蒙特卡罗算法实验报告.docxVIP

— PAGE \* Arabic 1 — 蒙特卡罗算法实验报告 多核软件设计——实验指导蒙特卡洛算法求 项目  开发者：  开发时间：  版本号：  一、问题描述  蒙特卡洛算法可理解为通过大量实验，模拟实际行为，来收集统计数据。本例中，算法随机产生一系列点，模拟这些点落在如下图所示的正方形区域内的情况。其几何解释如下  1   1   图1  如图1所示，正方形边长为1，左下顶点与原点重合，两边分别与x ，y 轴重合。曲线为1/4圆弧，圆  心位于原点，与正方形左下定点重合，半径为1。正方形面积S 1=1，圆弧内面积S 2=ππ4  1412=r 。  算法模拟大量点随机落在此正方形区域内，落在圆弧内的点的数量（n 2）与点的总数（n 1）的比例与面积  成正比关系。即  π  42121==S S n n （1） 由此可得  1  2  4n n =  π （2）  因此，只要计算出落在圆弧内的点的数量在点总数中所占的比例，就能求出π的值。  由图1可知，所有点均落在正方形范围内，因此点的x 坐标满足10≤≤x 。又，当点落在圆弧范围内，则点的二维坐标关系满足122  ≤+y x 。检验每一个点是否满足此关系即可判定改点是否落在  圆弧内。  二、串行算法描述  本项目中使用了标准C 语言库中的产生随机数函数。该函数原型为：   int rand( void );  此函数产生随机数列，每次调用时均返回0到RAND_MAX 之间的一个整数。 void srand( unsigned int seed );  此函数为rand （）函数所生成的伪随机数序列设置起始点，使之产生不同的伪随机数。 算法：  产生2n 个随机数据，范围[0，1]，对每个数据点计算其坐标是否满足122  ≤+y x  ，  统计满足此关系的点的数量count ，则n  count  4=π  示例见附件Serial.c  三、并行算法  3.1 并行算法描述  算法步骤：  1、确定需要产生的点的个数n ，参与运行的处理器数m ；  2、对每一个处理器，生成两个随机数x ，y ，范围[0，1]；  3、判断两个随机数x ，y 是否满足12  2  ≤+y x ；  4、若满足，则变量COUNT i ++；  5、重复步骤2-4，直至每个处理器均生成n/m 个随机点；  6、收集COUNT i 的值，并累加至变量COUNT 中，此即为随机点落在圆弧内的数量；  7、通过（2）式计算π的值。  3.2 并行算法的一个例子  在这个实验中，采用Linux 操作系统pthread 接口来实现程序的并行化。这些接口函数和数据类型都在头文件 中声明。因为pthread 并没有包含在C 的标准库中，编译的时候需要加上-lpthread 选项，  使程序链接到libpthread，才能编译成功。  例子程序参见附件Parallel.c。  3.3 并行算法正确性证明  本并行算法只是简单的把独立的任务进行分派，经多次试验测试，结果正确。  四、实验结果  硬件平台：惠普刀片集群  编译器：gccg++  操作系统：Linux  测试数据集合：由随机数函数产生的数据集合  4.1 算法运行时间   表1  [注]：N：算法生成随机点的个数  算法运行时间为某一次运行时间，非多次运行之平均时间  4.2 算法计算量时间比、加速比  并行、串行算法运算量时间比、加速比如下图所示   图  2   五、实验结果分析  如表1、图3所示，加速比在（0.6,0.9）区间，与理论上的值2相去甚远。  对同一运算量多次运行并行算法得到如下表2所示结果。（图4）    图4  而对同样的运算量多次运行串行算法得到如下表3所示结果。（图5）   表3    图5   如图4图5所示，对同一计算量，串行算法每次运行时间相差较小，而并行算法则相差明显。因此，通过分