蒙特卡洛算法

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。

一般来说，采样越多，越近似最优解。

【例】用蒙特卡洛模拟法求圆周率pi 
如图，红色线条为平面上圆心在原点的单位圆，圆的面积为pi，黑色线条构成边长为2的正方形 
 
设相互独立的随机变量X，Y均服从[-1,1]上的均匀分布，则(X,Y)服从{-1≤x≤1, -1≤y≤1}上的二元均匀分布（即图中正方形区域上的二元均匀分布），记事件A = {x^2+y^2≤1}，则A事件发生的概率等于单位圆面积除以边长为2的正方形的面积，即P(A) = pi/4。

可得圆周率pi = 4P(A). 而P(A)可以通过蒙特卡洛模拟法求得，在图1中正方形内随机投点（即横坐标X和纵坐标Y都是[-1,1]上均匀分布的随机数），落在单位圆内的点的个数m与点的总数n的比值m/n可以作为A事件的概率P(A)的近似，随着投点总数的增加，m/n会越来越接近于P(A)，从而可以得到逐渐接近于pi的模拟值 。

function pijisuan = pi(mm)
frq = 0;
%产生一个1*mm大小的矩阵，范围在0-1之间
xrandnum = unifrnd(0,1,1,mm);
yrandnum = unifrnd(0,1,1,mm);
for ii = 1:mm
    if (xrandnum(1,ii)^2 + yrandnum(1,ii)^2 <= 1)
        frq = frq + 1;
    end
end
pijisuan = 4*frq/mm
%在控制台输入pi(m)，m为参数，即可得到数值。

#include<stdio.h>
#include<stdlib.h>
#include<time.h>

int main()
{
    unsigned long i;
    unsigned long m;
    const unsigned long N=100000000;
    double x,y,pi;
    srand((unsigned)time(NULL));
    for(i=0,m=0;i<N;i++)
    {
        /*x,y在区间(-1,1)*/
        x=2.0*rand()/RAND_MAX-1;、/*产生– 1到1之间的随机数*/
        y=2.0*rand()/RAND_MAX-1;
        if((x*x+y*y)<=1)
        { 
              m++;
        }
    }
    pi=4.0*m/N;
    printf("%lf\n",pi);
    return 0;
}

计算定积分问题

function result = Jifen(a,b,m,mm)
%a是积分下限
%b是积分上限
%m是函数的上界
%mm是随机试验次数
frq = 0;
xrangnum = unifrnd(a,b,1,mm);
yrangnum = unifrnd(0,m,1,mm);
for ii = 1:mm
    if (cos(xrangnum(1,ii)) + 2) >= yrangnum(1,ii)
        frq = frq + 1;
    end
end
result = frq*m*(b-a)/mm
%在命令行中输入Jifen(a,b,m,mm)即可