计算机在材料科学与工程中的应用ch蒙特卡罗方法.pptVIP

第八章 蒙特卡洛方法 第一节 掷针实验（蒲丰实验） 一些人进行了实验，其结果列于下表 ： 设针投到地面上的位置可以用一组参数（x,θ）来描述，x为针中心的坐标，θ为针与平行线的夹角，如图所示。 第二节 [0,1]区间均匀分布的随机数 随机数表 为了产生随机数，可以使用随机数表。随机数表是由0，1，…，9十个数字组成，每个数字以0.1的等概率出现，数字之间相互独立。这些数字序列叫作随机数字序列。如果要得到n位有效数字的随机数，只需将表中每n个相邻的随机数字合并在一起，且在最高位的前边加上小数点即可。例如，某随机数表的第一行数字为7634258910…，要想得到三位有效数字的随机数依次为0.763，0.425，0.891。 因为随机数表需在计算机中占有很大内存，而且也难以满足蒙特卡罗方法对随机数需要量非常大的要求，因此，该方法不适于在计算机上使用。 物理方法产生随机数 用物理方法产生随机数的基本原理是：利用某些物理现象，在计算机上增加些特殊设备，可以在计算机上直接产生随机数。这些特殊设备称为随机数发生器。用来作为随机数发生器的物理源主要有两种：一种是根据放射性物质的放射性，另一种是利用计算机的固有噪声。 用物理方法产生的随机数序列无法重复实现，不能进行程序复算，给验证结果带来很大困难。而且，需要增加随机数发生器和电路联系等附加设备，费用昂贵。因此，该方法也不适合在计算机上使用。 * * 蒙特卡罗方法又称统计模拟(Statistical Simulation)方法，它用随机数对问题的概率模型进行数值模拟从而获得问题的解。 Nicholas Metropolis (1915-1999) Monte-Carlo, Monaco 是由Metropolis在二次世界大战期间提出的：Manhattan计划，研究与原子弹有关的中子输运过程； Monte Carlo是摩纳哥（monaco)的首都，该城以赌博闻名 亦称统计模拟方法，statistical simulation method ?利用随机数进行数值模拟的方法 为了求得圆周率π值，在十九世纪后期，有很多人作了这样的试验：将长为2l的一根针任意投到地面上，用针与一组相间距离为2a（ l＜a）的平行线相交的频率代替概率P，再利用准确的关系式： 求出π值 其中Ｎ为投计次数，n为针与平行线相交次数。这就是古典概率论中著名的蒲丰问题。 实验者 年份 投计次数 π的实验值 沃尔弗(Wolf) 1850 5000 3.1596 斯密思(Smith) 1855 3204 3.1553 福克斯(Fox) 1894 1120 3.1419 拉查里尼(Lazzarini) 1901 3408 3.1415929 针在平行线间的位置 任意投针，就是意味着x与θ都是任意取的，但x的范围限于［0，a］，夹角θ的范围限于［0，π］。在此情况下，针与平行线相交的数学条件是x ≤ l · sinθ 则投针N次，相交次数为n，则相交的概率为： 说明： 1，用随机方法可以解决一些比较难于用确定性方法解决的问题。 2，随机方法要达到一定的精度，所耗时间较长。 3，用随机方法计算，一个关键的问题是随机数的取得。 是蒙特卡罗方法研究的一个重要内容。如果得到[0,1]区间均匀分布的随机数，则任何区间[a,b]之内的随机数都可以得到： 随机数的要求： 1，足够多个随机数能遍布[0,1]范围，非周期性，遍历性。 2，在[0,1]中每个小区间出现的机会相等，等概率性。 并不是一个简单的问题。stdlib.h里面的random()函数可以在低精度的情况下使用。 在计算机上产生随机数最实用、最常见的方法是数学方法，即用如下递推公式： 伪随机数 经常使用的是k=1的情况，其递推公式为： 用数学方法产生的随机数，存在两个问题： 1, 递推公式和初始值确定后，整个随机数序列便被唯一确定。不满足随机数相互独立的要求。 2, 由于随机数序列是由递推公式确定的，而在计算机上所能表示的[0，1]上的数又是有限的，因此，这种方法产生的随机数序列就不可能不出现无限重复。对于k=1的情况，只要有一个随机数重复，其后面的随机数全部重复，这与随机数的要求是不相符的。 由于这两个问题的存在，常称用数学方法产生的随机数为伪随机数。 利用计算机产生随机数的方法： 1， 乘方取中法： 设x0为一个4s位数。把x02截头去尾，只保留中间2s位，作为数列的下一个数x1。 对于十进制： ——MOD是求余数运算。则[0,1]区间的随机数为： 缺点：a,周期较短，b,所得序列有向小端偏移的倾向。 2, 乘同余法 对于xi-1，乘积λxi-1除以M后余数为xi