人工智能领域的蒙特卡罗方法MCM概述.doc
《人工智能领域的蒙特卡罗方法MCM概述.doc》由会员分享,可在线阅读,更多相关《人工智能领域的蒙特卡罗方法MCM概述.doc(6页珍藏版)》请在三一文库上搜索。
1、人工智能领域的蒙特卡罗方法MCM概述提到蒙特卡罗(也有翻译成蒙特卡洛)一词,人们不禁想到摩纳哥的赌城。这两者之间有必然联系么?答案是:Exactly!大家想想,赌博跟什么有关?首先想到的是随机性和概率性。对,那蒙特卡罗方法就是与概率论和数理统计有关。MCM提出:蒙特卡罗方法MCM于20世纪40年代美国在第二次世界大战中研制原子弹的曼哈顿计划计划的成员S.M.乌拉姆和J.冯诺伊曼(计算机之父)首先提出。数学家冯诺伊曼用驰名世界的赌城摩纳哥的MonteCarlo来命名这种方法,为它蒙上了一层神秘色彩。在这之前,蒙特卡罗方法就已经存在。1777年,法国数学家布丰(Georges Louis Lecl
2、ere de Buffon)提出用投针实验的方法求圆周率。这被认为是蒙特卡罗方法的起源。传统的经验方法由于不能逼近真实的物理过程,很难得到满意的结果,而蒙特卡罗方法MCM由于能够真实地模拟实际物理过程,故解决问题与实际非常符合,可以得到很圆满的结果。这也是以概率论和数理统计理论方法为基础的一种计算方法,是使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系,用电子计算机实现统计模拟或抽样,以获得问题的近似解。为象征性地表明这一方法的概率统计特征,故借用赌城-蒙特卡罗命名。该命名既反映了该方法的部分内涵,又便于记忆,因此得到人们的普遍接受。BTW:Mon
3、teCarlo一词来源于意大利语,是为了纪念王子摩纳哥查理三世。蒙特卡罗(MonteCarlo)虽然是个赌城,但很小,估计跟北京的一条街差不多大。MCM概述:蒙特卡罗方法MCM(Monte Carlo Method),也称随机抽样或统计模拟方法,是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明,而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数(或伪随机数)来解决很多计算问题的方法。与它对应的是确定性算法。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)以及人工智能之机器学习等领域应用广泛。MCM基本思想:
4、当所求解问题是某种随机事件出现的概率,或者是某个随机变量的期望值时,通过某种实验的方法,以这种事件出现的频率估计这一随机事件的概率,或者得到这个随机变量的某些数字特征,并将其作为问题的解。有一类问题的维数(变量个数)可能高达数百甚至数千,解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(Curse of Dimensionality)。即使使用速度最快的计算机,传统的数值计算方法也难以对付,但蒙特卡罗方法MCM的计算复杂性不再依赖于维数,MCM能很好地用来对付维数的灾难。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。另一类形式与蒙特卡罗方法MCM相似,但理论基础不同的方法拟蒙特
5、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(Low DiscrepancySequences)代替蒙特卡罗方法MCM中的随机数序列。该方法对某些问题的求解比蒙特卡罗方法MCM计算速度上提高数百倍,计算精度上也有很大提高。MCM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,可认为该事件的发生频率即为其概率。因此,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
6、求得结构的失效概率。MCM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)。首先根据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Zi0,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MCM的思路可看出,MCM可以回避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
7、靠度指标。特别当变异系数较大时,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。MCM主要步骤:蒙特卡罗方法工作过程可以归结为三个主要步骤:1)构造或描述概率过程对于本身就具有随机性特卡罗方法被称为随机抽样的原因。随机数是具有概率分布的随机变量。随机数是实现蒙特卡罗模拟的基本工具。随机数序列就是具有这种分布的总体的一个简单子样,也就是一个具有这种分布的相互独立的随机变数序列。产生随机数的问题,就是从这个分布的抽样问题。在计算机上,可以用物理方法产生随机数,但价格昂贵,不能重复,使用不便。另一种方法是用数学递推公式产生。这样产生的序列,与真正的随机数序列不同,所以称为伪随
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 领域 蒙特卡罗 方法 MCM 概述
链接地址:https://www.31doc.com/p-3373417.html