蒙特卡洛算法

  是一种以统计抽样理论为基础,以计算为手段,通过有关随机变量的统计抽样检检验或随机模拟,以求解问题近似解的一种计算方法。

  求解的步骤:

  1. 统计抽样
  2. 随机模拟
  3. 计算手段
  4. 近似解

  理论方法:大数定律

  与拉斯维加斯算法的区别:蒙特卡洛算法是尽量找到最优解,不要求一定是最优解(挑苹果问题);而拉斯维加斯算法必须要给出最优解,如果不是最优解,那么所得到的结果就没有意义(开锁问题)。

  方法举例:

  • 圆周率π的计算

 

  

import random

if __name__ == "__main__":
    count = 0
    for i in range(100000):
        x = random.random()
        y = random.random()
        if (x - 0.5)**2 + (y - 0.5)**2 <= 0.25:
            count += 1
    pi = 4 * (count / 100000)
    print("%.2f" % pi)

  

 

  • 蒙特卡洛方法求定积分

 

 

  

import random

if __name__ == "__main__":
    count = 0
    for i in range(100000):
        x = random.uniform(0, 3)
        y = random.uniform(0, 9)
        if x**2 >= y:
            count += 1
    print("%.1f" % (27 * count / 100000))

  

 

 

  方法总结:

  

 

posted @ 2020-10-22 10:36  Veritas_des_Liberty  阅读(1385)  评论(0编辑  收藏  举报