蒙特卡洛算法
组员 李小兵 周立 冯俊 李继华 艾海提 李日浩
算法简介
蒙特·卡洛方法，也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。蒙特·卡洛方法的名字来源于摩纳哥的一个城市蒙地卡罗，该城市以赌博业闻名，而蒙特·卡罗方法正是以概率为基础的方法。
与它对应的是确定性算法。
蒙特·卡罗方法在金融工程学，宏观经济学，计算物理学(如粒子输运计算、量子热力学计算、空气动力学计算)等领域应用广泛。
背景知识
1946年，美国拉斯阿莫斯国家实验室的三位科学家John von
Neumann,Stan Ulam 和 Nick Metropolis共同发明，被称为蒙特卡洛方法。它的具体定义是：在广场上画一个边长一米的正方形，在正方形内部随意用粉笔画一个不规则的形状，现在要计算这个不规则图形的面积，怎么计算列?蒙特卡洛(Monte Carlo)方法告诉我们，均匀的向该正方形内撒N（N 是一个很大的自然数）个黄豆，随后数数有多少个黄豆在这个不规则几何形状内部，比如说有M个，那么，这个奇怪形状的面积便近似于M/N，N越大，算出来的值便越精确。在这里我们要假定豆子都在一个平面上，相互之间没有重叠。蒙特卡洛方法可用于近似计算圆周率：让计算机每次随机生成两个0到1之间的数，看这两个实数是否在单位圆内。生成一系列随机点，统计单位圆内的点数与总点数，（圆面积和正方形面积之比为PI:1，PI为圆周率），当随机点取得越多（但即使取10的9次方个随机点时，其结果也仅在前4位与圆周率吻合）时，其结果越接近于圆周率。
算法描述
以概率和统计理论方法为基础的一种计算方法。将所求解的问题同一定的概率模型相联系，用计算机实现统计模拟或抽样，以获得问题的近似解。比如，给定x=a，和x=b，你要求某一曲线f和这两竖线，及x轴围成的面积，你可以起定y轴一横线 y=c 其中c>=f(x)max，很简单的，你可以求出 y=c,x=a,x=b,及 x轴围成的矩形面积，然后利用随机产生大量在这个矩形范围之内的点，统计出现在曲线上部点数和出现在曲线下部点的数目，记为：doteUpCount,nodeDownCount,然后所要求的面积可以近似为
蒙特卡罗法也称统计模拟法、统计试验法。是把概率现象作为研究对象的数值模拟方法。是按抽样调查法求取统计值来推定未知特性量的计算方法。蒙特卡罗是摩纳哥的著名赌城，该法为表明其随机抽样的本质而命名。故适用于对离散系统进行计算仿真试验。在计算仿真中，通过构造一个和系统性能相近似的概率模型，并在数字计算机上进行随机试验，可以模拟系统的随机特性。
概念
蒙特卡罗法 (又称统计试验法)是描述装备运用过程中各种随机现象的基本方法，而且它特别适用于一些解析法难以求解甚至不可能求解的问题，因而在装备效能评估中具有重要地位。
用蒙特卡罗法 来描述装备运用过程是1950年美国人约翰逊首先提出的。这种方法能充分体现随机因素对装备运用过程的影响和作用。更确切地反映运用活动的动态过程。在装备效能评估中，常用蒙特卡罗法 来确定含有随机因素的效率指标，如发现概率、命中概率、平均毁伤目标数等；模拟随机服务系统中的随机现象并计算其数字特征；对一些复杂的装备运用行动，通过合理的分解，将其简化成一系列前后相连的事件，再对每一事件用随机抽样方法进行模拟，最后达到模拟装备运用活动或运用过程的目的。
基本思路
蒙特卡罗法 的基本思想是：为了求解问题，首先建立一个概率模型或随机过程，使它的参数或数字特征等于问题的解：然后通过对模型或过程的观察或抽样试验来计算这些参数或数字特征，最后给出所求解的近似值。解的精确度用估计值的标准误差来表示。蒙特卡罗法 的主要理论基础是概率统计理论，主要手段是随机抽样、统计试验。用蒙特卡罗法 求解实际问题的基本步骤为：
