蒙特卡洛与拉斯维加斯有限时间内如何优解一手资源.pdfVIP

2021/9/617|

APP

17|

2021-09-06

《数据分析思维课》课程介绍

讲述：



时长16:24大小15.03M

数据给你一双看透本质的眼睛，这里是《数据分析思维课》，我是

前面给你讲了回归、分类、聚类、关联等一些基础算法，其实如果有足够的时间和计算资

源，我们其实能通过这些基础算法做出很多特别精确的预测和分析。

但实际我们在现实工作和生活中，没那么多的资源和时间来得到最佳的结果。那么在有限

时间里，怎么样才能够获得比较好的计算答案，或者有没有好的办法能够在比较短的时间

求得正确的答案呢今天我就给你两个比较有代表性的算法蒙特卡洛算法和拉斯维

求得正确的答案呢？今天我就给你两个比较有代表性的算法：蒙特卡洛算法和拉斯维

算法。

算法定义和场景

1/10

2021/9/617|

这两个算法的目标都是利用随机的方法来简化整体的算法过程，解决一些看上去我们没有

办法通过正常算法解决的实际问题。

先给你讲讲蒙特卡罗算法，这个算法是在20世纪40年代，由S.M.乌拉姆和J.冯·诺伊曼

首先提出来（对，就是那个世界上最早的通用电子计算机ENIAC创作者冯·诺伊曼）。

这个算法的名字由来其实很随意。那个时候，正值在第二次，乌拉姆和诺伊

曼都是“曼哈顿”（）的成员，而第一台电子计算机ENIAC在发

明后就被用于“曼哈顿”。在参与这个过程中，乌拉姆想到在计算机强大计算能

力的帮助下，可以通过重复数百次模拟核实验的方式来对核裂变的各种概率变量进行演

算，而不用实际进行那么多次实验。

诺伊曼立即认识到这个想法的重要性并给予乌拉姆充分的支持，乌拉姆将这种统计方法用

于计算核裂变的，大大加快了这个项目的节奏。由于乌拉姆常说他叔叔在摩纳哥

的赌城“MonteCarlo”输钱，他的同事NicolasMetropolis戏称该方法为“蒙特卡

罗”，这个名字也就沿用到了现在。

蒙特卡罗算法原理其实很简单，就是每次计算都尽量尝试找更好的结果路径，但不保证是

最好的结果路径。用这样寻找结果的方法，无论何时都会有结果出来，而且给的时间越

多、尝试越多，最终会越近似最优解。

举个例子，我们现在要用蒙特卡洛算法找到一个有500个苹果的筐里，最大的苹果。正常

来讲，我们每次从筐中拿一个苹果A，然后下一次再随机从筐中拿出另一个苹果B，如果

B比A大的话，就把A扔到另一个筐里，手里只拿着B。这样如果我们拿了500次的话，

最后留在手里的一定是最大的那个苹果。

但如果我们的时间和资源不够拿500次苹果呢？

我们就可以用蒙特卡洛算法，无论我们选择多少次，每次手里依然保留比较大的苹果，直

到资源不够让我们截止的时候，留在我们手上的苹果也是我们力所能及接近最大的。也就

是说我们持续保留较好的答案，一直执行N次（N500），最终拿到的一定近似正确解。

N越接近500，我们的苹果越接近最大的那个。其实蒙特卡洛方法的理论基础就是我们前

面讲过的大数定律。根据这个定律我们知道当随机发生的次数足够多时，发生的频

率就会趋近于预期的概率。