第六节 范例——【数学建模 蒙特卡罗算法】
合集下载
《蒙特卡罗方法》PPT课件
5
1.引言
Monte Carlo方法简史 简单地介绍一下Monte Carlo方法的发展历史
1、Buffon投针实验： 1768年，法国数学家Comte de Buffon利用投针实验估计的值
完整版ppt
L
d
p
2L d
6
1.引言
7 完整版ppt
1.引言
8 完整版ppt
1.引言
9 完整版ppt
23 完整版ppt
1.引言
注意以下两点： • Monte Carlo方法与数值解法的不同: ✓ Monte Carlo方法利用随机抽样的方法来求解物理问题;
✓数值解法:从一个物理系统的数学模型出发,通过求解一 系列的微分方程来的导出系统的未知状态;
• Monte Carlo方法并非只能用来解决包含随机的过程的问题:
28 完整版ppt
2.MC基本思想
二十世纪四十年代中期，由于科学技术的发展和 电子计算机的发明，蒙特卡罗方法作为一种独立的方 法被提出来，并首先在核武器的试验与研制中得到了 应用。但其基本思想并非新颖，人们在生产实践和科 学试验中就已发现，并加以利用。
➢ 两个例子 例1. 蒲丰氏问题 例2. 射击问题（打靶游戏）
4. 编程进行计算机模拟
5. 获得统计量
j
17 完整版ppt
1.引言
MC的模拟方法－1 确定统计方案
1 确定统计模型 1) 现象 模型
随机现象Y＝Y(Xi)， Xi={X1, X2, X3,…}
2) 确定随机变量Xi的分布特征fi(x) 平均分布，指数分布，正态分布，Γ分布…
2 确定统计量
j
i lnim1nkn1ik(xi,...)
1.引言
数学建模纸牌游戏21点(蒙特卡罗法)-课件PPT
•
if num<21
•
n=11;
•
end
• end
24
• if n>10
•
n=10;
• end
• p=[p n];
• break;
• end
• end
保存为choose.m
然后在matlab中输入dian21
25
• >> dian21 • 请输入局数：100000 • 请输入决策数：21 • 玩家得分平均值SCORE=-
13
• else if 21>totw && totw==totz
•
SCORE=0;
•
end
•
end
•
end
• end
• end
• fprintf('玩家得分SCORE=%d\n',SCORE);
• 保存为dian21.m
14
• function [num,p,a]=choose(num,p,a)
2
• 第5步 判断y1的值，若＞10，则将其值改 为10，并重新计算SUM2.
• 第6步 判断y2的值，若＞10，则将其值改 为10，并重新计算SUM2.
• 第7步 判断x1的值是否为1，若等于1将其 值改为11，重新计算SUM1，并判断SUM1 是否大于21，若大于21则将x1改为1，并重 新计算SUM1，若没有大于21则继续第9步; 若x1不为1，直接进行第9步.
If 21>SUM1>SUM2 则玩家赢，得 分SCORE=2；
If 21>SUM1=SUM2 则为平局， SCORE =0. • 第16步 输出得分SCORE.
