2025年经典算法:蒙特卡洛方法(MCMC)

经典算法:蒙特卡洛方法(MCMC)一 概念 蒙特卡罗方法 Monte Carlo method 也称 统计模拟方法 蒙特卡洛方法的理论基础是大数定律 大数定律是描述相当多次数重复试验的结果的定律 在大数定理的保证下 利用事件发生的 频率 作为事件发生的 概率 的近似值 所以只要设计一个随机试验

大家好,我是讯享网,很高兴认识大家。

一、概念

蒙特卡罗方法(Monte Carlo method),也称 统计模拟方法
蒙特卡洛方法的理论基础是大数定律。大数定律是描述相当多次数重复试验的结果的定律,在大数定理的保证下:

利用事件发生的 频率 作为事件发生的 概率 的近似值。

所以只要设计一个随机试验,使一个事件的概率与某未知数有关,然后通过重复试验,以频率近似值表示概率,即可求得该未知数的近似值。

样本数量越多,其平均就越趋近于真实值。

此种方法可以求解微分方程,求多重积分,求特征值等。


二、思考步骤

蒙特卡罗方法一般分为三个步骤,包括构造随机的概率的过程,从构造随机概率分布中抽样,求解估计量。


讯享网


三、特点

一般情况下,蒙特卡罗算法的特点是,采样越多,越近似最优解,而永远不是最优解。
优点:对于具有统计性质的问题可以直接进行解决,对于连续性的问题也不必进行离散化处理。
缺点:
1、对于确定性问题转化成随机性问题做的估值处理,丧失精确性,得到一个接近准确的N值也不太容易。
2、如果解空间的可能情况很多则很难求解(NP问题)

与穷举法的区别:
但是两者都是属于盲目搜索

四、举例应用

求圆周率。计算圆周率时可以考虑将一个单位圆放在一个正方形中,从而将求解圆周率转化为计算出圆和正方形面积的比例。
在这里插入图片描述
蒙特卡罗方法的基本思想是这样:假想你有一袋豆子,把豆子均匀地朝这个正方形上撒,然后数落在圆内的豆子数占正方形内豆子数的比例,即可计算出圆的面积,近而计算出π。而且当豆子越小,撒的越多的时候,结果就越精确。

借助计算机程序可以生成大量均匀分布的坐标点,接着统计出图形内的点数,通过它们占总点数的比例和坐标点生成范围的面积就可以求出的近似值。

python代码引用参考文献1

import random import math import getopt import sys import matplotlib.pyplot as plt def main(): total = 0 print('Start experiment: ') n = 0 #Repeat try the estimate pi, until break it down manually while True: n=int(input(sys.argv)) for i in range(n): x = random.uniform(-1,1) y = random.uniform(-1,1) #x^2 + y^2 <=1, means (x, y) in the cycle if math.sqrt(x  2 + y  2) <= 1.0: total += 1 plt.plot(x, y, 'ro') # x^2 + y^2 > 1, means (x, y) out of the cycle else: plt.plot(x, y, 'b*') mypi = 4.0 * total / n #plot the x, y and close it after 5 seconds plt.ion() plt.pause(5) plt.close() print('Iteration Times = ', n, 'PI estimate value = ', mypi) print('math.pi = ', math.pi) print('Errors = ', abs(math.pi - mypi) / math.pi) 

讯享网

参考文献

小讯
上一篇 2025-01-14 12:58
下一篇 2025-01-24 08:55

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/76879.html