|
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。
6 y+ Y& o: L& w 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。
3 A+ s+ `$ O- i) ^0 J4 X9 M 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。 ) `* R" l. A- D) t3 F( P7 \
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。
4 I7 Q; k' ~& p0 ^ 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。 ) J) f O- P% o1 D
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” + W6 v6 R( ~/ T: |3 V& v- K
(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:( p) V+ u' X' w- s% J
---------------------------------------------------------------------------------------------------
, D' v w( [/ S( Kfunction val = ballvol(n, m)( b4 u' i+ G% p
% BALLVOL Compute volume of unit ball in R^n
% @* @8 b- {9 I* a7 s T- u4 K) l* M%9 a" _$ r& G6 E4 [. y. }! o, T' \
% Computes the volume of the n-dimensional unit ball 7 q2 f, S( G8 E& n7 z
% using monte-carlo method.
1 Y; ~1 s' J0 o W% usage: val = BallVol(n, m)* W, M- Z9 \+ V0 Q; C/ j) l! }/ O
% where: n = dimension 1 }; o5 O* o; X, E1 z/ V9 Y: t
% m = number of realisations
3 N) H5 \+ {- K: R) ?+ {7 Y- E% If the second argument is omitted, 1e4 is taken as default for m.
; p) h% _4 l7 B8 g p
- j4 M Z3 [' F% M7 j% (c) 1998, Rolf Krause, krause@math.fu-berlin.de
& Z A4 g2 A7 `& s/ P& P: y% \: h% E t* R; _
M = 1e4;3 j& N* g7 s) t4 |5 O
error = 0;" q# g1 m* b# Y7 s
if(nargin <1 | nargin > 2), error('wrong number of arguments'); end3 [; w; g9 n- r
if nargin == 2, M = m; end
. v( M8 `% ^" [3 O" f( N4 h; J* W! n! n" @
R = rand(n, M);9 C# q5 G7 Q9 M2 U$ o6 K
in = 0;
9 S$ t. W3 I4 ]6 X1 e' o$ Zfor i=1:M
% [# ^, ~! ^: Z8 I+ R* Bif(norm(R(:,i),2) <= 1.0), in = in+1; end6 w- e, h7 i+ i6 p" R" t" q
end- t9 q$ t; Y$ d
" y+ e, K0 C6 ^0 U W8 Uval = 2^n*in/M; H: {1 [; V% ^ U3 n# ?
--------------------------------------------------------------------------------------------------
2 _5 Z# _4 @0 l- a |