学习笔记|蒙特卡罗方法（用matlab解决n次微积分问题）

蒙特卡罗方法

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。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。

基本思想

当所求问题的解是某个事件的概率，或某个随机变量的数学期望，或者是与概率数学期望有关的量时，通过试验的方法，得出事件的概率。

优点：

①能够比较逼真地描述具有随机性质的事物的特点及物理实验过程。
②受几何限制小
③误差已确定
④程序结构简单，易于实现
⑤收敛速度与问题的维数无关

缺点：

①收敛速度较慢
②误差具有概率性

生成随机数的方法：
①随机数表方法
②物理方法（外置设备）

基本步骤：

①在区间【A,B】上利用计算机均匀产生N个随机数Xn，用unifrnd命令实现
②计算每一个随机数相应的被积函数值
③计算被积函数的平均值

举例：

二次积分

解题程序：

>> P = rand(1000,2);  %生成一个二维的随机数表
>> x = 2*P(:,1)-1;    %x的值域
>> y = 2*P(:,2);      %y的值域
>> II = find(y<=2-x.^2&y.^3>=x.^2);
>> M = length(II);    
>> S = 4*M/10000;     %求得面积
>> plot(x(II),y(II),'g.') %绘图

三次积分

>> P = rand(10000,4);   %生成一个四维的随机数表   
>> x = -1+2*P(:,1);     %x的值域
>> y = -1+2*P(:,2);     %y的值域
>> z = P(:,3);          %z的值域
>> u = 2*P(:,4);        %u的值域
>> II = find(z>sqrt(x.^2+y.^2)&z<=1&u<=x.^2+y.^2+z.^2);
>> M = length(II);
>> V = 8*M/10000

注：本文中所有图片均来自B站up主：老师好我是小小白