- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 563356 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174230
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
详细资源下载附件
' L( k/ X" J2 {5 z' C. a1 c) ^+ u K- P8 ]( z# n5 Z
2-8、蒙特卡洛模拟
: ?0 t2 M* K& l* A一、背景" Q, ]4 o4 D I: h+ m
9 @& Z; t. k' [
蒙特卡罗模拟方法 (Monte Carlo simulation) 诞生于上个世纪40年代美国的”曼哈顿计划”,名字来源于赌城蒙特卡罗。蒙特卡罗算法从某种意义上而言,就是一种赌博算法。
4 F- \, y R# b4 }" f3 F 它是一种基于随机试验和统计计算的数值方法,也称计算机随机模拟方法或统计模拟方法。蒙特卡罗方法的数学基础是概率论中的大数定律和中心极限定理。5 P v S% G- Q j
8 j7 ?* f- T, Y4 _5 |
二、算法引入/ I9 I( k" N2 V: b
4 g7 W$ }+ z9 s: {+ U3 r9 d' ^8 l 最早接触到这类算法应该是在高中或者初中阶段,而且是一道送分题。即在一个正方形中有一个内接圆。现在在这个正方形内抛洒豆子。已知正方形面积为S,落在正方形内的豆子总数为 MM,其中落在内接圆内的豆子总数为 NN。请估算内接圆的面积。
/ @" u6 n+ `" V# w; T1 G2 m! h4 M. z3 O
0 Y5 | y" m+ F' ^6 j3 t4 ]! c( }7 P! J
根据概率论中的大数定律可知,当随机事件发生的次数足够多的时候(趋向于正无穷),其发生频率就可作为此事件发生的概率。对于本题,当抛洒的豆子足够多的时候,落在圆中的豆子比值即可视为圆与正方形面积的比值。那么计算结果 S×N/MS×N/M 即为圆形面积。 7 H, O4 X2 W, z- G* ?
这种算法需要承担一定的风险,但是比起这种算法带给我们的收益,风险其实不足为惧,同时我们也可以运用合理恰当的方式来最小化这种风险。 $ ~' T* m- n; l' g1 X4 t n
在建模和仿真中,应用蒙特卡罗方法主要有两部分工作:用蒙特卡罗方法模拟某一过程时,产生所需要的各种概率分布的随机变量;用统计方法把模型的数字特征估计出来,从而得到问题的数值解,即仿真结果。
/ y, x- o/ a+ ], _! L/ Z/ B: ]$ i- h, e& g) N% B% p$ {% W
解题步骤如下:
& ]4 |7 b, O- }( _ 1、根据提出的问题构造一个简单、适用的概率模型或随机模型,使问题的解对应于该模型中随机变量的某些特征(如概率、均值和方差等),所构造的模型在主要特征参量方面要与实际问题或系统相一致。
4 T i* ?& w" ~6 I! R3 p 2、根据模型中各个随机变量的分布,在计算机上产生随机数,实现一次模拟过程所需的足够数量的随机数。通常先产生均匀分布的随机数,然后生成服从某一分布的随机数,方可进行随机模拟试验。
$ L+ ^2 _/ X/ ]; o/ n 3、根据概率模型的特点和随机变量的分布特性,设计和选取合适的抽样方法,并对每个随机变量进行抽样(包括直接抽样、分层抽样、相关抽样、重要抽样等)。 1 X9 K* p. e5 r$ v+ A( v. D
4、按照所建立的模型进行仿真试验、计算,求出问题的随机解。 / e8 @ T/ I+ E; E* e; f+ I
5、统计分析模拟试验结果,给出问题的概率解以及解的精度估计。
: h, P8 d& F+ \7 L
: v0 n( S. ^' ^9 a2 S0 F三、算法应用
4 T# `* Z& U* t+ r, q# c" y" A, h) B, s4 H
蒙特卡罗算法的应用领域很多,这个算法在金融学、经济学、工程学等领域得到了广泛应用。适用于 Monte−CarloMonte−Carlo 算法的问题,比较常见的有两类。一类是问题的解等价于某事件的概率,如算法引入中提到的求解圆的面积问题。另一类是判定问题,即判定某个命题是否为真,例如主元素存在性判定和素数的测试问题。 : S3 r5 [1 ?# `
对于第一类算法所涉及到的问题,最多的就是定积分的求解。通常情况下我们有公式来求解各种图形的面积,当然也可以求解定积分。但是当我们遇到不规则图形以及极为复杂难以求解的定积分时,由于定积分的直观意义就是函数曲线与 xx 轴围成的图形中,y>0y>0 的面积减去 y<0y<0 的面积。同样是对于不规则面积的求解,最终我们都可以回到蒙特卡罗算法中来求解面积。
- `* e. [4 K1 S
3 g) J2 N% V! S# ~ 对于蒙特卡罗算法,其优缺点也是比较明显的:
* N* r. \2 w! w' V. H/ J- m优点:
2 V' a: @! V, j1 r 1、能够比较逼真的描述具有随机性质的事物的特点及物理实验过程
* ^" ^( L; t( W5 W& I x8 J) A. M 2、受几何条件限制小 0 ~3 Y" F: J, j
3、收敛速度与问题的维数无关 : S: s0 L3 H' w! a
4、误差容易确定 $ M& c2 o1 T) O4 I
5、程序结构简单,易于实现 8 j6 L E, B+ e
缺点:
* L0 R6 p6 a% N2 I2 K 1、收敛速度慢
* }( E" N3 s- ?* _6 V8 A 2、误差具有概率性 7 b% v" `, d. U) ~7 [$ E4 _
3、进行模拟的前提是各输入变量是相互独立的
6 A# f/ Z; X9 n2 ?8 S2 [: \
8 F0 G* ^: w; |2 U: L- q四、算法实例7 w3 Q; P& n! h7 [1 k, R7 K
4 E# s* o. [4 @例1:
& c! L) i! L" j
' ~; u6 r2 f# c) N9 o( k4 l4 u+ Y0 o* E& ~! Q* R7 I+ T
在不知道求解圆面积的公式的情况下,试用蒙特卡罗法求出圆面积。
9 M& q1 |# P, z& [1 D8 Q+ h, c8 m6 `# Y
解答: - |7 i3 s- K4 m! q8 J3 e9 o5 I1 ~
由上文介绍可知,可在matlab中生成大量在 [0;2][0;2] 上服从均匀分布的随机数,从而模拟上文中的抛撒豆子。通过计算落在圆中的点与总点数,就可算出圆与正方形面积之比。
{4 k$ T" i) J& c" z. ]
7 D+ s6 X8 J/ @6 i' @- g4 }0 z; c |
zan
|