标签: 蒙特卡罗

相关帖子	版块	作者	回复/查看	最后发表

拿什么来拯救你~~你们的蒙特卡罗	蒙特卡罗、元胞自动机算法	醒过沉沦 2011-8-13	20 10734	fcrane 2014-8-7 22:29
蒙特卡罗怎么样呀，求助各位大神	蒙特卡罗、元胞自动机算法	harry0326 2011-8-19	7 3660	498622234 2012-7-4 17:44
蒙特卡洛统计模拟法	蒙特卡罗、元胞自动机算法	xijuguo 2011-9-7	0 74	xijuguo 2011-9-7 20:11
蒙特卡罗算法求解微分方程	蒙特卡罗、元胞自动机算法	linabettyp 2011-11-3	1 4029	大鲵2003 2011-12-13 08:45
蒙特卡罗并行算法	并行算法	linabettyp 2011-11-4	15 13180	流雨星月 2014-8-29 09:59
请加群：65401934，蒙特卡罗	蒙特卡罗、元胞自动机算法	funny119 2011-11-15	6 3072	吟啸长空 2011-12-23 18:13
关于蒙特卡罗方法随机数选取的问题	蒙特卡罗、元胞自动机算法	redkylin 2011-12-2	1 4365	大鲵2003 2011-12-13 08:45
蒙特卡罗算法在MATLAB中怎么实现呀，还有随机数怎么生成？跪求帮助！	MATLAB论坛	鹤燚 2012-3-13	9 6973	Mr_Mo 2014-2-5 20:05
菜鸟求助蒙特卡罗的geant4软件！	蒙特卡罗、元胞自动机算法	MAO什么 2012-5-23	0 3500	MAO什么 2012-5-23 21:08
蒙特卡罗算法	蒙特卡罗、元胞自动机算法	福气 2012-5-29	1 2607	hopeoflight 2012-5-29 17:06
蒙特卡罗方法解线性规划	蒙特卡罗、元胞自动机算法	warmsnowman 2012-6-16	6 4660	warmsnowman 2012-6-29 21:59
蒙特卡罗方法求定积分问题	蒙特卡罗、元胞自动机算法	柳花节 2012-6-26	13 7072	857163954 2018-2-2 09:30
蒙特卡罗算法的理解	蒙特卡罗、元胞自动机算法	498622234 2012-7-4	1 3501	liwenhui 2012-7-5 15:21
蒙特卡罗的入门资料非常易懂	全国大学生数学建模竞赛(CUMCM)	yyt0228 2012-8-13	56 13894	3595992 2022-10-13 09:49
蒙特卡罗算法	数模经验分享	松果琳 2012-8-14	0 1612	松果琳 2012-8-14 19:03
蒙特卡罗算法入门	蒙特卡罗、元胞自动机算法	个性why 2012-8-23	16 6381	空木葬花 2014-3-8 17:24
蒙特卡罗算法	蒙特卡罗、元胞自动机算法	静水流深醉梦 2012-8-31	0 2566	静水流深醉梦 2012-8-31 16:22
蒙特卡罗方法概述	蒙特卡罗、元胞自动机算法	lgmoon123 2012-8-31	0 2266	lgmoon123 2012-8-31 17:50
现在想突击一下蒙特卡罗算法	蒙特卡罗、元胞自动机算法	cuiyang 2012-9-1	0 2062	cuiyang 2012-9-1 15:38
在EXCEL中运用蒙特卡罗模拟方法例子	蒙特卡罗、元胞自动机算法	sosocandl 2012-9-2	0 3018	sosocandl 2012-9-2 08:03

更多...

相关日志

分享学习笔记（第七天）: hwigsqx者 2016-6-21 18:00; 0 个评论

分享美赛建议: 热度 26 血荐轩辕HIT 2014-1-29 15:06; 要了解并掌握所有的算法知识，是不现实的，但是常用的算法和知识是必备的，也是非常必须的，数模论坛上已给出了十二个算法:1模拟退火算法，2神经网络，3遗传算法，4蒙特卡罗算法，5蚁群粒子算法，6灰色算法，7并行算法，8图论算法，9层次分析法，10数值分析法，11最优化算法，12数据结构算法。可大致分为以下几种数据处理算法：蒙特卡洛算法，数据拟合，参数估计，插值等数据处理算法。规划类算法：线性规划，整数规划，多元规划，二次规划等规划类算法。计算机算法：图论算法，动态规划，回溯搜索，分支定界等计算机算法。最优化理论的经典算法：模拟退火算法，神经网络算法，遗传算法，网络算法和穷举法，拉格朗日松弛算法等。连续数据离散化方法：数值分析算法，图像处理算法等。以上列举的算法基本上涵盖了数模中几乎所有的算法，如果掌握了这些对于运筹优化类的问题就可以轻松解决了，但是随着近些年概率统计的手段在数模中的作用越来越大，所以除了上述的几大算法外还应当对各种统计方法有相当的了解和掌握。如果时间上来不及了，还是要大概的了解一下这些算法的基本模型和理论，以及解决那些实际的问题。; 1557 次阅读|14 个评论

