随机算法：蒙特卡罗算法与拉斯维加斯算法比较

本文来源于：https://blog.csdn.net/Blateyang/article/details/77624189

1 蒙特卡罗算法简介

蒙特卡罗(Monte Carlo)算法并不是一种特定的算法，而是对一类随机算法的特性的概括。它的名字来源于赌城蒙特卡罗，象征概率。它的基本思想是通过大量随机样本，去了解一个系统，进而得到要计算的值。它非常强大灵活，又相当简单易懂，很容易实现。

2 蒙特卡罗算法与拉斯维加斯算法比较

随机算法分为两大类：蒙特卡罗算法和拉斯维加斯算法，都是以著名的赌城命名的，且都是通过随机采样尽可能找到最优解。
————————————————

3 蒙特卡罗算法的简单python实现

下面就用蒙特卡罗随机取样的思想近似求解圆周率ππ
正方形内部有一个内切的圆，通过简单计算可知内切圆和正方形的面积比为π/4π/4,因此通过在直角坐标系的第一象限随机取点，统计落在圆内的点，其与总取样点数的比例即为π/4π/4，将该比例乘以4即可得ππ。示意图和代码如下：

#-*-coding:utf-8-*-
import random
def calcPi(n):
        count = 0
        for i in range(n):
                x = random.uniform(0,1.0) #在[0,1]区间均匀地随机取样
                y = random.uniform(0,1.0)
                if(x**2+y**2<=1):
                        count += 1
        return 4.0*count/n #注意4要写成浮点数的形式，否则结果只保留整数
print calcPi(30000) #取30000个样本点

一次计算结果为3.15226666667,误差不到0.5%，且取样点数越多，结果越接近。

参考：

1.蒙特卡罗方法入门
2.知乎：蒙特卡罗算法是什么