1431919 张旭东 ppt.pptx

蒙特卡罗方法简介 张旭东 用处 求解积分、非线性方程组 核屏蔽、核临界安全 随机服务系统（买东西） 信号检测 系统模拟 稀薄气体绕流 生物遗传 可靠度计算 可靠度计算中应用 发展历史 优化方法 原理与简单应用 A B C D 目 录 CONTENT 01 发展历史 古典时期 基本思想很早以前就被人们所发现和利用。17世纪，人们就知道用事件发生的“频率”来决定事件的“概率”。 随机试验是和掷硬币和掷骰子等游戏紧密联系在一起的，硬币和骰子就是最简单的概率模型。 比如意大利赌场误以为掷三个骰子得9点和10点的概率相同。但大量试验结果发现，9 点比得10 点的频率要少。事实上，二者的概率依次为25/216 和27/216，前者比后者小2/216。 蒲丰投针问题 1777年,法国科学家蒲丰(Buffon)提出了投针试验与圆周率π的关系。 蒲丰投针Matlab尝试 l=1%针长 n=1000;%试验次数 a=2;%平行线距离 m=0;%相交次数 for k=1:n x=unifrnd(0,a/2);%0到a/2间的随机数 p=unifrnd(0,pi); %0到π间的随机数 if x0.5*sin(p)%判断相交 m=m+1; else end end p=m/n;%相交頻数 pim=1/p% pim = 3.1447 计算机时代 约在1946年，物理学家Von Neumann等在电子计算机上用随机抽样方击模拟了中子连锁反应，并把这种方法称如Monte Carlo 方法。 摩纳哥公国， “赌博之国” 近几十年来，随着电子计算机的出现和迅速发展，人们才有意识地、广泛地、系统地使用随机抽样试验来解决数学物理问题。而且把Monte Carlo方法当作计算数学的一个新的重要分支。 02 原理与简单应用 基本思想 随机数与伪随机数 模拟需要各种概率分布的随机变量，最基本，最简单的就是[0,1]上的均匀分布。 物理方法：昂贵，无法重复 数学方法：简单，快，适合计算机，但存在周期。 平方取中法，同余法等 随机变量抽样 求解积分 In = 1.5830 03 可靠度计算中应用 基本思想和误差问题 简单尝试 tic%计时 n=100;%次数 m=0;%失效 for k=1:n r=normrnd(0,1);正态分布随机数 s=normrnd(0,1); p=r-s;%功能函数 if p0 m=m+1; else end end pf=m/n%失效概率 toc 次数 100 1000 100000结果 0.5400 0.4750 0.5015 0.5000 时间(s) 0.04118 0.09937 5.08115 约4min 在边坡稳定性中应用 边坡的不确定性： 物理不确定 统计不确定 模型不确定 04 优化方法 途径 与置信度对应，在确定的置信水平下，不变 所取随机变量的标准差。减小 实验次数。增加。但时间增加 原则：权衡 方法：主要体现在抽样上 提高有效抽样次数 舍选法 减小误差方法 总结特点 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。 谢谢 Learn and live