蒙特卡罗与计算机模拟(有代码）.pptVIP

* 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 * 平面 第六讲 蒙特卡罗方法 与计算机模拟 * 第六讲 蒙特卡罗与计算机模拟 内容：计算机模拟(或称仿真)是一种广义数值计算 方法，适合解决一些规模大、难以解析化 以及受随机因素影响的不确定数学模型 目的：了解蒙特卡罗方法的基本思想，掌握利用 Matlab对离散/连续系统进行模拟的方法 要求：掌握Matlab随机数函数，处理应用问题 了解蒙特卡罗方法的起源和基本思想 掌握离散系统和连续系统计算机模拟实例 掌握随机函数 rand unifrnd normrnd exprnd 了解Matlab仿真模块 Simulink 蒙特卡罗方法的起源和基本思想 蒙特卡罗方法(Monte Carlo method)，或称计算机随机模拟方法，是一种基于“随机数”的计算方法。源于美国在第二次世界大战研制原子弹的“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。 蒙特卡罗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世纪人们用蒲丰投针的方法来计算圆周率π，上世纪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。 蒲丰投针实验近似计算圆周率π 蒲丰投针实验： 法国科学家蒲丰(Buffon)在1777年提 出的蒲丰投针实验是早期几何概率一个 非常著名的例子。蒲丰投针实验的重要 性并非是为了求得比其它方法更精确的 π值，而是它开创了使用随机数处理确定性数学问题的先河，是用偶然性方法去解决确定性计算的前导，由此可以领略到从“概率土壤”上开出的一朵瑰丽的鲜花——蒙特卡罗方法(MC) 蒲丰投针实验可归结为下面的数学问题：平面上画有距离为a的一些平行线，向平面上任意投一根长为l(la)的针，假设针落在任意位置的可能性相同，试求针与平行线相交的概率P(从而求π) 蒲丰投针实验近似计算圆周率π 蒲丰投针实验： 如右图所示，以M 表示针落下后的中点， 以x表示M到最近一条 平行线的距离，以φ表示针与此线的交角： 针落地的所有可能结果满足： 其样本空间视作矩形区域Ω, 面积是: 针与平行线相交的条件： 它是样本空间Ω子集A，面积是： syms l phi; int(l/2*sin(phi),phi,0,pi); %ans=l 因此，针与平行线相交的概率为： 从而有： 特别当 时 蒲丰投针实验近似计算圆周率π 蒲丰投针实验的计算机模拟： format long; %设置15位显示精度 a=1; l=0.6; %两平行线间的宽度和针长 figure; axis([0,pi,0,a/2]); %初始化绘图板 set(gca,nextplot,add); %初始化绘图方式为叠加 counter=0; n=2010; %初始化计数器和设定投针次数 x=unifrnd(0,a/2,1,n); phi=unifrnd(0,pi,1,n); %样本空间Ω for i=1:n if x(i)l*sin(phi(i))/2 %满足此条件表示针与线的相交 plot(phi(i),x(i),r.); frame(i)=getframe; %描点并取帧 counter=counter+1; %统计针与线相交的次数 end end fren=counter/n; pihat=2*l/(a*fren) %用频率近似计算π %movie(frame,1) %播放帧动画1次 蒲丰投针实验近似计算圆周率π 蒲丰投针实验的计算机模拟： 意大利数学家拉泽里尼得到了准确到6位小数的π值，不过他的实验因为太准确而受到了质疑 蒲丰投针实验计算圆周率π 蒙特卡罗投点法是蒲丰投针实验的推广： 在一个边长为a的正方形内随机投点，该点落在此正方形的内切圆中的概率应为该内切圆与正方形的面积比值，即 n=10000; a=2; m=0; for i=1:n x=rand(1)*a; y=rand(1)*a; if ( (x-a/2)^2+(y-a/2)^2