求圆周率的几种方法

首先，我本来打算使用割圆法，但发现每一小份的三角形的顶角正弦值必须要使用到圆周率pai，就放弃，不符合目的，拿已知去求已知，No！

法一，莱布尼兹公式

利用arctan的泰勒展开，用多项式去拟合。然后又由arctan 1 = π，带入x = 1.

原理：

但有个缺点是收敛的太慢了，需要很大的循环次数。

代码表现：
 

#include<iostream>
#include<iomanip>

using namespace std;

int main()
{
	double result, item;
	int looptimes,sign = 1;
	cout << "please enter the looptimes to decide the precision : ";
	cin >> looptimes;
	result = 0;
	//initialize the variables

	for (int i = 0; i <= looptimes; i++)
	{
		item = 4 * (double)sign / (2 * i + 1);
		result += item;
		sign = -sign;
	}

	cout << scientific << setprecision(5) << result << endl;
	return 0;

}

代码方面是很简单，就是数列求和。至于去找其他公式，收敛更快，我太太懒了，又搞不懂。

法二，蒙特卡罗方法

原理：

4. 蒙特卡罗方法

蒙特卡罗方法是一种随机数统计方法。通过在一个单位正方形内随机投点，计算落在内切圆内的点的比例来估算 π：

π≈4⋅圆内点数总点数π≈4⋅总点数圆内点数​

这个方法利用了概率论的性质来得到 π 的近似值。

1）第一次从尝试。

定义了两个函数，一个用于生成随机点，一个用于算到定点（1，1）的距离。但是使用cmath库里的rand函数误差太大了。

#include<iostream>
#include<cstdlib>
#include<vector>
#include<ctime>
#include<math.h>
#include<iomanip>

using namespace std;

struct Point
{
	int x;
	int y;
};

vector<Point> generate_random_point(int count, int min_x, int max_, int min_y, int max_y);
double distance(int x, int y, int dotx, int doty);


int main()
{
	int looptimes, in_range = 0;
	double pai;
	vector<Point>test;


	srand(static_cast<unsigned int>(time(NULL)));//set the random seed to make sure that these points are random.
	cout << "enter a number to decide the loop times" << endl;
	cin >> looptimes;


	test = generate_random_point(looptimes, 0, 2, 0, 2);
	for (int i = 0; i < looptimes; i++)
	{
		if (distance(test[i].x, test[i].y, 1,1) <= 1) in_range++;
	}

	pai = (double)in_range / looptimes * 4;
	cout << "the pai is " << fixed << setprecision(5) << pai << endl;

	return 0;
}




vector<Point> generate_random_point(int count, int min_x, int max_x, int min_y, int max_y)
{
	struct Point point;
	vector<Point> points;

	for (int i = 0; i < count; i++)
	{
		point.x = min_x + (rand() % (max_x - min_x + 1));
		point.y = min_y + (rand() % (max_y - min_y + 1));
		points.push_back(point);
	}
	
	return points;
}

double distance(int x, int y,int dotx,int doty)
{
	double result,square_x,square_y;
	square_x = (double)(x - dotx) * (x - dotx);
	square_y = (double)(y - doty) * (y - doty);
	result = sqrt(square_x + square_y);
	return result;
}

改进：

1. 增加样本数量

提高 looptimes（循环次数），即增加随机点的数量。这将直接提高估算结果的精度，因为更大的样本量通常会使结果更接近真实值。

2. 更合理的坐标范围

在生成随机点时，你的范围是 (0, 2)，这会生成一个边长为 2 的正方形，但真正的有效区域是边长为 1 的正方形（中心在 (1,1)），并且需要在半径为 1 的圆内。因此，应该调整范围，使其更适合计算。

3. 使用更精确的随机数生成器

C++11 引入了更先进的随机数生成器，使用 std::random_device 和 std::mt19937 可以提高随机数的质量。

#include<iostream>
#include<cmath>
#include<iomanip>
#include<vector>
#include<random>

using namespace std;

struct Point
{
	double x;
	double y;
};

double distance(double x, double y)
{
	double result = sqrt((x - 0.5) * (x - 0.5) + (y - 0.5) * (y - 0.5));
	return result;
}

vector<Point> generate_random_point(int count, double min_x, double max_x, double min_y, double max_y)
{
	vector<Point> points;
	random_device rd;
	mt19937 gen(rd());
	uniform_real_distribution<> dis_x(min_x,max_x);
	uniform_real_distribution<> dis_y(min_y, max_y);

	for (int i = 0; i < count; i++)
	{
		Point point;
		point.x = dis_x(gen);
		point.y = dis_y(gen);
		points.push_back(point);
	}

	return points;
}


int main()
{
	int looptimes, in_range = 0;
	double pai;
	vector<Point>test;
	cout << "enter a number to decide the looptimes (higer for better accuracy) :" << endl;
	cin >> looptimes;


	//use the function to create points for test
	test = generate_random_point(looptimes, 0, 1, 0, 1);

	for (const auto& point : test)
	{
		if (distance(point.x, point.y) <= 0.5) in_range++;
	}

	pai = (static_cast<double>(in_range) / looptimes) * 4;
	cout << "Estimated pai is :" << fixed << setprecision(5) << pai << endl;

	return 0;
}

补充相关知识点，对应的随机数生成器与种子

1）

 

---

但还是有缺陷，就是要looptimes非常大才能很精确。

果然好算法决定效率与精度。