    
    Докл. АН СССР, 212:1 (1973),  15–18
97. Модификация локальной оценки потока частиц методом Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 13:3 (1973),  574–582
98. Два замечания о моделировании случайных величин
    
    Ж. вычисл. матем. и матем. физ., 12:5 (1972),  1350–1352
99. Исследование эффективности использования асимптотических решений в расчетах по методу Монте-Карло
    
    Ж. вычисл. матем. и матем. физ., 12:1 (1972),  150–158
100. О сочетании метода конечных сумм с методом Монте–Карло для решения интегральных уравнений 2-го рода
     
     Матем. заметки, 9:4 (1971),  425–434
101. Новый алгоритм метода Монте-Карло для оценки максимального собственного значения интегрального оператора
     
     Докл. АН СССР, 191:5 (1970),  993–996
102. Об одном классе оценок по методу Монте-Карло
     
     Теория вероятн. и ее примен., 15:1 (1970),  142–144
103. Оптимизация оценки функциональных зависимостей методом Монте-Карло
     
     Ж. вычисл. матем. и матем. физ., 10:3 (1970),  734–740
104. Использование приближенных решений сопряженной задачи для улучшения алгоритмов метода Монте-Карло
     
     Ж. вычисл. матем. и матем. физ., 9:5 (1969),  1145–1152
105. О решении задачи Дирихле для уравнения $\Delta u-cu=-q$ моделированием “блужданий по сферам”
     
     Ж. вычисл. матем. и матем. физ., 9:3 (1969),  647–654
106. Об одном принципе оптимизации расчетов по методу Монте-Карло
     
     Ж. вычисл. матем. и матем. физ., 8:5 (1968),  1085–1093
107. Об одном “прямом” способе моделирования случайных величин
     
     Ж. вычисл. матем. и матем. физ., 8:4 (1968),  928–929
108. Оценка некоторых нелинейных функционалов и приближенный расчет групповых констант теории переноса методом Монте-Карло
     
     Ж. вычисл. матем. и матем. физ., 8:3 (1968),  590–599
109. Вычисление методом Монте-Карло производных функционалов от решения уравнения переноса по параметрам систем
     
     Ж. вычисл. матем. и матем. физ., 7:4 (1967),  915–919
110. К вопросу о построении экономичных алгоритмов моделирования случайных величин
     
     Ж. вычисл. матем. и матем. физ., 6:6 (1966),  1134–1136
111. О расчетах возмущений ядерных реакторов методом Монте-Карло
     
     Ж. вычисл. матем. и матем. физ., 6:2 (1966),  380–384
112. Расчеты критических систем методом Монте-Карло
     
     Ж. вычисл. матем. и матем. физ., 6:1 (1966),  71–80
113. О моделировании случайных величин одного класса законов распределения
     
     Теория вероятн. и ее примен., 10:4 (1965),  749–751


114. Гурий Иванович Марчук (к семидесятипятилетию со дня рождения)
     
     Сиб. журн. вычисл. матем., 3:2 (2000),  89–95
115. К юбилею Анатолия Семеновича Алексеева
     
     Сиб. журн. вычисл. матем., 1:4 (1998),  299–300
116. Гурий Иванович Марчук (к 70-летию со дня рождения)
     
     Сиб. матем. журн., 36:3 (1995),  483–487
117. О IV Всесоюзном совещании по методам Монте-Карло в вычислительной математике и математической физике
     
     Ж. вычисл. матем. и матем. физ., 14:6 (1974),  1616–1617
118. Информация о III Всесоюзной конференции по методам Монте-Карло
     
     Ж. вычисл. матем. и матем. физ., 12:2 (1972),  557–558
119. О II Всесоюзном совещании по методам Монте-Карло (Сухуми, 20–25 октября 1969 г.)
     
     Ж. вычисл. матем. и матем. физ., 10:3 (1970),  798–799
120. Информация о I Всесоюзном совещании по методам Монте-Карло (Новосибирск, 17–21 ноября 1966 г.)
     
     Ж. вычисл. матем. и матем. физ., 7:3 (1967),  714–716