合肥工业大学--蒙特卡罗教学.ppt

相当于对模拟实验的结果进行考察和登记，从中得到问题的解。 例如：检验产品的正品率问题，我们可以用1表示正品，0表示次品，于是对每个产品检验可以定义如下的随机变数Ti，作为正品率的估计量： 于是，在N次实验后，正品个数为： 显然，正品率p为： 不难看出，Ti为无偏估计。当然，还可以引入其它类型的估计，如最大似然估计，渐进有偏估计等。但是，在蒙特卡罗计算中，使用最多的是无偏估计。 用比较抽象的概率语言描述蒙特卡罗方法解题的手续如下：构造一个概率空间(W ,A,P)，其中，W 是一个事件集合，A是集合W 的子集的s 体，P是在A上建立的某个概率测度；在这个概率空间中，选取一个随机变量q (w ),w Icirc; W ,使得这个随机变量的期望值 正好是所要求的解Q ，然后用q (w )的简单子样的算术平均值作为Q 的近似值。 用蒙特卡罗方法进行分子模拟计算的步骤 1.使用随机数生成器产生一个随机的分子构型。 2.对此分子构型的其中粒子坐标做无规则的改变，产生一个新的分子构型。 3.计算新的分子构型的能量。 4.比较新的分子构型于改变前的分子构型的能量变化，判断是否接受该构型。 若新的分子构型能量低于原分子构型的能量，则接受新的构型，使用这个构型重复再做下一次迭代。 若新的分子构型能量高于原分子构型的能量，则计算玻尔兹曼因子，并产生一个随机数。 若这个随机数大于所计算出的玻尔兹曼因子，则放弃这个构型，重新计算。 若这个随机数小于所计算出的玻尔兹曼因子，则接受这个构型，使用这个构型重复再做下一次迭代。 5.如此进行迭代计算，直至最后搜索出低于所给能量条件的分子构型结束。 蒙特卡罗方法（Monte Carlo method） 金属材料工程10级03班 蒙特卡罗方法（Monte Carlo method）简介 蒙特卡罗方法（Monte Carlo method），也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的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。是指使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。 一句话介绍 蒙特卡罗(Monte Carlo)方法，也称为计算机随机模拟方法，是一种基于随机数的计算方法。 确定性算法（英语：deterministic algorithm） 确定性算法（英语：deterministic algorithm）： 是计算机算法的一类。如果以算法的每一步骤是否确定来分类，计算机算法可以分为确定性算法和随机性算法。 伪随机性（Pseudorandomness） 伪随机性（Pseudorandomness）是指一个过程似乎是随机的，但实际上并不是。例如伪随机数（或称伪乱数），是使用一个确定性的算法计算出来的似乎是随机的数序，因此伪随机数实际上并不随机。在计算伪随机数时假如使用的开始值不变的话，那么伪随机数的数序也不变。伪随机数的随机性可以用它的统计特性来衡量，其主要特征是每个数出现的可能性和它出现时与数序中其它数的关系。伪随机数的优点是它的计算比较简单，而且只使用少数数值很难推算出计算它的算法。一般人们使用一个假的随机数，比如电脑上的时间作为计算伪随机数的开始值。 用来计算伪随机数的函数被称为随机函数，使用随机函数产生随机数的算法称为随机数生成器。一些随机函数是周期性的，虽然一般来说使用非周期性的函数要好得多，但周期性的随机函数往往快得多。有些周期函数的系数可以调整，之后它们的周期非常大，基本上与非周期的函数效果一样。 真正的随机数是使用物理现象产生的：比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等等。这样的随机数生成器叫做物理性随机数生成器，它们的缺点是技术要求比较高。 在实际应用中往往使用伪随机数就足够了。 蒙特卡罗方法优点 1.简单，省却了繁复的数学推导和演算过程，使得一般人也能够理解和掌握 2.快速。简单和快速，是蒙特卡罗方法在现代项目管理中获得应用的技术基础。 3.蒙特卡罗方法有很强的适应性，问题的几何形状的复杂性对它的影响不大。 4.该方法的收敛性是指概率意义下的收敛，因此问题维数的增加不会影响它的收敛速度。 5.存贮单元也很省，这些是用该方法处理大型复杂问题时的优势。 蒙特卡罗方法与第一性原理分子动力学有限元分析的比较 第一性原理： 根据原子核和电子互相作用的原理及其基本运动规律，运用量子力学原理，从具体要求出发，经过一些近似处理后直接求解薛定谔方程的算法，习惯上称为第一性原理。 第一性原理通常是跟计算联系在一起的，是指在进行计算的时候除了告诉程序你所使用的原子和他们的位置外，没有其他的实验的，经验的或者半经验的参量，且具有很好的移植性。 第一性原理与蒙特卡罗方法的对比： 蒙特卡罗方法中计算机的作用更多是模拟概