Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Метод статистических испытаний
Метод статистических испытаний (метод Монте-Карло) - общее название группы численных методов, основанных на получении большого числа реализаций стохастического (случайного) процесса, который формируется таким образом, чтобы его вероятностные характеристики совпадали с аналогичными величинами решаемой задачи. Используется для решения задач в областях физики, математики, экономики, оптимизации, теории управления и др. Случайные величины применялись для решения различных прикладных задач достаточно давно. Примером может служить способ определения числа Пи, который был предложен Бюффоном еще в 1777 г. Суть метода была в бросании иглы длиной L на плоскость, расчерченную параллельными прямыми, расположенными на расстоянии г друг от друга. Вероятность того, что отрезок пересечет прямую, связана с числом Пи: где А - расстояние от начала иглы до ближайшей к ней прямой; 0 - угол иглы относительно прямых. Значение интеграла(при условии, что r > L), поэтому, подсчитав долю отрезков, пересекающих прямые, можно приближенно определить это число. При увеличении количества попыток точность получаемого результата будет увеличиваться. Сначала Энрико Ферми в 1930-х годах в Италии, а затем Джон фон Нейман и Станислав Улам в 1940-х в Лос-Аламосе предположили, что можно использовать связь между стохастическими процессами и дифференциальными уравнениями «в обратную сторону». Они предложили использовать стохастический подход для аппроксимации многомерных интегралов в уравнениях переноса, возникших в связи с задачей о движении нейтрона в изотропной среде. Идея была развита Уламом, который, во время выздоровления раскладывая пасьянсы, задался вопросом, какова вероятность того, что пасьянс «сложится». Ему в голову пришла идея, что, вместо того чтобы использовать обычные для подобных задач соображения комбинаторики, можно просто поставить «эксперимент» большое число раз, и, таким образом, подсчитав число удачных исходов, оценить их вероятность. Он же предложил использовать компьютеры для расчетов методом Монте-Карло. Появление первых электронных компьютеров, которые могли с большой скоростью генерировать псевдослучайные числа, резко расши-ряло круг задач, для решения которых стохастический подход оказался более эффективным, чем другие математические методы. После этого произошел большой прорыв, и метод Монте-Карло применялся во многих задачах, однако его использование не всегда было оправданно из-за большого количества вычислений, необходимых для получения ответа с заданной точностью.
Годом рождения метода Монте-Карло считается 1949 г., когда в свет выходит статья Метрополиса и Улама «Метод Монте-Карло». Название метода происходит от названия города в княжестве Монако, широко известного своими многочисленными казино, поскольку именно рулетка является одним из самых широко известных генераторов случайных чисел. Для демонстрации интегрирования методом Монте-Карло воспользуемся неформальным геометрическим описанием интеграла и будем понимать его как площадь под графиком этой функции. Дтя определения этой площади можно воспользоваться одним из обычных численных методов интегрирования: разбить отрезок на подотрезки, подсчитать площадь под графиком функции на каждом из них и сложить. Предположим, что для функции достаточно разбиения на 25 отрезков и, следовательно, вычисления 25 значений функции. Если имеется n-мерная функция, то потребуется 25" отрезков и столько же вычислений значения функции. Там, где имеются системы со многими степенями свободы, необходимо иметь метод решения, вычислительная сложность которого бы не столь сильно зависела от размерности. Именно таким свойством обладает метод Монте-Карло. Для определения площади под графиком функции можно использовать следующий стохастический алгоритм (рис. 7): 1) ограничим функцию прямоугольником («-мерным параллелепипедом в случае многих измерений), площадь которого Spar можно легко вычислить; 2) «набросаем» в этот прямоугольник некоторое количество точек (N штук), координаты которых будем выбирать случайным образом; 3) определим число точек (К штук), которые попадут под график функции; 4) площадь области, ограниченной функцией и осями координат, S дается выражением Для малого числа измерений интегрируемой функции производительность Монте-Карло интегрирования гораздо ниже, чем производительность обычных методов. Тем не менее в некоторых случаях, когда функция задана неявно, а необходимо определить область, заданную в виде сложных неравенств, стохастический метод может оказаться более предпочтительным.
|
||||||
Последнее изменение этой страницы: 2017-02-10; просмотров: 736; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.21.103.209 (0.006 с.) |