Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов

Нажмите для полного просмотра!

Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов, слайд №2

Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов, слайд №3

Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов, слайд №4

Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов, слайд №5

Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов, слайд №6

Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов, слайд №7

Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов, слайд №8

Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов, слайд №9

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов. Доклад-сообщение содержит 9 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

2.5. Расчет интегралов методом Монте-Карло Понятие о методах Монте-Карло. Расчет интегралов

Слайд 2

Описание слайда:

Понятие о методах Монте-Карло При исследовании взаимодействующих систем расчет термодинамических средних методом точной диагонализации при достаточно большом размере системы неприменим из-за огромного числа степеней свободы в системе Метод Монте-Карло позволяет даже в случае макроскопически большого числа степеней свободы получить асимптотически точные результаты для термодинамических характеристик системы Создателями метода считаются Дж. Нейман и С. Улам (1949 г.) Методы стохастического моделирования, такие как метод МК, используются как для физических задач, так и для решения сложных математических проблем, где другие аналитические и приближенные подходы не работают

Слайд 3

Описание слайда:

Простейший пример: вычисление площади сложной плоской фигуры Поместим фигуру внутрь единичного квадрата Выберем внутри квадрата N случайных точек Площадь фигуры равна отношению числа точек, попавших внутрь фигуры, к полному числу точек Преимущество: простота использования (нужен лишь хороший датчик случайных чисел) Недостаток: ошибка расчета уменьшается в среднем как Для более эффективной сходимости нужен алгоритм, учитывающий особенности задачи

Слайд 4

Описание слайда:

Расчет интегралов Требуется вычислить интеграл Выберем произвольную плотность распределения, удовлетворяющую условию Определим случайную величину – случайная величина, распределенная с плотностью

Слайд 5

Описание слайда:

Расчет интегралов Для оптимального расчета интеграла с минимальной погрешностью следует выбирать распределение p(x), пропорциональное |g(x)| или, по возможности, близкое к этому Такой выбор распределения приводит к наименьшей статистической ошибке и быстрейшей скорости расчета Такой расчет интеграла с наиболее близкой к |g(x)| плотностью распределения называется существенной выборкой В методе Монте-Карло вместо всех возможных значений степеней свободы используются существенные выборки

Слайд 6

Описание слайда:

Расчет интегралов Рассчитаем методом Монте-Карло интеграл Используем для расчета интеграла различные нормированные функции распределения:

Слайд 7

Описание слайда:

Расчет интегралов Распределение p3(x) наиболее близко к подынтегральной функции Сходимость при равномерном распределении должна быть наихудшей

Слайд 8

Описание слайда:

Расчет интегралов Процесс сходимости расчетного значения интеграла к точному значению в зависимости от числа сгенерированных случайных точек

Слайд 9

Описание слайда:

Эффективность метода Монте-Карло Эффективность алгоритма МК напрямую зависит от удачного выбора функции распределения моделируемой случайной величины Эффективность метода МК растет с размерностью рассчитываемого интеграла. Расчет двумерных и трехмерных интегралов методом МК более эффективен, чем расчет при помощи разностных схем Метод МК с успехом используется для различных физических и математических задач и процессов: для моделирования систем массового обслуживания, информационных потоков, процессов протекания, процессов распространения нейтронов в средах и т.д. Все вышеизложенное касается только классических задач. Для квантовых моделей и термодинамики существуют более совершенные алгоритмы, специально адаптированные под конкретные проблемы