- 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
- 559261 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 173151
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 18
- 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( N' Y4 p. k8 S
8 H' R5 u% I$ e1 p. `
2-8、蒙特卡洛模拟 . X$ I- n3 B+ X' }* E! {& L! z
一、背景- g3 S$ j* o2 U. E* P
9 V1 U. O8 ]/ o% t) u
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。 , U B3 U( ?5 V: V: E
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。, F! w& h) h2 u- H) a& q
& I$ h8 g( C: x' v+ c8 c
二、算法引入& r& a0 k$ B, f2 V8 P' S
9 }( _7 X2 j: M9 K6 q
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。7 c1 l; f. r! n7 |6 ~* v$ j
3 c3 v" W5 C0 b6 X6 y9 m N) a8 [$ C
3 n9 {! H$ C# u 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。
; k0 X# R: [4 d9 P 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。 ( o7 u0 F: x! M9 Z
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。
6 K5 k) a q4 `! A% t- x* d9 E9 D5 \: K& f/ T/ k+ }) | U- W) v
解题步骤如下: 2 R7 _- w) Z8 N! P/ _9 F+ o) e
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。
' L% R$ P1 L8 J% ?& Y1 b v u 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。
4 t$ }- U2 k$ @; V% P1 d 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)。 & ` B- q, e; R# \& i
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。 , Z8 A& E7 Y$ h: V
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。
: O4 p9 N8 z8 s% B" F( ?- u6 l% c- y* J( G2 V W. h3 { V( i5 H) J
三、算法应用
, u6 J' _6 p2 n u+ r
0 m" c( J: {. ?8 X 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。 ( W O* ?2 i+ l$ E% V+ T
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。: |' T2 [8 Z! ]/ E
! Z" K9 A6 \# ` 对于蒙特卡罗算法,其优缺点也是比较明显的: # s1 P6 i( b# m) s2 e* l2 i
优点:
- a; x9 q3 b& _. h3 l1 k 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
; U% g& Z, C8 E/ s6 m: s7 h0 B 2、受几何条件限制小 ) l/ Z2 B! a/ F; `
3、收敛速度与问题的维数无关
6 v. S% p9 s4 B8 l8 @ 4、误差容易确定
& q5 \* Q! U, @7 N7 O$ x" ` 5、程序结构简单,易于实现
2 [3 `& M! ~0 Y缺点: * O3 u8 M$ ]+ `" G
1、收敛速度慢 ( `% S9 T0 ?2 x
2、误差具有概率性
! b7 C2 c4 D Y' i 3、进行模拟的前提是各输入变量是相互独立的
' h. O$ M- M) _5 B% R! O& X& k' `! c- f! J) R) g
四、算法实例# z. m0 |! g$ \3 D6 ~/ f' L# n
5 \3 O, ~7 M! O) h( }例1: + q9 ~+ Y3 R; r9 Y i
( c# x& o& W1 b" _* E' v
4 u9 z; J8 @) c4 L; f" ^- l- w% m
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。5 e( a' P! N n3 W% B$ P7 L
. X' k* P9 W2 b }/ T解答:
) S' W( L9 H. n 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。+ f; L4 w& y: ?% k% Y
. m' V8 a3 J: | |
zan
|