- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实际的一些带随机因素的复杂系统，用分析 方法建模常需要作许多简化假设，使模型与实 际问题可能相差甚远，导致解答根本应用。这 时，计算机模拟几乎成唯一选择。
静态模拟和动态模拟
静态模拟(static simulation)：通过模拟方法 只要求求得问题的结果的模拟方法。
典型实例是用蒙特卡罗（Monte Carlo）方法 求数值积分的值。
没理由假设）它在何处取值的概率大，在何处取值的概
率小，就只好用 Ua,b 来模拟。
4．rand (m, n) 生成 mn 阶的0,1上服从均匀 分布的随机数矩阵；rand 生成在0,1上服从均匀
分布Байду номын сангаас随机数。
5. normrnd ,, m, n产生 m n 阶的服从均值
、方差 的正态分布的随机数矩阵；
优点：直观。 缺点：花费较大、周期较长，在模型上改变 系统结构和系数都较困难。且许多系统无法进 行物理模拟，如社会经济系统、生态系统等。
数学模拟-计算机模拟
在一定的假设条件下，运用数学运算模拟系 统的运行，称为数学模拟。现代数学模拟都在 计算机上进行，故也称计算机模拟。
优点：计算机模拟可反复进行，改变系统的 结构和系数都比较容易。
动态模拟(dynamic simulation)：通过模拟方 法研究系统的状态随时间连续变化的情形。
动态模拟又可分为连续系统模拟和离散事件 系统模拟。
连续系统动态模拟：研究系统的状态随时间 连续变化的情形，其模型一般是微分方程模 型。建模时首先确定系统的连续状态变量，然 后将它在时间上进行离散化处理, 并由此模拟 系统的运行状态。
用蒙特卡洛方法计算二重积分
计算二重积分 I D f x, ydxdy ，f x, y 0 ，
x, y D 。它的几何意义是以 f x, y 为曲顶、D
为底的曲顶柱体V 的体积。
⑴假设 V 包含在体积已知的立体 内。 ⑵在 内产生一个服从均匀分布的随机数
，则 P落在V内 V的体积/的体积。
计算机数学模拟
（一）模拟(Simulation)概念
1. 模拟：利用物理的、数学的模型来类比、 模仿现实系统及其演变过程，以寻求过程规律 的一种方法。
2. 思路：建立一个包含所研究系统的主要特 点试验模型。通过对这个试验模型的运行，获 得所要研究系统的必要信息。
物理模拟
形式：对实际系统及其过程用功能相似的实 物系统去模仿。例如，军事演习、船艇实验、 沙盘作业等。
normrnd , 产生服从均值 、方差 的正
态分布的随机数。
正态分布 N , 2 的密度函数 f x
1
x2
e 。 2 2
2
当研究对象视为大量相互独立的随机变量之和，且其
中每一种变量对总和的影响都很小时，可认为该对象服
从正态分布。
例如，机械加工得到的零件尺寸的偏差、射击命中点
Nv = sum(v1&v2); I = Nv/N*4
执行后得到 I 2.6681。 N 值越大越精确。
（三）生成随机数的函数
在 Matlab 中可产生满足各种分布的随机数： 1．unidrnd(N,m,n) 产生服从 1,2,…,N 的等概 率的离散均匀分布的 mn 阶的随机数矩阵； unidrnd(N) 产生相应的随机数。
的体积为 221 4 。
创建p_jifen.m如下：
clear; N = 1000000;
x = unifrnd(-1,1,N,1); y = unifrnd(-1,1,N,1);
MATLAB 程序 p_jifen.m
z = rand(N,1);
v1 = (x.^2+y.^2)<1; v2 = (x.^2+z.^2)<1;
⑶产生在 内的 N 个服从均匀分布的随机 数，若 Nc 个落在 V 内，则 I 的体积 NV / N 。
算例 I
1 x2 dxdy
x2 y2 1
曲顶柱体V ： x2 y2 1， x2 z2 1， z 0 。
包含V 的立方体 ： x 1, y 1 ， 0 z 1 。
离散事件系统模拟：离散事件系统模拟讨论 的是系统状态只在一些离散时间点上，由于随 机事件驱动而发生变化，其模型一般用流程图 或网络来表示。
（二）蒙特卡洛方法
蒙特卡洛(Monte Carlo)方法是计算机模拟 的基础。它得名于赌城——摩纳哥的蒙特卡洛。
基本思路： ⑴建立一个概率模型，使所求问题的解正 好是该模型的参数或特征量。 ⑵通过模拟一统计试验，统计某事件发生 的比率，当试验次数很大时比率就近似事件发 生的概率。 ⑶利用所建概率模型，求要估计的参数。
0,
x 0.
则称 X 服从参数为 的指数分布。
参数为 的指数分布的期望值为 1 。
排队服务系统中，顾客到达率为常数时的到达间隔、 故障率为常数时零件的寿命都服从指数分布。指数分布 在排队论、可靠性分析中有广泛应用。
它的概率分布为 P k 1 N , k 0,1,2,..., N 。
2．binornd (k, p, m, n) 生成参数为 k,p 的 mn 阶的二项分布随机数矩阵；binornd (k, p)生成 k,p 的相应的随机数。
它的概率分布为 P 1 p, P 1 1 p 。
P k Cnk pk 1 p nk , k 0,1,..., n 。
3．unifrnd(a,b,m, n) 产生 mn 阶在a,b上服
从均匀分布 Ua,b 的随机数矩阵；unifrnd(a,b)
产生在a,b上服从均匀分布 Ua,b 的随机数。
当只知道一个随机变量取值在 a,b内，但不知道（也
与目标的偏差、各种测量误差、人的身高、体重等，都
可近似看成服从正态分布。
6. exprnd , m, n 产生 m n 阶期望值为 的
指数分布的随机数矩阵；exprnd 产生期望值
为 的指数分布的随机数。
若连续型随机变量 X 的概率密度函数为
f
x
ex ,
x 0, 其中 0 为常数，
