Python——π的计算

张十七WJXZR17

于 2024-09-05 20:36:43 发布

阅读量615

点赞数 18

文章标签： python 算法开发语言大数据

本文链接：https://blog.csdn.net/WJXZR17/article/details/141939910

版权

背景介绍：

π（圆周率）是数学和物理学普遍存在的常数之一，它定义一个标准圆周长与直径之比。众所周知，π是一个无理数，即无限不循环小数。精确求解圆周率π是几何学、物理学和很多工程学科的关键。

对π的精确求解曾经是数学历史上一直难以解决的问题之一，因为π无法用任何精确公式表示，在电子计算机出现以前，π只能通过一些近似公式的求解得到，直到 1948 年，人类才以人工的的方式得到π的 808 位精确小数。

随着计算机的出现，数学家找到了求解π的另类方法：蒙特卡罗（Monte Carlo）方法，又称随机抽样或统计试验方法。该方法属于计算数学的一个分支，由于其能够真实地模拟实际物理过程，因此，解决问题与实际非常符合，可以得到很圆满的结果。蒙特卡罗方法广泛应用于数学、物理学和工程领域。

当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种"试验"的方法，得到这种事件出现的频率，或者这个随机变量的平均值，并用它们作为问题的解。这是蒙特卡罗方法的基本思想。

应用蒙特卡罗方法求解π的基本步骤如下：随机向单位正方形和圆结构，抛洒大量的“飞镖”点，计算每个点到圆心的距离从而判断该点在圆内或者圆外，用圆内的点数除以总点数就是π/4值。随机点数越大，越充分覆盖整个圆形，计算得到的π值越精确。实际上，这个方法的思想是利用离散点值表示图形的面积，通过面积比例来求解π值。

分析过程：

使用蒙特卡罗方法来估计圆周率 π 的值。分析过程首先涉及理解蒙特卡罗方法的基本原理，即通过随机抽样来近似复杂问题的解。首先定义了一个函数 `estimate_pi` 来模拟抛点过程，随机生成点并判断它们是否落在单位圆内，然后根据圆内点的比例来估计 π 的值。为了验证不同数量的抛点对结果精度的影响，在 `main` 函数中运行了不同量级的抛点数，并记录了每次估计的 π 值和运行时间。此外，我们使用 `turtle` 模块的 `draw_points` 函数来可视化抛点过程，通过不同颜色区分圆内外的点，提供了直观的模拟效果。为了确保每次运行结果的一致性，可以在程序开始时设置随机数生成器的种子。最后，调研了蒙特卡罗方法在其他领域的应用，如计算定积分、解决优化问题、金融风险分析以及物理和工程模拟等，展示了蒙特卡罗方法的广泛适用性和强大功能。通过这个过程，不仅实现了一个有效的 π 值估计程序，还深入理解了蒙特卡罗方法的工作原理和潜在应用。

程序流程图：

源代码：

import random
import time
import turtle

def estimate_pi(num_points):
    inside_circle = 0
    for _ in range(num_points):
        x, y = random.random(), random.random()
        if x**2 + y**2 <= 1:
            inside_circle += 1
    pi_estimate = 4 * inside_circle / num_points
    return pi_estimate

def simulate_pi_calculaton(num_points):
    start_time = time.time()
    pi_estimate = estimate_pi(num_points)
    elapsed_time = time.time() - start_time
    return pi_estimate, elapsed_time

def draw_points(num_points):
    screen = turtle.Screen()
    screen.bgcolor("white")
    circle = turtle.Turtle()
    circle.color("blue")
    circle.begin_fill()
    circle.circle(1)
    circle.end_fill()
    circle.hideturtle()

    pen = turtle.Turtle()
    pen.speed(0)
    for _ in range(num_points):
        x, y = random.random(), random.random()
        if x**2 + y**2 <= 1:
            pen.color("red")
        else:
            pen.color("green")
        pen.penup()
        pen.goto(x * 200 - 100, -y * 200 - 100)
        pen.pendown()
        pen.dot(2)

    turtle.done()

def main():
    num_points_list = [100, 1000, 10000, 100000, 1000000]
    results = []

    for num_points in num_points_list:
        pi_estimate, elapsed_time = simulate_pi_calculaton(num_points)
        results.append((num_points, pi_estimate, elapsed_time))

        print(f"Points: {num_points}, Estimated Pi: {pi_estimate}, Time: {elapsed_time:.6f} seconds")

    # Draw points
    draw_points(num_points_list[-1])

if __name__ == "__main__":
    main()