MonteCarlo(蒙特卡洛方法)研讨.ppt

Monte Carlo Simulation Methods(蒙特卡罗模拟方法) 一. 概述与思想 二. 随机数的生成. 三. 实例---港口模型 四. 作业 所以在某些情况下，对对象的行为进行直接观测或重复试验可能是不可行的。 在对象的行为不能做分析性的解释，或数据无法直接收集的情况下，建模者可以用某种方式间接地模拟其行为，试验所研究的供选择的各种方案，以估计它们怎样影响对象的行为，然后收集数据来确定哪种方案是最好的． 蒙特卡洛(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二次世界大战中研制原子弹的“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。 从Buffon(蒲丰)投针问题谈起 例：曲线下的面积 Monte Carlo数值积分的优点 二.随机数的生成 1.蒙特卡罗模拟的关键是生成优良的随机数。 2.在计算机实现中,我们是通过确定性的算法生成 随机数,所以这样生成的序列在本质上不是随机 的,只是很好的模仿了随机数的性质(如可以通过 统计检验)。我们通常称之为伪随机数(pseudo-random numbers)。 3.在模拟中，我们需要产生各种概率分布的随机数，而大多数概率分布的随机数产生均基于均匀分布U(0,1)的随机数。 U(0,1)随机数的生成 一个简单的例子 一个简单的例子(续) 线性同余生成器(混合同余法)(Linear Congruential Generator ) 常用的线性同余生成器 复杂一些的生成器 算法实现 从U(0,1)到其它概率分布的随机数 1.离散型随机数的模拟 设随机变量 的分布律为 令 将 作为区间(0,1)的分点.若随机变量 ,有 令则有据此,可得产生 的随机数的具体过程为:每产生一个(0,1)区间上均匀分布随机数 ,若 则令 取值 . 例1: 离散型随机变量X有如下分布律: X 0 1 2 P(x) 0.3 0.3 0.4 设 是(0,1)上均匀分布的随机数,令 则 是具有X分布律的随机数. 抛一枚硬币时得到正面或反面的机会是1/2，于是抛很多次时出正面次数的比例接近0.5．设x为[0,1]内的随机数，f(x)定义如下：当0≤x≤0.5, f(x)=正面，否则 f(x)=反面， f(x)将结果是正面或反面赋值到[0，1]内的一个数，随机赋值时我们可利用这个函数的累积性质．抛很多次时能够得到如下的出现百分比： 2.连续型随机数的模拟 舍取方法 3.标准正态分布随机数的生成 Box-Muller 算法 利用中心极限定理 设 是n个相互独立的在(0,1)上均匀分布 的随机变量,由中心极限定理知 渐近服从正态分布N(0,1).一般取n=10即可,若取n=12, 则上式简化为 再由公式 即可 得到正态分布 的随机数. Matlab程序 Function r=rnd-u(a,b) %产生在[a,b]间均匀分布的随机数 r=a+(b-a)*rand; return Matlab程序 Function r=rnd-beta(lamda) %模拟指数分布 %lamda表示指数分布的参数 r=-log(rand)/lamda; return Matlab程序 Function y= rnd(mean, segema) %模拟均值为mean,方差为segma的正态分布 r=rand(1,12); x=sum(r)-6; y=segma*x+mean; return 实例一 例（港口系统）考察一个带有船只卸货设备的小港口，任何时间仅能为一艘船只卸货．船只进港是为了卸货，相邻两艘船到达的时间间隔在15分钟到145分钟之间变化．一艘船只卸货的时间由所卸货物的类型决定，在45分钟到90分钟之间变化． 需要回答以下问题： 1．每艘船只在港口的平均时间和最长时间是多少? 2．若一艘船只的等待时间是从到达到开始卸货的时间，每艘船只的平均等待时间和最长等待时间是多少? 3．