蒙特卡洛算法

        蒙特卡洛算法并不是一种算法的名称，而是是一类随机方法的统称。这类方法的特点是在随机采样上计算得到近似结果。随着采样的增多，得到的结果是正确结果的概率逐渐加大，但在获得真正的结果之前（放弃随机采样，而采用类似全采样这样的确定性方法），无法知道目前得到的结果是不是正确的结果

        从特性来说，既然是随机算法，在采样不全时，通常不能保证找到最优解，只能尽量找。因此可将随机算法分成以下两类：

        （1）蒙特卡洛算法：采样越多，越近似最优解（尽量找好的，但不保证是最好的）

        对一百个数进行比较，首先随机取一个数A，再随机取一个数B与A进行比较，留下较大值，抛弃掉较小值，然后再随机取一个数C与较大值作比较，如此循环，保证留下的值都比舍弃掉的值大，比较的次数越多，值就越大。但在一百个数全部取出前，无法确认目前留下的值是否是最大值

        （2）拉斯维加斯算法：采样越多，越有机会找到最优解（尽量找最好的，但不保证能找到）

        假设有一把锁和一百把钥匙，其中只有一把钥匙能开锁，每次随机拿一把钥匙开锁，失败则舍弃，如此循环，尝试的次数越多，则打开（找到最优解）的机会越大。当然，也有可能这一百把钥匙都打不开锁（无法找到最优解）

        因为随机算法的特性，所以算法本身可能复杂，也可能简单

        下面就编写一个Java程序来实现蒙特卡洛法求π的近似值：

        这个方法的理论基础是概率论中的伯努利大数定律。

        在一个边长为1的正方形中有一个内切圆，根据圆的面积公式S = πr2，可得该圆的面积为π/4。假设有大量的随机点等概率均匀地落入此正方形中，若正方形的面积为S，内切圆的面积为S'，落入正方形中的点数为N'，落入内切圆的的点数为N，这时便有 S'/S = N'/N，所以可据此求得 π = 4N'/N

import java.io.BufferedReader;
import java.io.InputStreamReader;
 
public class MonteCarloPi {
 
	public static void main(String[] args) throws Exception {
		double radius = 1.0;
        int pointNumber = 100000000
		Circular c = new Circular(radius);
		
		for(int i = 1; i <= numberOfDarts; i++) {
			Point p = Point.getRandom(radius);
			c.strike(p);
		}
		
		double fractionIn = c.getFractionIn();
		double pi = 4.0 * fractionIn;
		System.out.println("Pi is approximately " + pi);
	}
 
}
 
class Circular {
	
	private double radius;
	private int insideCircle, outsideCircle;
	
	public Circular(double radius) {
		this.radius = radius;
		insideCircle = 0;
		outsideCircle = 0;
	}
	
	public void strike(Point point) {
		double x = point.getX();
		double y = point.getY();
		
		if (Math.sqrt(x*x + y*y) < radius)
			insideCircle++;
		else
			outsideCircle++;
	}
	
	public double getFractionIn() {
		double total = (double) (insideCircle + outsideCircle);
		return (double) insideCircle / total;
	}
}
 
class Point {
	
	private double x,y;
	
	public Point(double x, double y) {
		this.x = x;
		this.y = y;
	}

	public double getX() {
        return x;
    }

	public double getY() {
        return y;
    }
	
	public static Point getRandom(double radius) {
		
		double x, y;
		double size = Math.random();
		double sign = Math.random();
		size = size * radius;
		
		if(sign > 0.5)
			x = size;
		else
			x = -size;
		
		size = Math.random();
		sign = Math.random();
		size = size * radius;
		
		if (sign > 0.5)
			y = size;
		else
			y = -size;
		
		return new Point(x, y);
	}
}

执行上述代码可得：Pi is approximately 3.14170216

由此可见，所得到的结果近似于圆周率π