分享不确定性研究的迷茫: byx310 2013-7-18 10:28; “为了理解蒙特卡罗方法的原理，我们需要具备相当的数学基础（尤其是概率论和统计学）；为了建立具体模型，我们需要对相关领域（物理、生物或者金融等等）有透彻掌握；为了实现模型，我们还需要学习相关的软件或者使用计算机编程；最后，我们还要面临我们所建立模型的正确性、有效性以及优化等等”。这几句好太精辟了。它倒出我最近一段时间希望用蒙特卡罗法解决具体算法问题的心声。为了自己的研究方向，我学习蒙特卡罗原理；为了学习蒙特卡罗原理，我复习概率论和统计学的相关知识；为了把蒙特卡罗应用到具体算法上，我深入学习该算法；为了实现算法，我重新学习matlab。整个流程下来是一个好大的工程量，而且每个过程我知之甚少，至今还未形成一套完整的思路，崩溃之极。这几天泡论坛，希望从论坛上找点思路，遇到志同道合的网友。; 个人分类: 蒙特卡罗|337 次阅读|0 个评论

分享蒙特卡罗模拟模型过程前期的小问题。: 热度 1 byx310 2013-7-17 16:07; 话说，“解析法是一种最常用的不确定度评定方法，使用该方法时，需要推导出输入变量不确定度与输出变量不确定度之间的解析表达式，因此若描述测量过程的数学模型较复杂，实现起来会有很大的困难。因此采用蒙特拉罗法进行不确定性评估。”。我的问题是，针对一个模型进行蒙特卡罗法进行不确定性评估，好像也需要对模型进行过程推导，否则如何进行蒙特卡罗法的评估？希望高手可以帮我解决问题。; 个人分类: 蒙特卡罗|269 次阅读|0 个评论

分享 EViews计算蒙特卡罗积分: liwenhui 2013-6-4 21:10; 使用EVIEWS编程计算积分：程序为： wfcreate mcjf u 1 50000 scalar jg=0 series uni_sample=5*rnd series fx=exp(uni_sample)+uni_sample^2+1 series weight_fx=5*fx jg=@mean(weight_fx) show jg 结果为193.2801; 个人分类: 我的大学|727 次阅读|0 个评论

分享 MCMC的MH抽样MATLAB程序说明: liwenhui 2013-5-30 15:06; 原来的帖子见： http://www.madio.net/home.php?mod=spaceuid=88948do=blogid=11156 function =mhs(f,p0,sigma,rt) %mcs 为得到的马尔可夫链，它是一个列向量的形式给出 %efp 为程序中迭代的效率指标，它等于得到的链的长度比上总的迭代次数 %f 为目标函数，它是需要通过 MCMC 生成的目标概率密度函数，可以从 m 问文件定义，也可以用匿名函数定义 %p0 为马尔可夫链的初始值，理论上讲它可以为任何值，但是为了能让链条尽快收敛于平稳分布（即上面的 f ），它最好取接近平稳分布的均值附近。 P0 将会在初次迭代中充当转移核的均值，并依次不断被新的值替代，由此构造了一个条件分布函数 %sigma 转移核的方差，方差大的话收敛会快一点，但可能不稳定，方差小的话收敛会比较满，链条长度最好取长一些 %rt 指定目标链条的长度 k1=1;k2=0; gser=zeros(rt,1);gser(1)=p0; while (k1 rt); p1=p0+sigma*randn; q1=feval(f,p0); q0=feval(f,p1); r=q0/q1; alpha=min(1,r); urand=rand(1); if urand alpha; gser(k1+1)=p1;p0=p1;k1=k1+1; end k2=k2+1; end mcs=gser;efp=rt/k2; -------------------------------------------------------------------------------------------------------------------------------------- 将以上程序存为 m 文件，命名为 mhs.m ，调用时先定义目标平稳分布的密度函数 f ，然后调用 mhs ，指定 p0 ,sigma,rt. 比如要生成一个符合标准正态分布的马尔可夫链（实践中一般不会通过 MCMC 来生成正态分布，因为正态分布有其它更好的方法，此处只是举个例子）首先定义正态分布函数 : Normalpdf=@(x)((1./sqrt(2.*pi)).*exp(-0.5.*x.^2)) 然后调用 mhs 函数： =mhs(Normalpdf,50,1,1000) 初值为 50 ，方差为 1 ，长度为 1000 运行后得到的链存在 y 中，可以做出 y 的路径图直方图： plot(y) hist(y,50) 结果如下：可以看出，大概在 520 次转移时，链条开始收敛到标准正态分布直方图：这是整个链条的直方图，因为链条有约一半的数据还没有收敛到正态分布，所以不是很直观，如果把链条前面的 550 个数据“切掉”，只保留后面的 450 个数据明就好看多了，这也是为什么 MCMC 需要把“头”砍掉的原因 yhat=y( ); hist(yhat,50) 这样结果就好多了。; 个人分类: 在人间|2595 次阅读|0 个评论

