高中数学必修3教案：5_备课资料（3_2_2 （整数值）随机数（random numbers）的产生） 2页

备课资料 ‎1.蒙特卡罗方法（Monte Carlo method）‎ ‎ 蒙特卡罗(Monte Carlo)方法,或称计算机随机模拟方法,是一种基于“随机数”的计算方法.这一方法源于美国在第一次世界大战研制原子弹的“曼哈顿计划”.该计划的主持人之一、数学家冯·诺伊曼用驰名世界的赌城——摩纳哥的Monte Carlo——来命名这种方法,为它蒙上了一层神秘色彩.‎ ‎ Monte Carlo方法的基本思想很早以前就被人们所发现和利用.早在17世纪,人们就知道用事件发生的“频率”来决定事件的“概率”.19世纪人们用投针试验的方法来决定圆周率π.本世纪40年代电子计算机的出现,特别是近年来高速电子计算机的出现,使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能.‎ ‎ 考虑平面上的一个边长为1的正方形及其内部的一个形状不规则的“图形”,如何求出这个“图形”的面积呢？Monte Carlo方法是这样一种“随机化”的方法：向该正方形“随机地”投掷N个点落于“图形”内,则该“图形”的面积近似为M/N.‎ ‎ 可用民意测验来作一个不严格的比喻.民意测验的人不是征询每一个登记选民的意见,而是通过对选民进行小规模的抽样调查来确定可能的优胜者.其基本思想是一样的.‎ ‎ 科技计算中的问题比这要复杂得多.比如金融衍生产品（期权、期货、掉期等）的定价及交易风险估算,问题的维数（即变量的个数）可能高达数百甚至数千.对这类问题,难度随维数的增加呈指数增长,这就是所谓的“维数的灾难”(Course Dimensionality),传统的数值方法难以对付（即使使用速度最快的计算机）.Monte Carlo方法能很好地用来对付维数的灾难,因为该方法的计算复杂性不再依赖于维数.以前那些本来是无法计算的问题现在也能够计算了.为提高方法的效率,科学家们提出了许多所谓的“方差缩减”技巧.‎ ‎ 另一类形式与Monte Carlo方法相似,但理论基础不同的方法——“拟蒙特卡罗方法”(Quasi-Monte Carlo方法)——近年来也获得迅速发展.我国数学家华罗庚、王元提出的“华—王”方法即是其中的一例.这种方法的基本思想是“用确定性的超均匀分布序列(数学上称为Low Discrepancy Sequences)代替Monte Carlo方法中的随机数序列.对某些问题该方法的实际速度一般可比Monte Carlo方法提出高数百倍,并可计算精确度.‎ ‎ 蒙特卡罗方法在金融工程学、宏观经济学、计算物理学(如粒子输运计算、量子热力学计算、空气动力学计算)等领域应用广泛.‎ ‎2.蒙特卡罗方法的基本原理 ‎ 由概率定义知,某事件的概率可以用大量试验中该事件发生的频率来估算,当样本容量足够大时,可以认为该事件的发生频率即为其概率.因此,可以先对影响其可靠度的随机变量进行大量的随机抽样,然后把这些抽样值一组一组地代入功能函数式,确定结构是否失效,最后从中求得结构的失效概率.蒙特卡罗法正是基于此思路进行分析的.‎ ‎ 设有统计独立的随机变量Xi(i=1,2,3,…,k),其对应的概率密度函数分别为fx1,fx2,…,fxk,功能函数式为Z=g(x1,x2,…,xk).‎ ‎ 各随机变量的相应分布,产生N组随机数x1,x2,…,xk值,计算功能函数值Zi=g(x1,x2,…,xk)(i=1,2,…,N),若其中有L组随机数对应的功能函数值Zi≤0,则当N→∞时,根据伯努利大数定理及正态随机变量的特性有：结构失效概率,可靠指标.‎ ‎ 从蒙特卡罗方法的思路可看出,该方法回避了结构可靠度分析中的数学困难,不管状态函数是否非线性、随机变量是否非正态,只要模拟的次数足够多,就可得到一个比较精确的失效概率和可靠度指标.特别在岩土体分析中,变异系数往往较大,与JC法计算的可靠指标相比,结果更为精确,并且由于思路简单易于编制程序.‎ ‎3.蒙特卡罗方法的工作过程 ‎ 在解决实际问题的时候应用蒙特·卡罗方法主要有两部分工作：‎ ‎·用蒙特卡罗方法模拟某一过程时,需要产生各种概率分布的随机变量.‎ ‎·用统计方法把模型的数字特征估计出来,从而得到实际问题的数值解.‎ ‎4.蒙特卡罗方法分子模拟计算的步骤 ‎ 使用蒙特卡罗方法进行分子模拟计算是按照以下步骤进行的：‎ ‎★使用随机数发生器产生一个随机的分子构型.‎ ‎ 对此分子构型的其中粒子坐标作无规则的改变,产生一个新的分子构型.‎ ‎ 计算新的分子构型的能量.‎ ‎★比较新的分子构型与改变前的分子构型的能量,判断是否接受该构型.‎ ‎★若新的分子构型能量低于原分子构型的能量,则接受新的构型,使用这个构型重复再做下一次迭代.‎ ‎★若新的分子构型能量高于原分子构型的能量,则计算玻尔兹曼常数,同时产生一个随机数.‎ ‎★若这个随机数大于所计算出的玻尔兹曼因子,则放弃这个构型,重新计算.‎ ‎★若这个随机数小于所计算出的玻尔兹曼因子,则接受这个构型,使用这个构型重复再做下一次迭代.‎ ‎★如此进行迭代计算,直至最后搜索出低于所给能量条件的分子构型结束.‎ ‎5.蒙特卡罗方法在数学中的应用 ‎ 通常蒙特卡罗方法通过构造符合一定规则的随机数来解决数学上的各种问题.对于那些由于计算过于复杂而难以得到解析解或者根本没有解析解的问题,蒙特卡罗方法是一种有效地求出数值解的方法.一般蒙特卡罗方法在数学中最常见的应用就是蒙特·卡罗积分.‎ ‎（设计者：刘玉亭）‎