蒙特卡罗方法A1精品.pptVIP

clear all; M=10; N=100; sum=0; for j=1:1000 tempM=M; tempN=N; while tempM0 tempN0 if rand=0.5 tempM=tempM+1; tempN=tempN-1; else tempM=tempM-1; tempN=tempN+1; end end if tempN==0 sum=sum+1; end end sum/1000 M/(M+N) clear all; sumn=0; for j=1:1000 N=100; for i=1:N x(i)=rand; end n=1; xtemp=x(1); for i=2:N if x(i)xtemp n=n+1; xtemp=x(i); end end y(j)=n; sumn=sumn+n; end sumn/1000 hist(y,1:15); 蒙特卡罗方法 Monte Carlo Method 世界著名赌城 M.C.: 随机模拟或统计实验法 蒙特卡罗方法的正式提出可追溯到18世纪末 Buffon 投针实验 但直到20世纪40年代，随着计算机的出现，才得到迅速发展，并首先运用于核武器的研究中 发展史： MATLAB（MATrix LABoratory） Fortran 计算机工具： 加速器探测器模拟 核子称 Ising 模型 光散射聚合物导光板 薄膜材料 交通模拟 应用举例： 蒙特卡罗方法概述 随机数的产生 任意给定分布的随机抽样 计数的统计分布 蒙特卡罗方法在积分计算中的应用 分子物理学中的蒙特卡罗模拟 蒙特卡罗方法用于统计物理学 电子与物质相互作用的模拟 γ射线与物质相互作用的模拟 中子在介质中的输运 课程内容： M.C. 方法基础——各种随机数的产生 裴鹿成、张孝泽，《蒙特卡罗方法及其在粒子输运问题中的应用》 马文淦，《计算物理学》 统计误差和数据处理 复旦大学、清华大学、北京大学，《原子核物理实验方法》 M.C. 方法应用举例 张春粦，《计算物理学》 徐克尊，《粒子探测技术》 参考资料： 第一章 蒙特卡罗方法概述 §1.1 蒙特卡罗方法的基本思想 频率近似概率 蒲丰（Boffon）投针实验 射击问题（打靶） 打鸡蛋实验 蒙特卡罗方法与电子计算机 §1.2 蒙特卡罗方法解题的一般步骤 构造或描述概率过程 实现对给定分布的抽样 分布 f(r) →{r1, r2, …,rN} 1. [0,1]上均匀分布的随机数 ξ 2. 对给定分布的抽样 ξ →r 各种抽样方法 三. 建立各种估计量 例1-1：M.C. 方法解Boffon问题 a=1; l=0.8; N=10000; n=0; for i=1:N y=a*rand-a/2; phi=2*pi*rand; if abs(y)=abs(l/2*sin(phi)) n=n+1; end end piBuffon=2*l/a*N/n a=1; l=0.8; N=10000; n=0; for i=1:N y=a*rand-a/2; x1=2*rand-1; y1=2*rand-1; while x1^2+y1^21 x1=2*rand-1; y1=2*rand-1; end sinphi=y1/sqrt(x1^2+y1^2); if abs(y)=abs(l/2*sinphi) n=n+1; end end piBuffon=2*l/a*N/n §1.3 蒙特卡罗方法的收敛性和误差估计 M.C. 方法的收敛性 大数法则 二. M.C.方法的收敛速度 中心极限定理 例1-2：画图 plot for i=0:10 x(i+1)=0.1*i; y(i+1)=x(i+1)^2; end plot(x,y) axis([0 1 0 1]) clear all; x=0:0.1:1; y=x.^2; plot(x,y) axis([0 1 0 1]) hist y=rand(10000,1); hist(y,20); clear all; m=1; for i=1:10000 xsu