蒙特卡罗方法（Monte Carlo method）

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

               

　 蒙特卡罗方法（Monte Carlo method）

 

　　 蒙特卡罗方法概述

 

　　 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。

 

　　 蒙特卡罗方法的提出

 

　　 蒙特卡罗方法于 20 世纪 40 年代美国在第二次世界大战中研制原子弹的 “ 曼哈顿计划 ” 计划的成员 S ． M ．乌拉姆和 J ．冯 · 诺伊曼首先提出。数学家冯 · 诺伊曼用驰名世界的赌城 — 摩纳哥的 Monte Carlo— 来命名这种方法，为它蒙上了一层神秘色彩。在这之前，蒙特卡罗方法就已经存在。 1777 年，法国 Buffon 提出用投针实验的方法求圆周率 ∏ 。这被认为是蒙特卡罗方法的起源。

 

　　 蒙特卡罗方法的基本思想

 

　　 Monte Carlo 方法的基本思想很早以前就被人们所发现和利用。早在 17 世纪，人们就知道用事件发生的 “ 频率 ” 来决定事件的 “ 概率 ” 。 19 世纪人们用投针试验的方法来决定圆周率 π 。本世纪 40 年代电子计算机的出现，特别是近年来高速电子计算机的出现，使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。

 

　　考虑平面上的一个边长为 1 的正方形及其内部的一个形状不规则的 “ 图形 ” ，如何求出这个 “ 图形 ” 的面积呢 ?Monte Carlo 方法是这样一种 “ 随机化 ” 的方法：向该正方形 “ 随机地 ” 投掷 N 个点，有 M 个点落于 “ 图形 ” 内，则该 “ 图形 ” 的面积近似为 M/N 。可用民意测验来作一个不严格的比喻。民意测验的人不是征询每一个登记选民的意见，而是通过对选民进行小规模的抽样调查来确定可能的优胜者。其基本思想是一样的。

 

　　科技计算中的问题比这要复杂得多。比如金融衍生产品（期权、期货、掉期等）的定价及交易风险估算，问题的维数（即变量的个数）可能高达数百甚至数千。对这类问题，难度随维数的增加呈指数增长，这就是所谓的 “ 维数的灾难 ” （ Curse of Dimensionality ），传统的数值方法难以对付（即使使用速度最快的计算机）。 Monte Carlo 方法能很好地用来对付维数的灾难，因为该方法的计算复杂性不再依赖于维数。以前那些本来是无法计算的问题现在也能够计算量。为提高方法的效率，科学家们提出了许多所谓的 “ 方差缩减 ” 技巧。

 

　　另一类形式与 Monte Carlo 方法相似，但理论基础不同的方法 —“ 拟蒙特卡罗方法 ” （ Quasi － Monte Carlo 方法） — 近年来也获得迅速发展。我国数学家华罗庚、王元提出的 “ 华 — 王 ” 方法即是其中的一例。这种方法的基本思想是 “ 用确定性的超均匀分布序列（数学上称为 Low Discrepancy Sequences ）代替 Monte Carlo 方法中的随机数序列。对某些问题该方法的实际速度一般可比 Monte Carlo 方法提出高数百倍，并可计算精确度。

 

　　 蒙特卡罗方法的基本原理

 

　　 由概率定义知，某事件的概率可以用大量试验中该事件发生的频率来估算，当样本容量足够大时，可以认为该事件的发生频率即为其概率。因此，可以先对影响其可靠度的随机变量进行大量的随机抽样，然后把这些抽样值一组一组地代入功能函数式，确定结构是否失效，最后从中求得结构的失效概率。蒙特卡罗法正是基于此思路进行分析的。

 

　　设有统计独立的随机变量 Xi （ i ＝ 1 ， 2 ， 3 ， … ， k ），其对应的概率密度函数分别为 fx1 ， fx2 ， … ， fxk ，功能函数式为 Z ＝ g （ x1 ， x2 ， … ， xk ）。