蒙特卡洛算法

蒙特算法

蒙特卡罗法也称统计模拟法、统计试验法，是把概率现象作为研究对象的数值模拟方法
是按抽样调查法求取统计值来推定未知特性量的计算方法。

 蒙特卡罗是一类随机算法的统称，其主要思想是采样越多，得到的结果越近似于最优解。更多的是从总体中抽一个样本，计算估计量（均值等），作为整体估计。

实例1:蒙塔卡洛方法求圆周率

在图中区域产生足够多的随机数点，然后计算落在圆内的点的个数与总个数的比值再乘以4，就是圆周率

import math
import random
m = 1000
n = 0
for i in range(m):
    x = random.random()
    y = random.random()
    if math.sqrt(x**2 + y**2) < 1:
        n+=1

pi = 4 * n / m
print("pi = {}".format(pi))

输出：

 模拟次数增加至1000000次 输出:

实例2:计算函数 y = x方在[0,1]区间的定积分

import math
import random
m = 1000000
n = 0
for i in range(m):
    x = random.random()
    y = random.random()
    if y >= x**2:
        n += 1
r = n/m
print("r = {}".format(r))

输出：

三门问题： 

参赛者会看见三扇关闭了的门，其中一扇的后面有一辆汽车，选中后面有车的那扇门可赢得该汽车，另外两扇门则各藏有一只山羊。
当参赛者选定了一扇门，但未去开启它的时候，节目主持人开启剩下两扇门的其中一扇，露出其中一只山羊。主持人其后问参赛者要不要换另一扇仍然关上的门。
问题是：换另一扇门是否会增加参赛者赢得汽车的几率？如果严格按照上述条件，即主持人清楚地知道，自己打开的那扇门后面是羊，那么答案是会。不换门的话，赢得汽车的几率是1/3,，换门的话，赢得汽车的几率是2/3。

进行100次模拟：

import random

def play(change):
    prize = random.randint(0,2)
    guess = random.randint(0,2)
    if guess == prize:
        if change:
            return False
        else:
            return True
    else:
        if change:
            return True
        else:
            return False
def winRate(change, N):
    win = 0
    for i in range(N):
        if(play(change)):
            win += 1
    print("中奖率为{}".format(win / N))
N = 100
print("每次换门的中奖概率：")
winRate(True,N)
print("每次都不换门的中奖概率：")
winRate(False,N)

输出：

进行1000次模拟：

更改n为1000 输出：

 进行1000000次模拟：

更改n为1000000 输出：

 

可以发现，模拟次数越多，得到的结果越近似于最优解，也体现出蒙塔卡洛的思想，把概率作为研究对象数值模拟方法，采样越多，得到的结果越近似于最优解。从总体中抽一个样本，计算估计量（均值等），作为整体估计。