计算物理蒙特卡罗方法基础.pptVIP

What is a Monte Carlo method ? Stanislaw Ulam (1909-1984) 间接蒙特卡罗方法的思想s 蒙特卡罗方法的特点 优点 能够比较逼真地描述具有随机性质的事物的特点及物理实验过程。 受几何条件限制小。 收敛速度与问题的维数无关。 具有同时计算多个方案与多个未知量的能力。 误差容易确定。 程序结构简单，易于实现。 缺点 收敛速度慢。 误差具有概率性。 在粒子输运问题中，计算结果与系统大小有关。 * 计算机模拟方法 (1)蒙特卡洛方法：随机性模拟方法或统计试验方法，又称蒙特卡洛(Monte Carlo)方法。它是通过不断产生随机数序列来模拟过程。自然界中有的过程本身就是随机的过程，物理现象中如粒子的衰变过程、粒子在介质中的输运过程...等。当然蒙特卡洛方法也可以借助概率模型来解决不直接具有随机性的确定性问题。 (2)分子动力学方法：确定性模拟方法。它是通过数值求解一个个的粒子运动方程来模拟整个系统的行为。在统计物理中称为分子动力学（Molecular Dynamics）方法。 (3)离散型模拟方法 -- 元胞自动机等 2-1 蒙特卡罗方法的基础知识 the Comte de Buffon needle experiment, AD 1777 S S S L Nicholas Metropolis (1915-1999) 蒙特卡洛方法的起源 The Name of the Game Metropolis coined the name “Monte Carlo”, from its gambling casino. Monte-Carlo, Monaco 从蒙特卡洛模拟的应用来看，该类型的应用可以分为三种形式： （1）直接蒙特卡洛模拟。 它采用随机数序列来模拟复杂随机过程的效应。 （2）蒙特卡洛积分。 这是利用随机数序列计算积分的方法。积分维数越高，该方法的积分效率就越高。 （3）Metropolis蒙特卡洛模拟 这种模拟是以所谓“马尔科夫”（Markov）链的形式产生系统的分布序列。该方法可以使我们能够研究经典和量子多粒子系统的问题。 一 基本思想 直接蒙特卡洛模拟法： 对求解问题本身就具有概率和统计性的情况。 如：中子在介质中的传播，核衰变过程等， 思想是按照实际问题所遵循的概率统计规律，用计算机进行直接的抽样试验，然后计算其统计参数。 该方法也就是通常所说的“计算机实验”。 间接蒙特卡洛方法： 蒙特卡洛方法也可以人为地构造出一个合适的概率模型，依照该模型进行大量的统计实验，使它的某些统计参量正好是待求问题的解。 代表了该运动员的成绩。换言之， g为积分的估计值，或近似值。 现假设该运动员进行了N次射击，每次射击的弹着点依次为r1，r2，…，rN，则N次得分g(r1)，g(r2)，…，g(rN)的算术平均值 例1 射击问题（打靶游戏）-- 直接蒙特卡洛方法 50 30 10 10 击中次数 0.5 0.3 0.1 0.1 概率 10 9 8 7 环数 假设射击100次， 平均成绩 设r表示射击运动员的弹着点到靶心的距离，g(r)表示击中r处相应的得分数（环数），f(r)为该运动员的弹着点的分布密度函数，它反映运动员的射击水平。该运动员的射击成绩为 用概率语言来说， g(r) 是随机变量， g的数学期望，即 在该例中，用N次试验所得成绩的算术平均值作为数学期望g的估计值（积分近似值）。 (1) 巴夫昂(Buffon)投针实验 实验方案： 在平滑桌面上划一组相距为s的平行线，向此桌面随意地投掷长度l的细针，那末从针与平行线相交的概率就可以得到π的数值。 S S S L 例2 圆周率的数值计算 -- 间接蒙特卡洛方法 数学统计理论计算： S A B 针的投影长度 确定的 ，相交的概率 的平均值 假如在N次投针中，有M次和平行线相交。当N充分大时，相交的频数 M/N就近似为细针与平行线相交的概率。 经过n次投针后得到π值的精度 针与平行线相交的概率 针与平行线相交的次数应满足二项式分布 其期望值为 的方差 的标准误差 的标准误差 相交和不相交 这意味着试验所得的值的不确定性的范围如下： 对100次投针为， 0.2374 对10,000次投针为， 0.0237 对1,000,000次投针为， 0.0024 可见，增加模拟的次数可以减小误差，但不可消除误差。 的标准误差 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