蒙特卡洛方法的实例
本文通过五个例子，介绍蒙特卡罗方法（Monte Carlo Method）。
理论知识可从这个链接看：http://www.scratchapixel.com/lessons/mathematics-physics-for-computer-graphics/monte-carlo-methods-in-practice/monte-carlo-integration
一、概述
蒙特卡罗方法是一种计算方法。原理是通过大量随机样本，去了解一个系统，进而得到所要计算的值。
它非常强大和灵活，又相当简单易懂，很容易实现。对于许多问题来说，它往往是最简单的计算方法，有时甚至是唯一可行的方法。
它诞生于上个世纪40年代美国的"曼哈顿计划"，名字来源于赌城蒙特卡罗，象征概率。
二、π的计算
第一个例子是，如何用蒙特卡罗方法计算圆周率π。
正方形内部有一个相切的圆，它们的面积之比是π/4。
现在，在这个正方形内部，随机产生10000个点（即10000个坐标对 (x, y)），计算它们与中心点的距离，从而判断是否落在圆的内部。
如果这些点均匀分布，那么圆内的点应该占到所有点的 π/4，因此将这个比值乘以4，就是π的值。通过R语言脚本随机模拟30000个点，π的估算值与真实值相差0.07%。
三、积分的计算
上面的方法加以推广，就可以计算任意一个积分的值。
比如，计算函数 y = x2 在 [0, 1] 区间的积分，就是求出下图红色部分的面积。
这个函数在 (1,1) 点的取值为1，所以整个红色区域在一个面积为1的正方形里面。在该正方形内部，产生大量随机点，可以计算出有多少点落在红色区域（判断条件 y < x2）。这个比重就是所要求的积分值。
用Matlab模拟100万个随机点，结果为0.3328。
四、交通堵塞
蒙特卡罗方法不仅可以用于计算，还可以用于模拟系统内部的随机运动。下面的例子模拟单车道的交通堵塞。
根据 Nagel-Schreckenberg 模型，车辆的运动满足以下规则。
当前速度是 v 。
如果前面没车，它在下一秒的速度会提高到 v + 1 ，直到达到规定的最高限速。
如果前面有车，距离为d，且 d < v，那么它在下一秒的速度会降低到 d - 1 。
此外，司机还会以概率 p 随机减速， 将下一秒的速度降低到 v - 1 。
在一条直线上，随机产生100个点，代表道路上的100辆车，另取概率 p 为 0.3 。
上图中，横轴代表距离（从左到右），纵轴代表时间（从上到下），因此每一行就表示下一秒的道路情况。
可以看到，该模型会随机产生交通拥堵（图形上黑色聚集的部分）。这就证明了，单车道即使没有任何原因，也会产生交通堵塞。
五、产品厚度
某产品由八个零件堆叠组成。也就是说，这八个零件的厚度总和，等于该产品的厚度。
已知该产品的厚度，必须控制在27mm以内，但是每个零件有一定的概率，厚度会超出误差。请问有多大的概率，产品的厚度会超出27mm？
取100000个随机样本，每个样本有8个值，对应8个零件各自的厚度。计算发现，产品的合格率为99.9979%，即百万分之21的概率，厚度会超出27mm。
六、证券市场
证券市场有时交易活跃，有时交易冷清。下面是你对市场的预测。
如果交易冷清，你会以平均价11元，卖出5万股。
如果交易活跃，你会以平均价8元，卖出10万股。
如果交易温和，你会以平均价10元，卖出7.5万股。
已知你的成本在每股5.5元到7.5元之间，平均是6.5元。请问接下来的交易，你的净利润会是多少？
取1000个随机样本，每个样本有两个数值：一个是证券的成本（5.5元到7.5元之间的均匀分布），另一个是当前市场状态（冷清、活跃、温和，各有三分之一可能）。
模拟计算得到，平均净利润为92, 427美元。
七，参考链接
Introduction To Monte Carlo Methods，by Alex Woods
Monte Carlo Simulation Tutorial
蒙特卡罗（Monte Carlo）方法简介，by 王晓勇
蒙特卡罗（Monte Carlo）模拟的一个应用实例
（完）
更多相关：
-
使用ngNonBindable停止框架渲染计算“{{}}”
计算1+1= {{ 1 + 1 }}
计算1+1= {{ 1 + 1 }}
渲染结果... -
利用图形处理器的力量 你会学到: 如何编写Unity计算着色器 如何在后处理图像过滤器中使用ComputeShaders 如何使用ComputeShaders进行粒子效果和群集 如何使用StructuredBuffers在计算着色器和实例表面着色器之间共享数据 使用计算机处理器处理流体模拟 使用计算机开发者创建物理引擎 MP...
-
那天听了小牛师兄关于CFD应用的四种境界的说法后，小白发现自己连第一种境界都算不上，自己对于CFD还只是停留在做了少数几个案例的基础上，可以说是对其一无所知。不过小白不是那种遇到挫折就退缩的人，他决定沿着黄师姐的方法从软件入手继续学下去。在认真的做完了敲门实例后，小白又认真的做了几个FLUENT实例文档中的案例，虽然说案例都比较简单...
-
相信很多朋友在利用matlab进行计算时，会遇到循环次数过大，或者是单次计算量过大的问题，比如需要计算的数值阵列数据量过大，利用传统的编程方式，跑一次程序几个小时，都要等的急死了是不是呢？如果遇到这种情况，则可以尝试一下MATLAB并行计算，传统的计算方式都是串行计算。并行计算之所以可行，取决于两方面因素：a)现在大家的计算机是多核的...
-
来源：公众号|计算机视觉工坊（系投稿）作者：仲夏夜之星「3D视觉工坊」技术交流群已经成立，目前大约有12000人，方向主要涉及3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、...
-
点云PCL免费知识星球，点云论文速读。文章：Real-Time LIDAR-Based Urban Road and Sidewalk Detection for Autonomous Vehicles作者：Ern˝o Horváth , Claudiu Pozna ,and Miklós Unger编译：点云PCL代码：http...
-
文章：Semantic Histogram Based Graph Matching for Real-Time Multi-Robot Global Localization in Large Scale Environment作者：Xiyue Guo, Junjie Hu, Junfeng Chen, Fuqin Deng, T...
-
点云PCL免费知识星球，点云论文速读。文章：Robust Place Recognition using an Imaging Lidar作者：Tixiao Shan, Brendan Englot, Fabio Duarte, Carlo Ratti, and Daniela Rus编译：点云PCL（ICRA 2021）开源代码：...
-
文章：A Survey of Calibration Methods for Optical See-Through Head-Mounted Displays作者：Jens Grubert , Yuta Itoh, Kenneth Moser编译：点云PCL本文仅做学术分享，如有侵权，请联系删除。欢迎各位加入免费知识星球，获取PD...