分享 MCMC算法中的M-H抽样: liwenhui 2012-9-19 12:53; 用MATLAB编写MCMC算法产生一条平稳分布为指定分布的马尔可夫链： function =mhs(f,p0,sigma,rt) k1=1;k2=0; gser=zeros(rt,1);gser(1)=p0; while(k1rt); p1=p0+sigma*randn; q1=feval(f,p0); q0=feval(f,p1); r=q0/q1; alpha=min(1,r); urand=rand(1); ifurandalpha; gser(k1+1)=p1;p0=p1;k1=k1+1; end k2=k2+1; end mcs=gser;efp=rt/k2; f可以用M文件定义，也可以用匿名函数定义。; 个人分类: 在人间|1616 次阅读|0 个评论

分享蒙特卡罗方法算积分的原理简介: 热度 1 liwenhui 2012-6-30 11:56; 不少朋友给我发邮件或留言询问关于蒙特卡罗算法，我在与他们的交流过程中发现大部分朋友对这算法似懂非懂，特别是对它的原理基本上不了解，一个原因是他们中大部分人的数理统计知识不够，特别是对条件密度函数推导和大样本渐进收敛（中心极限定理）相当陌生。这里我尽量用简单的语言叙述一下用蒙特卡罗方法计算积分的原理。理论知识： 1、密度函数对于连续型随机比变量X，分布函数F(x)描述了它的分布特性，而密度函数f(x)是分布函数的微分，满足如下一些条件： 2、期望连续型随机变量的期望为如下的定积分（注意许多研究问题的核心就是计算某个定积分）： 3、总体和样本，总体是指抽样的全体，样本指从总体中抽取的部分。比如从一个班的全体学生身高中抽取4个学生的身高，其中“一个班的全体学生身高”叫做总体，“4个学生的身高”叫做样本，“4”叫做样本容量。总体服从某种分布，比如一个班级学生的身高服从正态分布N(MIU,SIGMA)，通常样本是从总体中独立抽样得到的，称它们之间独立同分布（i.i.d）。总体的均值叫期望记做E(X),计算方法如2所示。样本均值计算公式为：总体的均值通常不知道，这时候可以用样本均值替代总体均值，称“用本均值估计总体均值” 4、抽样：从总体中抽取若干个样本值。在蒙特卡罗计算中，抽样过程即从指定分布中产生（伪）随机数的过程。蒙特卡罗积分原理：有了以上几个概念，就能看懂蒙特卡罗的原理了：计算某个函数g(x)的积分，则将选择一个概率密度函数（理论上讲可以在积分区间上任意选择一个概率分布），然后做如下代数处理：上式左边是一个积分，右边化成了两个函数比值的样本均值，用样本均值去估计总体均值（期望，也就是待求的积分），这就是蒙特卡罗积分的原理。从选定的概率分布f(x)中抽样，多次（相当多）抽样后，带入式子g(xi)/f(xi)，然后计算样样本的均值，它近似地等于待求的积分。关于蒙特卡罗积分的精度分析，涉及到中心极限定理，我将在下一篇中写出来。; 个人分类: 我的大学|620 次阅读|0 个评论

分享数学建模的十大算法: 月下清风 2011-8-18 10:35; 1、蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法） 2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具） 3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现） 4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备） 5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用） 7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用） 10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab进行处理）; 325 次阅读|0 个评论

分享数模: 明月清泉 2011-8-10 23:45; 1 、蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法） 2 、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用 Matlab 作为工具） 3 、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用 Lindo 、 Lingo 软件实现） 4 、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备） 5 、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中） 6 、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用） 7 、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具） 8 、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的） 9 、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用） 10 、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用 Matlab 进行处理）; 个人分类: 数模|218 次阅读|0 个评论

更多...

帐号		密码		只需要一步，快速开始		注册地址	找回密码

标签: 蒙特卡罗

相关帖子

相关日志

QQ

电话咨询

关于我们| 联系我们| 诚征英才| 对外合作| 产品服务|