Monte Carlo算法
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
- 前言
- 一、 Monte Carlo经典举例1
- 2.读入数据
- 总结
前言
提示:这里可以添加本文要记录的大概内容:
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
提示:以下是本篇文章正文内容,下面案例可供参考
一、 Monte Carlo经典举例1
#经典实例用模特卡洛模拟法求π值
#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n个点,计算它们与中心点的距离,并且判断是否落在圆的内部。若这些点均匀分布,则圆周率 pi=4 * count/n, 其中count表示落到圆内投点数 n:表示总的投点数。
import random
import numpy as npdef calpai():"""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n个点,计算它们与中心点的距离,并且判断是否落在圆的内部。若这些点均匀分布,则圆周率 pi=4 * count/n, (count/n)=在圆内落点的概率或圆的占比其中count表示落到圆内投点数 n:表示总的投点数。"""n = 1000000r = 1.0a, b = (0.0, 0.0)x_neg, x_pos = a - r, a + ry_neg, y_pos = b - r, b + rcount = 0for i in range(0, n):x = random.uniform(x_neg, x_pos)y = random.uniform(y_neg, y_pos)if x*x + y*y <= 1.0:count += 1print(float(count / float(n)) * 4)
a=calpai()
print(np.pi)
显示结果
2.读入数据
#求x的平方在0-1之间的积分值
def integral():n = 1000000x_min, x_max = 0.0, 1.0y_min, y_max = 0.0, 1.0count = 0for i in range(0, n):x = random.uniform(x_min, x_max)y = random.uniform(y_min, y_max)# x*x > y,表示该点位于曲线的下面。所求的积分值即为曲线下方的面积与正方形面积的比。if x*x > y:count += 1integral_value = count / float(n)print(integral_value)
integral()
显示结果
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
Monte Carlo算法相关推荐
- 强化学习之Grid World的Monte Carlo算法解析【MiniWorld】SYSU_2023SpringRL
强化学习之Grid World的Monte Carlo算法解析[MiniWorld]SYSU_2023SpringRL 题目以及思路 代码 结果 算法解析 代码算法流程 题目以及思路 环境在这篇博客强 ...
- 模拟退火算法团簇matlab,基于改进Basin-Hopping Monte Carlo算法的Fen-Ptm(5≤n+m≤24)合金团簇结构优化...
摘要: 合金纳米团簇可以充分利用多种金属的协同效应来实现材料的多功能特性,因而备受关注.本文利用改进的Basin-Hopping Monte Carlo算法研究了不同尺寸和不同比例下的Fe-Pt二元合 ...
- 随机算法 Las Vegas算法 Monte Carlo算法
随机算法 定义 不要求对所有输入均正确计算,只要求出现错误的可能性小到可忽略(得能解决问题) 同一组输入,不要求同一个结果(不确定) 应用 有些使用确定性求解算法效率会很差的问题,如果用随机算法求解, ...
- Monte Carlo蒙特卡洛算法经验与UCB算法与UCT算法
Monte Carlo方法举例:一个框里有100个苹果,找到其中最大的,闭上眼睛不断随机的从中拿出苹果,若新拿到的比持有的大则换一下,随着抽取苹果的次数变多拿到的苹果的大小会越来越接近最大值.此算法具 ...
- ADPRL - 近似动态规划和强化学习 - Note 10 - 蒙特卡洛法和时序差分学习及其实例 (Monte Carlo and Temporal Difference)
Note 10 蒙特卡洛法和时序差分学习 Monte Carlo and Temporal Difference 蒙特卡洛法和时序差分学习 Note 10 蒙特卡洛法和时序差分学习 Monte Car ...
- 通俗易懂的Monte Carlo积分方法(二)
通俗易懂的Monte Carlo积分方法(二) Monte Carlo积分的计算(期望法) Monte Carlo算法的期望法计算的数学基础: 辛钦大数定律: 如果Xi是独立的随机变量,且EXi是相应 ...
- 通俗易懂的Monte Carlo积分方法(一)
通俗易懂的Monte Carlo积分方法(一) Monte Carlo积分的投点法计算: Monte Carlo算法(投点法)的数学基础: 伯努利大数定律: 设fA为n重伯努利试验中事件A发生的次数, ...
- 13 MCMC(Markov Chain Monte Carlo)
13 MCMC(Markov Chain Monte Carlo) 0 MCMC思想 1 采样方法 1.1概率分布采样 1.2 拒绝采样(Rejection Sampling) 1.3 重要性采样(I ...
- 15分钟入门蒙特卡洛 Monte Carlo
来自 | 知乎 作者 | 薛定豆 链接 | https://zhuanlan.zhihu.com/p/223042372 编辑 | 深度学习这件小事公众号 本文仅作学术交流,如有侵权,请联系后台删 ...
- HMC(Hamiltonian Monte Carlo抽样算法详细介绍)
Hamiltonian Monte Carlo简介 Hamiltonian dynamics的物理含义 Simulating Hamiltonian dynamics the Leap Frog Me ...
最新文章
- 一个完整的Installshield安装程序实例—艾泽拉斯之海洋女神出品(三) --高级设置一...
- 尝试使用jBPM Console NG(测试版)
- JsonData工具类
- 河北省计算机2018单招试题答案,2018年河北省普通高职单招考试十类和高职单招对口电子电工类、计算机类联考命题、考试与评卷...
- java stream intermediateterminal方法
- 初识Memcache之安装与测试
- 如何理解Stand SPI Dual SPI 和Quad SPI
- 线性代数学习指导与MATLAB编程实践,线性代数学习指导与MATLAB编程实践(邵建峰)...
- 200w的数据量能够占多大内存?发生了OOM如何进行JVM调优?
- 数字孪生智慧交通仿真推演解决方案
- 基于Java的俄罗斯方块游戏的设计与实现(含源文件)
- cpu空载50度_让电脑拥有一个“冷静”空间:九州风神玄冰50+堡垒240水冷套
- 怎样快速用计算机做字处理,怎样快速处理Word表格的技巧 -电脑资料
- 简洁大气的资源网站emlog模板
- 揭露!华为HR实名控诉:不要相信HR,他们不诚信!
- java 设计连连看_如何用JAVA 编写一个连连看游戏全程设计
- 使用WICleanup清理Windows Installer 冗余文件
- ath10k 出现ath10k_htt_t2h_msg_handler+0xebc/0x1efc解决方案
- 量子力学 or 线性代数?(五:波函数与薛定谔方程)
- contactform7 ajax,WordPress询盘插件 – Contact Form 7