蒙特卡洛法及 java 实现【Z】

最新推荐文章于 2025-07-11 10:15:00 发布

原创最新推荐文章于 2025-07-11 10:15:00 发布 · 2.3k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#Java #金融

java 专栏收录该内容

45 篇文章

订阅专栏

蒙特卡洛方法是一种基于随机数的计算方法，源自于二战时期的曼哈顿计划。文章介绍了该方法的基本思想、应用领域，如解决高维问题，并提到了提升计算效率的技巧，还对比了蒙特卡洛方法与拟蒙特卡罗方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

蒙特卡洛(Monte Carlo)方法，或称计算机随机模拟方法，是一种基于“随机数”的计算方法。这一方法源于美国在第一次世界大战进研制原子弹的“曼哈顿计划”。该计划的主持人之一、数学家冯·诺伊曼用驰名世界的赌城—摩纳哥的Monte Carlo—来命名这种方法，为它蒙上了一层神秘色彩。

　　Monte Carlo方法的基本思想很早以前就被人们所发现和利用。早在17世纪，人们就知道用事件发生的“频率”来决定事件的“概率”。19世纪人们用投针试验的方法来决定圆周率π。本世纪40年代电子计算机的出现，特别是近年来高速电子计算机的出现，使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。
　　考虑平面上的一个边长为1的正方形及其内部的一个形状不规则的“图形”，如何求出这个“图形”的面积呢？Monte Carlo方法是这样一种“随机化”的方法：向该正方形“随机地”投掷N个点落于“图形”内，则该“图形”的面积近似为M/N。
　　可用民意测验来作一个不严格的比喻。民意测验的人不是征询每一个登记选民的意见，而是通过对选民进行小规模的抽样调查来确定可能的优胜者。其基本思想是一样的。
　　科技计算中的问题比这要复杂得多。比如金融衍生产品（期权、期货、掉期等）的定价及交易风险估算，问题的维数（即变量的个数）可能高达数百甚至数千。对这类问题，难度随维数的增加呈指数增长，这就是所谓的“维数的灾难”(Course Dimensionality)，传统的数值方法难以对付（即使使用速度最快的计算机）。Monte Carlo方法能很好地用来对付维数的灾难，因为该方法的计算复杂性不再依赖于维数。以前那些本来是无法计算的问题现在也能够计算量。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Monte Carlo方法相似，但理论基础不同的方法—“拟蒙特卡罗方法”(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 (数学上称为Low Discrepancy Sequences)代替Monte Carlo方法中的随机数序列。对某些问题该方法的实际速度一般可比Monte Carlo方法提出高数百倍，并可计算精确度。

/**
 * 
 */
 package numberorcal;
 
 /**
  * @author CC
  *用蒙特卡罗法示PI
  */
 public class CalPI {
 
     /**
      * @param args
      */
     public static void main(String[] args) {
         // TODO Auto-generated method stub
         double PI = 0;
         int N = 60000;
         int sum = 0;
         double x, y;
         for(int i = 0; i < N; i++){
             x = Math.random();
             y = Math.random();
             if( (x*x + y*y) < 1)
                 sum++;
         }
         System.out.println("PI= " + (double)4*sum/N);
 
     }
 
 }