计算物理讲义2.pdf

第一章 Monte Carlo方法基础 §1.1 随机数产生器 第一章 Monte Carlo 方法基础 Monte Carlo 方法起源于二次大战中的原子弹设计研究。中子在非均匀介质 （如反应堆芯或原子弹）中的散射和输运问题由一组复杂的积分－微分方程描 述，当时 Metropolis 和 Ulam 等人采用了一种数值的实验方法来计算而非直接求 解输运方程。为了保密起见，他们将该方法以著名的赌城－摩纳哥王国的 Monte Carlo 城（该城现在主要以 F-1 车赛的主办地之一而闻名）而命名（另一种说法 是因为 Ulam 的叔叔每年要去 Monte Carlo 赌博）。实际上，它是采用随机数于各 种物理计算和模拟实验，以类似于赌博中掷骰子的方法来随机决定其中某个单独 事件的结果，因此模拟本身颇有游戏的色彩。对于模拟产生的大量随机事件发生 后的最终结局应是服从基本物理规律和统计规律的，从而得到物理问题的正确答 案。通常，这类物理问题本身相当复杂，很难用解析的方法进行分析和计算，而 Monte Carlo 方法特别适用于如基于统计力学和量子力学等领域中的复杂问题， 是一很好的数值计算和数值模拟的方法，在凝聚态物理（表面物理、临界现象、 非晶态）、应用物理（金属学、扩散和偏析）、理论物理（量子场论、统计理论、 基本粒子、核物理）、化学（化学反应、高分子物理）以及非线性现象（分形、 逾渗）等研究领域中起作非常重要的作用，成为科学研究的一种标准手段。除了 用于研究数学物理问题以外，它的应用还已渗透到了经济和技术等其它各个领 域，充分显示出其独到之处。 学习Monte Carlo 模拟方法的意义，不仅在于它是科学研究的重要和普遍的 手段，而且由于它的简单易操作性可以使学生更容易理解和掌握理论课程中的知 识，如果再借助于计算机绘图方法，更使得一些深奥的理论概念成为直观上可以 想象和理解的。 §1.1 随机数产生器 许多数值计算都需要用随机数来构造初始构型或直接用于数值模拟。尽管人 们会认为计算机可以产生随机数，但实际上在计算机中没有什么东西是随机的， 计算机是按照给定的程序严格执行的，如果程序起始是一样的话，其结果也应该 是一样的，即可预测的。随机数产生器其实是一伪随机数产生器。而随机数的随 机性是指单个随机数之间的关联很小；当用两个不同的随机数产生器产生的随机 数序列代入某一实际的应用程序后，其造成的统计输出结果值应该是一致的。如 果不是的话，至少其中一个随机数产生器是不好的。有一些统计测试标准可以用 来判断随机数的质量。 1.1.1 均匀随机数产生器 1.1.1.1 伪随机数的要求 最有用的随机数是[0,1] 区间内均匀分布的随机数。对于一个随机数产生器的 1－1 第一章 Monte Carlo方法基础 §1.1 随机数产生器 好坏，有三个判断标准，好的随机数产生器要求： 1、 一个随机数序列并非是永不重复的，在经过一个周期后，其序列将再次 形成一个循环重复。因此需要有长的循环周期。如在 32 位机上，要求 周期接近最大可取的正整数 231 −1 2147483647 （整数的取值区间是 ⎡⎣−231, 231 −1⎤⎦ ），也可设计出周期更长的随机数序列。 2 、 有良好的随机性，也就是说，随机数序列 x 中的所有随机数之间没有 { } n 大的关联，或自相关函数C l l 1, 2,3,… 的值很小。说明这个关联的 ( )( ) 一个办法是在xy 平面上绘出点 x , x 。好的随机数产生器是，对于任 (