17. 蒙特罗（Monte Carlo）模拟完整版.pptxVIP

蒙特卡罗方法 ， 或称计算机随机模拟方法 ， 是一种基于“ 随机数 ” 的计算方法 。该方法源于美国在WWI后研制原子弹的“曼哈顿计 划 ”。 S. M. Ulam (1908- 1984)和该计划的主持人之一 、数学家 冯·诺伊曼（J.von Neumann ）用驰名世界的赌城—摩纳哥的 Monte Carlo—来命名这种方法。 17. 蒙特卡罗(Monte Carlo)模拟 ■ 其基本思想很早以前就被人们所发现和利用 。 17世纪 ， 人们就知道 用事件发生的“频率 ”来决定事件的“概率 ”。 19世纪人们用投针 试验的方法来决定π 。高速计算机的出现 ， 使得用数学方法在计算机 上大量模拟这样的试验成为可能。 科技计算及社会中的问题比计算π要复杂得多 。 比如 金融衍生产品（期权、期货、掉期等） 的定价及交 易风险估算 ， 问题的维数（即变量的个数） 可能高 达数百甚至数千 。对这类问题 ， 难度随维数的增加 呈指数增长 ， 这就是所谓的“维数的灾难 ” (Curse of Dimensionality) ， 传统的数值方法难以对付（即使使 用速度最快的计算机） 。Monte Carlo方法能很好地 用来对付维数的灾难 ， 因为该方法的计算复杂性不 再依赖于维数 。 以前那些本来是无法计算的问题现 在也能够计算量 。为提高方法的效率 ， 科学家们提 出了许多所谓的“方差缩减 ”技巧。 另一类形式与Monte Carlo方法相似 ， 但理论基础 不同的方法—“拟蒙特卡罗方法 ” (Quasi-Monte Carlo方法)—近年来也获得迅速发展 。我国数学家 华罗庚、王元提出的“华—王 ”方法即是其中的 一例 。这种方法的基本思想是“用确定性的超均 匀分布序列(数学上称为Low Discrepancy Sequences) 代替Monte Carlo方法中的随机数序列 。对某些问 题该方法的实际速度一般可比Monte Carlo方法提 出高数百倍 ， 并可计算精确度。 /gkjqy/rkx/rd2.htm Matlab : x=rand(N) 产生元素在(0, 1)间随机分布的N*N矩阵 s= rand(‘ state ’,0) 重设该生成函数到初始状态 许多计算机系统都有随机数生成函数 F90: call random_seed call random_number (a) 计算程序产生的随机数不是真正的随机数 ， 它们是确定的 ， 但看 上去是随机的 ， 且能通过一些随机性的检验 ， 故常称为伪随机数。 随机数 real procedure random((xi)) integer array (li)n real array (xi)n l0 any integer that1l0231-1 for i=1tondo li =(231-1)除以16807 li-1的余数 xi ＝li/ (231-1) endfor 对32位字长的计算机 如 注意： 上述随机数序列均具周期性 ， 如上页random子程序的周期 约230 。 2. Let u0 =1. For i= 1,2,3, …, let uibe the remainder of (8t-3) ui-1 divid by 28, and xi= ui/2i . Her etcan be any large integer 1. 取初值x0 (0, 1) ， let xibe the fractional part of (π+ xi-1)5 其它算法 Maple has a collection of random number generators. 如： With(stats) x :=uniform(0.. 1) : seq (x(), i= 1.. 10) ; Matlab : x=rand(10, 1)产生10个随机数。 试产生1000个在椭圆x2+4y2=4内均匀分布的随机点： 方法： 在 中均匀产生足够 多随机点 ， 当位于椭圆内的点数为1000时停止。 如 (b-a)r+a x (a,b) integer ((n+1)r) x {0, 1,2, ……n} 有时随机数产生函数通不过严格的随机性测试 。而在一些计算（如MC 积分） 中随机性非常重要 。故使用更长字节的计算机更好。 可由随机数序列