(1)根据实际问题的特点．构造简单而又便于实现的概率统计模型．使所求的解恰好是所求问题的概率分布或数学期望；
(2)给出模型中各种不同分布随机变量的抽样方法；
(3)统计处理模拟结果，给出问题解的统计估计值和精度估计值。
优缺点
蒙特卡罗法的最大优点是:
1.方法的误差与问题的维数无关。
2.对于具有统计性质问题可以直接进行解决。
1 / 15
蒙特卡罗方法（Monte Carlo method）
蒙特卡罗方法概述
蒙特卡罗方法又称统计模拟法、随机抽样技术，是一种随机模拟方法，以概率和统计理论方法为基础的一种计算方法，是使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。为象征性地表明这一方法的概率统计特征，故借用赌城蒙特卡罗命名。
蒙特卡罗方法的提出
蒙特卡罗方法于20世纪40年代美国在第二次世界大战中研制原子弹的“曼哈顿计划”计划的成员S.M.乌拉姆和J.冯·诺伊曼首先提出。数学家冯·诺伊曼用驰名世界的赌城—摩纳哥的Monte Carlo—来命名这种方法，为它蒙上了一层神秘色彩。在这之前，蒙特卡罗方法就已经存在。1777年，法国Buffon提出用投针实验的方法求圆周率∏。这被认为是蒙特卡罗方法的起源。
蒙特卡罗方法的基本思想
Monte Carlo方法的基本思想很早以前就被人们所发现和利用。早在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圆周率π。本世纪40年代电子计算机的出现，特别是近年来高速电子计算机的出现，使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。
考虑平面上的一个边长为1的正方形及其内部的一个形状不规则的“图形”，如何求出这个“图形”的面积呢？Monte Carlo方法是这样一种“随机化”的方法：向该正方形“随机地”投掷N个点，有M个点落于“图形”内，则该“图形”的面积近似为M/N。可用民意测验来作一个不严格的比喻。民意测验的人不是征询每一个登记选民的意见，而是通过对选民进行小规模的抽样调查来确定可能的优胜者。其基本思想是一样的。
科技计算中的问题比这要复杂得多。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
用蒙特卡洛方法求解圆周率
蒙特卡洛方法是一种基于概率论的近似计算方法，又称统计模拟方法，原琋在1900年荷兰数学家、统计学家罗伯特·蒙特卡洛发明，他是20世纪最著名的统计学家之一。在他的把握下，圆周率（π）也被用蒙特卡洛方法实现求解。
蒙特卡洛求解圆周率是蒙特卡洛技术在高等数学中的重要应用，可以把它归结为随机点抽样。蒙特卡洛的思路是：将一个圆形的面积抽样分拆出了若干个可以把面积拆分的角，通过这些小角来代替一个圆，然后在统计学上使用蒙特卡洛的思想来进行计算。
由于蒙特卡洛技术是通过大量的随机抽样来计算结果的，所以它是统计意义上的技巧。具体的操作方法是：在一个圆形的区域内，选择一些点作为起点和终点，然后计算出它们之间的距离，使其之和最接近圆形的面积，从而计算出圆形的周长和面积。由此可以得出圆的周长和面积的大约数值，通过特殊处理才得到最终的结果。
在求解圆周率的计算中，蒙特卡洛方法能提供出较为精确的值。根据蒙特卡洛方法计算出来的圆周率数值约为3.14159，而精确的圆周率数值无穷无尽，这与蒙特卡洛方法近似自然有关。
蒙特卡洛方法求解圆周率精度在不断提高，较低的近似度可以用更少的数据和较少的抽样实现，这可大大节省计算机计算能力和计算时间、费用。但是蒙特卡洛方法求解出的圆周率值也存在精度限制，其精度也存在多数满意值。除此之外，它也具有错误控制能力，可以确保求解的精度，以及能够根据不同的抽样大小反映出不同结果的精度变化，这也是它有趣之处之一。