7.蒙特卡罗方法在积分计算中的应用——【数学建模 蒙特卡罗算法】
3. 俄国轮盘赌和分裂
1) 分裂
•
设整数 n≥1，令
gi (P) g(P) n
•
则
i Vs gi (P) f (P)dP
n
•
gi(P)于为是原计来算θ的θ的估问计题Vgs，(gP)(可P的化) 1f为/(Pn计)，d算P这n就个i是1θ分i 的i 裂和技来巧得。到，而每个
2) 俄国轮盘赌
N
g(xi , yi )
i 1
•
其方差为
2 gˆ N
1 N
2 x
f1
(
x)dx
•
与通常蒙特卡罗方法相比，方差减少了约
1
N
( x )2 f1(x)dx
6. 分层抽样
•
考虑积分
1
•
g(x) f (x)dx
•
特别地，当 g(P)≥0 时，有
g(P) f (P) g(P) f (P)
f1(P)
g(P) f (P)dP
Vs
•
这时
2 g1
0
•
即 g1的方差为零。实际上，这时有
g1(P) Vs g1(P) f1(P)dP
•
不管那种情况，我们称从最优分布 称函数 | g(P) | 为重要函数。
fl(P)的抽样为重要抽样，
•
我们知道，由f (x,y)抽样 (x,y)的步骤是：
•
从 fl(x) 中抽取 xi，
xi
f1 ( x)dx
1i
•
再由 f2(y|xi) 中抽样确定 yi，
yi
f2(y
xi )dy 2i
•
现在改变 xi 的抽样方法如下：
xi
f1(x)dx i
蒙特卡罗方法PPT课件
第1页/共83页
蒙特卡 罗方法
直接方法
可以分解为各个独立 过程的随机性事件
统计方法 数值求解多维定积分
第2页/共83页
5.1 基本思想和一般过程
• Buffon投针实验
• 1768年，法国数学家Comte de Buffon利用投针实验估计 值
L
d
p 2L
d
第3页/共83页
• 长度为 l的针随机地落在相距为d>l 的一组水平线之间， 求针与线相交的概率？
分布的随机数的抽样，进行大量的计算随机模拟实验，从中获得随机变量 的大量试验值。各种概率模型具有不同的概率分布，因此产生已知概率分 布的随机变量，是实现Monte Carlo方法的关键步骤。最简单、最基本、 最重要的一个概率分布是(0，1)上的均匀分布 (或称矩形分布)。随机数就 是具有这种均匀分布的随机变量。对于其他复杂概率模型的概率分布可以 用数学方法在此基础上产生。因此，随机数是Monte Carlo模拟的基本工 具。
方法就叫做简单抽样法或非权重随机抽样法。
• 随机抽样法的真正优势表现在对较高维积分的近似求解，诸如在多体动力
学和统计力学中所遇到的问题。蒙待卡罗方法对较高维体系的积分误差仍
是
，而这时梯形定则给出的误差变为1/m2/D，这里D为维数。
1m
第21页/共83页
5.3.1 简单抽样 • 将其推广到多维的情况
模拟这个概率过程。对于本来不是随机性质的确定性问题，比如计算定积 分、解线性方程组及偏微分方程边值问题等，要用蒙特卡罗方法求解，就 必须事先构造一个人为的概率过程，它的某些参量正好是所要求的问题的 解。
第10页/共83页
5.1 基本思想和一般过程 • (2) 实现从已知概率分布的抽样 • 有了明确的概率过程后，为了实现过程的数字模拟，必须实现从已知概率
数模-随机模拟-蒙特卡罗方法36页PPT
Βιβλιοθήκη 数模-随机模拟-蒙特卡罗方法
11、获得的成功越大，就越令人高兴 。野心 是使人 勤奋的 原因， 节制使 人枯萎 。 12、不问收获，只问耕耘。如同种树 ，先有 根茎， 再有枝 叶，尔 后花实 ，好好 劳动， 不要想 太多， 那样只 会使人 胆孝懒 惰，因 为不实 践，甚 至不接 触社会 ，难道 你是野 人。(名 言网) 13、不怕，不悔(虽然只有四个字，但 常看常 新。 14、我在心里默默地为每一个人祝福 。我爱 自己， 我用清 洁与节 制来珍 惜我的 身体， 我用智 慧和知 识充实 我的头 脑。 15、这世上的一切都借希望而完成。 农夫不 会播下 一粒玉 米，如 果他不 曾希望 它长成 种籽； 单身汉 不会娶 妻，如 果他不 曾希望 有小孩 ；商人 或手艺 人不会 工作， 如果他 不曾希 望因此 而有收 益。-- 马钉路 德。
