定积分的MonteCarlo计算方法的实现5上课讲义.ppt

* * 《计算机高级语言》认知实习报告 课题名称：定积分的Monte Carlo计算方法的实现 指导老师： 王玉兰 小组成员：200907020302曾颖超 200907020301李海全 200807020111向 慧 实习时间：2010.12.27——2010.01.08 摘要：本次实习设计并实现定积分的Monte Carlo计算方法，采用VC++6.0开发完成。 一、设计任务与要求 1、设计内容 2、设计要求 二、Monte Carlo算法引导 1、Monte Carlo算法的概念 2、Monte Carlo算法的例子 三、Monte Carlo思想计算定积分的实现 1、定积分的定义 2、Monte Carlo算法的积分原理 四、详细设计及实现 五、总结 六、参考资料 附录：源程序 一、设计任务与要求 1、设计内容 针对某具体函数f(x)形式，利用Monte Carlo算法实现积分。 二、Monte Carlo算法引导 1、Monte Carlo算法的概念 非形式化地说，Monte Carlo算法泛指一类算法。在这些算法中，要求解的问题是某随机事件的概率或某随机变量的期望。这时，通过“实验”方法，用频率代替概率或得到随机变量的某些数字特征，以此作为问题的解。 2、Monte Carlo算法的例子 如图(1)所示， 在一个1平方米的正方形木板上，随意画一个圈，求返个圈的面积。 图(1) 假设我手里有一支飞镖，我将飞镖掷向木板。木板，我们假定每一次都能掷在木板上，不会偏出木板，但每一次掷在木板的什么地方，是完全随机的。即，每一次掷飞镖，飞镖扎进木板的任何一点的概率的相等的。返样，我们投掷多次，例如100次，然后我们统计返100次中，扎入不规则图形内部的次数，假设为k，那么，我们就可以用 k/100 * 1 近似估计不规则图形的面积，例如100次有32次掷入图形内，我们就可以估计图形的面积为0.32平方米 从上述可以看出，Monte-Carlo算法区别不确定性算法，它的解不一定是准确或正确的，其准确或正确性依赖于概率和统计，但在某些问题上，当重复实验次数越够大时，可从很大概率上（返个概率是可以在数学上证明的，但依赖于具体问题）确保解的准确或正确性，所以，我们可以根据具体的概率分析，设定实验的次数，从而将误差或错误率降到一个可容忍的程度。 三、Monte-Carlo思想计算定积分的实现 1、定积分的定义 2、Monte Carlo积分法的原理 1.定积分的定义 如图2，定积分就是求函数在区间[a,b]中图线下包围的面积，即y=0,x=a,x=b,y=f(x)所包围的面积。一般地，设函数在区间上连续，用分点 将区间等分成个小区间，每个小区间长度为（），在每个小区间上取一点，作和式： 如果无限接近于（亦即）时，上述和式无限趋近于常数，那么称该常数为函数在区间上的定积分。记为： 其中成为被积函数，叫做积分变量，为积分区间，积分上限，积分下限。 2、Monte Carlo积分法的原理 求定积分的直观意义就是求面积，所以，用Monte Carlo求积分的原理就是通过模拟统计方法求解面积。即通过向特定区域随机产生大量点，然后统计点落在函数区域内的频率，以此频率估计面积，从而得到积分值。 四、详细设计及实现 根据蒙特卡洛算法的概念，将落在数学函数f(x)里面的随机点收集起来并计算出数量，这样可以计算出蒙特卡洛因子。然后就可计算出函数f(x)的积分。 我们把积分区间较长的函数进行分段求解，然后再求和。希望以此来提高精确性和缩短时间。 五 测试 被积函数：f(x)=sin(x), x∈[0,20] 积分精确解为：0.591917 把区间分为N段，随机点个数为n个 以下是测试数据 n N 积分 误差（取正） 时间/毫秒 106 1 0.56696 0.024957 238 106 2 0.5822 0.009717 465 106 4 0.59227 0.000353 931 106 8 0.590945 0.000972 1,813 106 16 0.59531 0.003393 3,566 106 32 0.595181 0.003264 7,179 107 1 0.598644 0.006727 2,308 107 2 0.596052 0.004135 4,607 107 4 0.597718 0