蒙特卡罗方法和拉斯维加斯方法

蒙特卡罗算法并不是一种算法的名称，而是对一类随机算法的特性的概括，比如说某种算法属于一种蒙特卡罗算法。
在随机算法里，在采样不全时，通常不能保证找到最优解，只能说是尽量找。根据怎么个尽量法，可以把随机算法分成两类：
蒙特卡罗算法：采样越多，越近似最优解；
拉斯维加斯算法：采样越多，越有机会找到最优解。
举例：
蒙特卡罗：假如筐里有100个苹果，让我每次闭眼拿1个，挑出最大的。于是我随机拿1个，再随机拿1个跟它比，留下大的，再随机拿1个……我每拿一次，留下的苹果都至少不比上次的小。拿的次数越多，挑出的苹果就越大，但我除非拿100次，否则无法肯定挑出了最大的。这个挑苹果的算法，就属于蒙特卡罗算法。

拉斯维加斯：假如有一把锁，给我100把钥匙，只有1把是对的。于是我每次随机拿1把钥匙去试，打不开就再换1把。我试的次数越多，打开（最优解）的机会就越大，但在打开之前，那些错的钥匙都是没有用的。这个试钥匙的算法，就是拉斯维加斯的。

这两类随机算法之间的选择，往往受到问题的局限。如果问题要求在有限采样内，必须给出一个解，但不要求是最优解，那就要用蒙特卡罗算法；反之，如果问题要求必须给出最优解，但对采样没有限制，那就要用拉斯维加斯算法。

蒙特卡罗算法：
蒙特卡罗求π，就是画一个正方形和内切圆，随机撒点，数一下落在圆内和正方形内的数量之比，就是二者面积之比π/4。
所以蒙特卡罗就是求面积的方法。
而积分是曲线下的面积，所以蒙特卡罗就是求积分的方法。
而均值就是概率密度与自变量乘积的积分，所以蒙特卡罗就是求均值的方法。
而期望就是均值，所以蒙特卡罗就是求期望的方法。
而最优值往往接近或者就是期望，所以蒙特卡罗就是求最优值的方法。