随机行走和Cahn-Hilliard方程.PDFVIP

随机行走与 Cahn-Hilliard 方程 薛晓川 2001012512 清华大学物理系 本学期期末的时候，上了黄克孙（Kerson Huang ）先生上的统计物理与蛋白质折叠的课 程，其中有一些很有趣的统计问题可以进行计算机模拟。因此我从中选择了两个问题来作为 这次的期末作业： 一：随机行走的模拟 1、一维 一维随机行走问题是一个粒子在一条直线上，以相同的概率向前或向后行走，行走一定 的次数后，在离起点一定的距离处发现粒子的概率。 通过理论分析可知最终的分布函数为： 2 W(k,n)=sqrt(2/pi/n)*exp(-k /2n) 其中 n 为行走的步数，k 为例元电的步数。 由于一个粒子走l 次，和 l 个粒子走一次的效果是一样的，因此在计算机模拟中采用后 者更方便，而 W(k,n)=m(k)/l 。m(k)为在 k 处的粒子数。而向哪边走可以由随机数决定。编 程如下： k=-100:100; x(1:201)=0; for i=1:5000%粒子数 m=0; a=rand(100,1);%产生随机数 for j=1:100%步数 if a(j)0.5%依产生的随机数行走 m=m+1; else m=m-1; end end x(m+101)=x(m+101)+1; end plot(k,x./5000,+)%画图 hold on x1=0.08.*exp(-k.^2./200); plot(k,x1) 画出的图如下。从图上可见理论上的分布曲线和模拟产生的结果“+ ”重合得很好。但可以 发现凡是奇数的地方模拟值均为零。这是由于行走为偶数步最终走到的位置也只会为偶数位 的结果。 1 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0 -100 -80 -60 -40 -20 0 20 40 60 80 100 2 、二维 高维随机行走的结果可以看作各个方向一维行走的结果的乘积 W(r,n)=W(x1,n)* ……*W(xN,n) 因此结果基本上相似，这里进行了二维的模拟。 2 2 W(x,y,n)=W(x,n)*W(y,n)=(2/pi/n)*exp(-(x +y )/2n) 亦可以将此概率表示换成极坐标下得： 2 W(r,n)=(4*r/n)*exp(-r /2n) 编程如下： X=-100:100; Y=-100:100; [X1,Y1]=meshgrid(X,Y); p=zeros(201,201); f(1:101)=0; for i=1:5000 x=0;y=0; a=rand(100,1); for j=1:100 if a(j)=0.25