|
蒙特卡罗(Monte Carlo)方法,或称计算机随机模拟方法,是一种基于“随机数”的计算方法。这一方法源于美国在第一次世界大战进研制原子弹的“曼哈顿计划”。该计划的主持人之一、数学家冯·诺伊曼用驰名世界的赌城—摩纳哥的Monte Carlo—来命名这种方法,为它蒙上了一层神秘色彩。 : J% q* ^- _- `/ q4 ]8 s& M" S
Monte Carlo方法的基本思想很早以前就被人们所发现和利用。早在17世纪,人们就知道用事件发生的“频率”来决定事件的“概率”。19世纪人们用投针试验的方法来决定圆周率π。本世纪40年代电子计算机的出现,特别是近年来高速电子计算机的出现,使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。 # R5 t% q. k; v% t% t3 ?; W
考虑平面上的一个边长为1的正方形及其内部的一个形状不规则的“图形”,如何求出这个“图形”的面积呢?Monte Carlo方法是这样一种“随机化”的方法:向该正方形“随机地”投掷N个点落于“图形”内,则该“图形”的面积近似为M/N。 * [1 M1 O. e( W
可用民意测验来作一个不严格的比喻。民意测验的人不是征询每一个登记选民的意见,而是通过对选民进行小规模的抽样调查来确定可能的优胜者。其基本思想是一样的。 . r, d3 v+ }$ W9 v3 n& A4 e
科技计算中的问题比这要复杂得多。比如金融衍生产品(期权、期货、掉期等)的定价及交易风险估算,问题的维数(即变量的个数)可能高达数百甚至数千。对这类问题,难度随维数的增加呈指数增长,这就是所谓的“维数的灾难”(Course Dimensionality),传统的数值方法难以对付(即使使用速度最快的计算机)。Monte Carlo方法能很好地用来对付维数的灾难,因为该方法的计算复杂性不再依赖于维数。以前那些本来是无法计算的问题现在也能够计算量。为提高方法的效率,科学家们提出了许多所谓的“方差缩减”技巧。
: g. I0 T, p) B 另一类形式与Monte Carlo方法相似,但理论基础不同的方法—“拟蒙特卡罗方法”
, g x. j# G0 r$ j(Quasi-Monte Carlo方法)—近年来也获得迅速发展。我国数学家华罗庚、王元提出的“华—王”方法即是其中的一例。这种方法的基本思想是“用确定性的超均匀分布序列(数学上称为Low Discrepancy Sequences)代替Monte Carlo方法中的随机数序列。对某些问题该方法的实际速度一般可比Monte Carlo方法提出高数百倍,并可计算精确度。 具体实现的matlab代码:
: O& r' s7 r0 h" y$ Q---------------------------------------------------------------------------------------------------
, W ~; c; m g6 s( Gfunction val = ballvol(n, m)
8 M) t8 r& {6 Z- ~5 U: K1 }& E% BALLVOL Compute volume of unit ball in R^n
( r$ w! A( M& `, U& O3 M- o%* O& M4 r. G" E x/ A; V
% Computes the volume of the n-dimensional unit ball 3 B: s- A2 v2 t
% using monte-carlo method.
: s t0 M& k5 x% usage: val = BallVol(n, m)3 M' D, h& v3 J. c3 ]. F- A
% where: n = dimension + K+ I" f: ^5 G3 W$ b
% m = number of realisations
& R& Q" Y7 ^$ l# q% If the second argument is omitted, 1e4 is taken as default for m., c% n+ K9 g3 l: k
% _. |% t2 K) l& L, \: ?2 Z6 l4 V1 M
% (c) 1998, Rolf Krause, krause@math.fu-berlin.de! a5 }! f& P( A: {/ H5 z( C8 z' O& X
' g. p" r& j" k; C, q3 x3 ?% k
M = 1e4;
8 _9 J$ D/ X# Z, \# T0 l1 terror = 0;
9 D2 K& P* f) h, jif(nargin <1 | nargin > 2), error('wrong number of arguments'); end
$ Z) v V( x5 M. k! [if nargin == 2, M = m; end
/ W/ N' W# Z: V% c' b- A! W! Y% I" J4 ]
R = rand(n, M);
( N! D3 ^$ g! ^2 `; E% r+ o. Kin = 0; W2 V0 S0 o7 f u; V
for i=1:M
9 L' z8 J! U8 Q3 Fif(norm(R(:,i),2) <= 1.0), in = in+1; end9 g6 [" X, M" i1 }( Y8 e
end/ q/ Z q8 B* N
6 p' s# e' x6 b" P6 `0 Y1 w
val = 2^n*in/M;
; F/ L4 G7 w* \& E [--------------------------------------------------------------------------------------------------9 Y, R- b; n( n8 U
|