谢谢
11、越是没有本领的就越加自命不凡。——邓拓 12、越是无能的人，越喜欢挑剔别人的错儿。——爱尔兰 13、知人者智，自知者明。胜人者有力，自胜者强。——老子 14、意志坚强的人能把世界放在手中像泥块一样任意揉捏。——歌德 15、最具挑战性的挑战莫过于提升自我。——迈克尔·F·斯特利
11、获得的成功越大，就越令人高兴 。野心 是使人 勤奋的 原因， 节制使 人枯萎 。 12、不问收获，只问耕耘。如同种树 ，先有 根茎， 再有枝 叶，尔 后花实 ，好好 劳动， 不要想 太多， 那样只 会使人 胆孝懒 惰，因 为不实 践，甚 至不接 触社会 ，难道 你是野 人。(名 言网) 13、不怕，不悔(虽然只有四个字，但 常看常 新。 14、我在心里默默地为每一个人祝福 。我爱 自己， 我用清 洁与节 制来珍 惜我的 身体， 我用智 慧和知 识充实 我的头 脑。 15、这世上的一切都借希望而完成。 农夫不 会播下 一粒玉 米，如 果他不 曾希望 它长成 种籽； 单身汉 不会娶 妻，如 果他不 曾希望 有小孩 ；商人 或手艺 人不会 工作， 如果他 不曾希 望因此 而有收 益。-- 马钉路 德。
谢谢
11、越是没有本领的就越加自命不凡。——邓拓 12、越是无能的人，越喜欢挑剔别人的错儿。——爱尔兰 13、知人者智，自知者明。胜人者有力，自胜者强。——老子 14、意志坚强的人能把世界放在手中像泥块一样任意揉捏。——歌德 15、最具挑战性的挑战莫过于提升自我。——迈克尔·F·斯特利
Monte-Carlo(蒙特卡洛方法)解析
2. 线性同余器可以达到的最长周期为 m 1 ，我们 可以通过适当的选择 m 和 a ，使无论选取怎样的 初值 x0 都可以达到最大周期(一般选取 m 为质数)
常用的线性同余生成器
Modulus m 2^31-1
=2147483647
2147483399 2147483563
Multiplier a 16807
在 n 次中出现的频率。假如我们取 fn ( A) 作为 p P(A) 的估计，即 pˆ fn ( A) 。
然后取 ˆ
2l afn ( A)
作为
的估计。根据大数定律，当 n 时，
pˆ
fn ( A) a.s.
p.
从而有ˆ 2l P 。这样可以用随机试验的方法求得 的估计。历史上 afn ( A)
(2) 计算 X F -1(U ) ,则 X 为来自 F(x) 分布的随机数.
例 1 ：设 X ~ U (a,b) ，则其分布函数为
0
F
(
x)
x b
a a
1,
xa a xb
xb
F -1( y) a (b a) y ， 0 y 1
生成 U (0,1) 随机数 U，则 a (b - a)U 是来自
算法实现
许多程序语言中都自带生成随机数的方法, 如 c 中的 random() 函数, Matlab中的rand()函数等。 但这些生成器生成的随机数效果很不一样, 比如 c 中的函数生成的随机数性质就比较差, 如果用 c , 最好自己再编一个程序。Matlab 中的 rand() 函数, 经过了很多优化。可以产生性质很好的随 机数, 可以直接利用。
U (a,b) 的随机数。
例 2：
设 X ~ exp( ) 服从指数分布，则 X 的分布函数为：
常用的线性同余生成器
Modulus m 2^31-1
=2147483647
2147483399 2147483563
Multiplier a 16807
在 n 次中出现的频率。假如我们取 fn ( A) 作为 p P(A) 的估计，即 pˆ fn ( A) 。
然后取 ˆ
2l afn ( A)
作为
的估计。根据大数定律，当 n 时，
pˆ
fn ( A) a.s.
p.
从而有ˆ 2l P 。这样可以用随机试验的方法求得 的估计。历史上 afn ( A)
(2) 计算 X F -1(U ) ,则 X 为来自 F(x) 分布的随机数.
