第三章 蒙特卡洛算法

系列文章目录

第一章 强化学习环境搭建
第二章 强化学习基础知识
第三章 蒙特卡洛算法

---

---

前言

本章学习蒙特卡洛算法的应用

---

一、蒙特卡洛是什么？

蒙特卡洛是一大类随机算法，用随机样本来近似估计真实值。

二、实例

1.用均匀抽样来估计π

代码如下：

import random

n = int(input())
numCir = 0

# 蒙特卡洛近似计算π
for i in range(1, n):
    # 在边长为1的正方形中随机抽样
    x = random.uniform(-1, 1)
    y = random.uniform(-1, 1)
    if x ** 2 + y ** 2 <= 1:
        # 落在正方形内切圆的点的数目
        numCir += 1

pi1 = numCir * 4 / n
print("π = " + str(pi1))

2.蒙特卡洛估算阴影面积

代码如下：

for i in range(1, n):
    x = random.uniform(0, 2)
    y = random.uniform(0, 2)
    if (x ** 2 + y ** 2 > 4) and ((x-1) ** 2 + (y-1) ** 2 <= 1):
        numCir += 1

pi2 = numCir * 4 / n
print("π = " + str(pi2))

3.蒙特卡洛近似求定积分

给定函数f(x) = 1 / (1+sin(x) *(log_ex)^2)，求该函数在区间[0.8,3]上的积分I

代码如下：

# 蒙特卡洛近似求定积分
q = 0
for i in range(1, n):
    x = random.uniform(0.8, 3)
    y = 1 / (1 + math.sin(x) * (math.log(x) ** 2))
    q += y
I = 2.2 * q / n
print("定积分I = " + str(I))

---

总结

以上就是今天要讲的内容，本文仅仅简单介绍了蒙特卡洛的应用。
PS:前两章的内容还没有完善好，后续会放开权限，有意愿了解的，点点关注，后续会更新。