数学建模算法之蒙特卡罗方法-原理编程及应用论文..pdfVIP

数学建模算法之蒙特卡罗方法——原理、编程及应用 一、前言 1946年，美国拉斯阿莫斯国家实验室的三位科学家JohnvonNeumann,Stan Ulam和Nick Metropolis共同发明了蒙特卡罗方法。此算法被评为20世纪最伟 大的十大算法之一。 蒙特卡罗方法 （Monte Carlo method），又称随机抽样或统计模拟方法，是 一种以概率统计理论为指导的一类非常重要的数值计算方法。此方法使用随机数 （或更常见的伪随机数）来解决很多计算问题的方法。 由于传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果， 而蒙特卡罗方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合， 可以得到很圆满的结果。 二、蒙特卡罗方法的基本原理以及思想 1、蒲丰投针实验 其基本思想源于法国数学家蒲丰提出著名的蒲丰投针实验，并以该方法求圆 周率。 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： 2 l 2l 2l N P   ( )  a aP a n 求出π值。其中Ｎ为投针次数，n为针与平行线相交次数。这就是古典概率论中 著名的蒲丰氏问题。 2、射击问题 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。则该运动员的射击成绩为   g  0 g(r)f (r)dr   用概率语言来说，g是随机变量ｇ(r)的数学期望，即  g  E g ( r) 当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时， 通过某种“实验”的方法，以这种事件出现的频率估计这一随机事件的概率，或 者得到这个随机变量的某些数字特征，并将其作为问题的解。有一个例子可以使 你比较直观地了解蒙特卡洛方法： 假设我们要计算一个不规则图形的面积，那么图形的不规则程度和分析性计 算 （比如，积分）的复杂程度是成正比的。蒙特卡洛方法是怎么计算的呢？假想 你有一袋豆子，把豆子均匀地朝这个图形上撒，然后数这个图形之中有多少颗豆 子，这个豆子的数目就是图形的面积。当你的豆子越小，撒的越多的时候，结果 就越精确。在这里我们要假定豆子都在一个平面上，相互之间没有重叠。 蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加 以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型 所描绘的过程，通过模拟实验的结果，作为问题的近似解。 蒙特卡罗方法与一般计算方法有很大区别，一般计算方法对于解决多维或因 素复杂的问题非常困难，而蒙特卡罗方法对于解决这方面的问题却比较简单。其 特点如下： 直接追踪粒子，物理思路清晰，易于理解。 采用随机抽样的方法，较真切的模拟粒子输运的过程，反映了统计涨落的规律。 不受系统多维、多因素等复杂性的限制，是解决复杂系统粒子输运问题的好方 法。 三、蒙特卡罗方法的编程 计算阴影部分面积。 一个古人要求一个图形的面积，他把图形画在一块方形布上，然后找来一袋 豆子，然后将所有豆子洒在布上，落在图形内豆子的重量比上那块布上所有豆子 的重量再乘以布的面积就是他所要求的图形的面积。 两种编程思路来计算这个面积： 方法一：将整个坐标轴看成一个边长为12的正方形，然后均匀的这个正方 形分成N （N 的大小取决于划分的步长）个点，然后找出N个点中有多少个点是 属于阴影部分中，假设这个值为k，则阴影部分的面积为：k/N*12^2 方法二：将整个坐标轴看成一个边长为12的正方形，然后在 （-6，6）中随 机出N （N越大越好，至少超过1000）个点，然后找出这N个点中有多少个点在 阴影区域内，假设这个值为k，则阴影部分的面积为：k/N*12^2。然后重复这个 过程100次，求出100次面积计算结果的均值，这个均值为阴影部分面积。 对比分析：以上两个方法都是利用蒙特卡罗方法计算阴影部分面积，只是在 处理的细节有一点区别。前者是把豆子均匀