例 1 ：设 X ~ U (a,b) ，则其分布函数为
0
F
(
x)
x b
a a
1,
xa a xb
xb
F -1( y) a (b a) y ， 0 y 1
生成 U (0,1) 随机数 U，则 a (b - a)U 是来自
算法实现
许多程序语言中都自带生成随机数的方法, 如 c 中的 random() 函数, Matlab中的rand()函数等。 但这些生成器生成的随机数效果很不一样, 比如 c 中的函数生成的随机数性质就比较差, 如果用 c , 最好自己再编一个程序。Matlab 中的 rand() 函数, 经过了很多优化。可以产生性质很好的随 机数, 可以直接利用。
U (a,b) 的随机数。
例 2：
设 X ~ exp( ) 服从指数分布，则 X 的分布函数为：
《蒙特卡罗方法》课件
蒙特卡罗方法的优缺点
REPORTING
优点
高效性
蒙特卡罗方法在处理大规模、复杂问 题时，相对于解析方法，具有更高的 计算效率。
适用性强
该方法适用于各种类型的问题，无论 是数学、物理还是工程领域。
灵活性高
蒙特卡罗方法允许使用各种随机抽样 技术，可以根据问题的特性灵活调整 。
易于实现
蒙特卡罗方法的算法相对简单，容易 编程实现。
估计精度
统计估计的精度与样本数量和估计方法的选 择有关。
误差分析
误差来源
蒙特卡罗方法的误差主要来源于概率模型的近似和随机抽样的不 确定性。
误差控制
通过增加样本数量、改进概率模型等方法来减小误差。
误差评估
通过方差、置信区间等统计方法对误差进行评估和检验。
PART 03
蒙特卡罗方法的实现步骤
REPORTING
《蒙特卡罗方法》 PPT课件
REPORTING
• 蒙特卡罗方法简介 • 蒙特卡罗方法的原理 • 蒙特卡罗方法的实现步骤 • 蒙特卡罗方法的应用实例 • 蒙特卡罗方法的优缺点 • 蒙特卡罗方法的未来发展与展望
目录
PART 01
蒙特卡罗方法简介
REPORTING
定义与特点
定义
蒙特卡罗方法是一种基于概率统计的 数值计算方法，通过随机抽样和统计 模拟来求解数学、物理、工程等领域 的问题。
代。
PART 04
蒙特卡罗方法的应用实例
REPORTING
金融衍生品定价
总结词
蒙特卡罗方法在金融衍生品定价中应用广泛 ，通过模拟标的资产价格变化，计算衍生品 价格和风险。
详细描述
蒙特卡罗方法通过随机抽样和概率统计，模 拟标的资产（如股票、外汇或商品等）的价 格变化，从而计算出衍生品（如期权、期货 或掉期等）的预期收益或风险。这种方法能 够处理复杂的衍生品定价问题，并给出较为 精确的估计。
REPORTING
优点
高效性
蒙特卡罗方法在处理大规模、复杂问 题时，相对于解析方法，具有更高的 计算效率。
适用性强
该方法适用于各种类型的问题，无论 是数学、物理还是工程领域。
灵活性高
蒙特卡罗方法允许使用各种随机抽样 技术，可以根据问题的特性灵活调整 。
易于实现
蒙特卡罗方法的算法相对简单，容易 编程实现。
估计精度
统计估计的精度与样本数量和估计方法的选 择有关。
误差分析
误差来源
蒙特卡罗方法的误差主要来源于概率模型的近似和随机抽样的不 确定性。
误差控制
通过增加样本数量、改进概率模型等方法来减小误差。
误差评估
通过方差、置信区间等统计方法对误差进行评估和检验。
PART 03
蒙特卡罗方法的实现步骤
REPORTING
《蒙特卡罗方法》 PPT课件
REPORTING
• 蒙特卡罗方法简介 • 蒙特卡罗方法的原理 • 蒙特卡罗方法的实现步骤 • 蒙特卡罗方法的应用实例 • 蒙特卡罗方法的优缺点 • 蒙特卡罗方法的未来发展与展望
目录
PART 01
蒙特卡罗方法简介
REPORTING
定义与特点
定义
蒙特卡罗方法是一种基于概率统计的 数值计算方法，通过随机抽样和统计 模拟来求解数学、物理、工程等领域 的问题。
代。
PART 04
蒙特卡罗方法的应用实例
REPORTING
