随机游走也是一种基于运用[0,1]区间的均匀分布随机数序 列来进行的计算。 醉汉行走问题 醉汉开始从一根电线杆的位量出发(其坐标为x=0,x坐标 向右为正,向左为负),假定醉汉的步长为1,他走的每一步的 取向是随机的,与前一步的方向无关如果醉汉在每个时间间 隔内向右行走的一步的几率为p,则向左走一步的几率为q=-po 我们记录醉汉向右走了n步,向左走了n步,即总共走了N=ng+n1 步

一、一维定积分计算的平均值法(期望值估计法)。 一维积分计算=f(x)dx0≤x≤1,osf(x)s1在x的定义域[0,1]上均匀地随机取点该均匀分布的随机变量记为ξ。我们定义一个随机变量η为n=f(5)

在核及粒子物理研究中,往往要做出微分截面或全截面的理论预言,并将其与实验结果进行对比。为此实验工作者需要知道, 理论上得到的截面值在多大精度范围内会被实验装置测量出来。 这就需要将理论上得到的精确微分截面表达式,在实验探测相空间内进行积分

一、实验设计中的蒙特卡洛方法的应用 1.实验装量性能的研究 高能粒子反应的终恋粒子在探测器中的输运是个很复杂的过程。探测器是通过终态粒子在其中穿行过程中,留下的时间信息和(或)能量沉积信息来决定终态粒子的物理参数,如能量、动量、运动方向和粒子种类等。例如要确定带电粒子的动量,通常可以从测量该粒子在磁场中径迹的曲率来得到

蒙特卡洛求积分的方差为 o2=}n 其中}为被积函数f的方差。 公式反映出增加随机点数n时蒙特卡洛计算的精度可以得 到改善,但是精度提高非常缓慢。因此用增加蒙特卡洛计算的随 机投点数来提高精度总是耗费大量的机时。 另一个减少计算结果误差的途径是减少f的方差v} 重要的减少方差v}的技巧

大多数的伪随机数变量并不满足[0,1]区间的均匀分布, 而是具有各种不同形式的分布密度函数。 对一个具有分布密度函数f(x)的伪随机变量的抽样是通 过以下步骤来进行的:首先在[0,1]区间抽取均匀分布的伪随 机数列,然后再从这个伪随机数列中抽取一个简单子样,使这 个简单子样的分布满足分布密度函数f(x),并且各个伪随机数 相互独立

在蒙特卡洛方法应用中减小方差的基本技术:重要抽样法, 分层抽样法,控制变量法和对偶变量法。然而,单独使用这四种 减小方差的技巧仍然有其局限性。 人们发展了一些复合蒙特卡洛计算技术,如适应性蒙特卡洛 方法和多道蒙特卡洛抽样方法等。这些蒙特卡洛技巧对于被积函 数在积分范围内具有多个尖峰的情况,特别具有实用价值

一、真随机数 真随机数数列是不可预计的,因而也不可能重复产生两个相同的真随机数数列。 真随机数只能用某些随机物理过程来产生。例如:放射性衰变、电子设备的热噪音、宇宙射线的触发时间等等

1.1计算物理的起源和发展 一、电子计算机的发明和应用。 二、学科之间的交叉渗透,使计算物理学得以蓬勃的发展。 三、计算物理学对解决复杂物理问题的巨大能力,使它成为物理学的第三支柱,并在物理学研究中占有重要的位置

对求解问题本身就具有概率和统计性的情况,例如中子在介 质中的传播,核衰变过程等,我们可以使用直接蒙特卡洛模拟 方法。该方法是按照实际问题所遂循的概率统计规律,用电子 计算机进行直接的抽样试验,然后计算其统计参数直接蒙特 卡洛模拟法最充分体现出蒙特卡洛方法无可比拟的特殊性和优 越性,因而在物理学的各种各样问题中得到广泛的应用