金融衍生品定价
总结词
蒙特卡罗方法在金融衍生品定价中应用广泛 ，通过模拟标的资产价格变化，计算衍生品 价格和风险。
详细描述
蒙特卡罗方法通过随机抽样和概率统计，模 拟标的资产（如股票、外汇或商品等）的价 格变化，从而计算出衍生品（如期权、期货 或掉期等）的预期收益或风险。这种方法能 够处理复杂的衍生品定价问题，并给出较为 精确的估计。
数学建模专题之Monte-Carlo方法
2016年5月11日 2
引言(Introduction)
Monte Carlo方法：
数学建模专题之 Monte Carlo方法
蒙特卡罗方法，又称随机模拟方法，属于计算数学的一个分支，它是在上世纪四十年 代中期为了适应当时原子能事业的发展而发展起来的。 亦称统计模拟方法，statistical simulation method 利用随机数进行数值模拟的方法
模拟结果
试验 序号 １ ２ ３ ４ ５ ６ ７ ８ ９ １０ 投硬币 结 果 正 正 反 正 正 反 正 正 反 反 ∨ ∨ ∨ ∨ ∨ ∨ ∨ ３ ６ ∨ ∨ 指示 正确 ∨ ∨ ∨ １ ２ 指 示 不正确 掷骰子 结 果 ４ ４ ∨ ∨ ∨ ∨ ∨ ０ １ ∨ ∨
数学建模专题之 Monte Carlo方法
2016年5月11日
10
举例
数学建模专题之 Monte Carlo方法
例1 在我方某前沿防守地域，敌人以一个炮排（含两门火炮） 为单位对我方进行干扰和破坏．为躲避我方打击，敌方对其阵地 进行了伪装并经常变换射击地点． 经过长期观察发现，我方指挥所对敌方目标的指示有50％是 准确的，而我方火力单位，在指示正确时，有1/3的射击效果能 毁伤敌人一门火炮，有1/6的射击效果能全部毁伤敌人火炮． 现在希望能用某种方式把我方将要对敌人实施的20次打击结 果显现出来，确定有效射击的比率及毁伤敌方火炮的平均值。 分析： 这是一个概率问题，可以通过理论计算得到相应的 概率和期望值.但这样只能给出作战行动的最终静态结果，而 显示不出作战行动的动态过程. 为了能显示我方20次射击的过程，现采用模拟的方式。
消灭敌人火炮数 ２
∨
2016年5月11日
15
数学建模专题之 Monte Carlo方法
引言(Introduction)
Monte Carlo方法：
数学建模专题之 Monte Carlo方法
蒙特卡罗方法，又称随机模拟方法，属于计算数学的一个分支，它是在上世纪四十年 代中期为了适应当时原子能事业的发展而发展起来的。 亦称统计模拟方法，statistical simulation method 利用随机数进行数值模拟的方法
模拟结果
试验 序号 １ ２ ３ ４ ５ ６ ７ ８ ９ １０ 投硬币 结 果 正 正 反 正 正 反 正 正 反 反 ∨ ∨ ∨ ∨ ∨ ∨ ∨ ３ ６ ∨ ∨ 指示 正确 ∨ ∨ ∨ １ ２ 指 示 不正确 掷骰子 结 果 ４ ４ ∨ ∨ ∨ ∨ ∨ ０ １ ∨ ∨
数学建模专题之 Monte Carlo方法
2016年5月11日
10
举例
数学建模专题之 Monte Carlo方法
例1 在我方某前沿防守地域，敌人以一个炮排（含两门火炮） 为单位对我方进行干扰和破坏．为躲避我方打击，敌方对其阵地 进行了伪装并经常变换射击地点． 经过长期观察发现，我方指挥所对敌方目标的指示有50％是 准确的，而我方火力单位，在指示正确时，有1/3的射击效果能 毁伤敌人一门火炮，有1/6的射击效果能全部毁伤敌人火炮． 现在希望能用某种方式把我方将要对敌人实施的20次打击结 果显现出来，确定有效射击的比率及毁伤敌方火炮的平均值。 分析： 这是一个概率问题，可以通过理论计算得到相应的 概率和期望值.但这样只能给出作战行动的最终静态结果，而 显示不出作战行动的动态过程. 为了能显示我方20次射击的过程，现采用模拟的方式。
消灭敌人火炮数 ２
∨
2016年5月11日
15
数学建模专题之 Monte Carlo方法