ویکی‌پدیا

روش مونته‌کارلو: تفاوت میان نسخه‌ها

نمایش تاریخچه به صورت تعاملی
→ تفاوت قدیمی‌ترتفاوت جدیدتر ←
محتوای حذف‌شده محتوای افزوده‌شده
دیداریویکی‌متن
با فرض حسن نیت ویرایش 78.157.58.7 (بحث) خنثی‌سازی شد. (T)
خط ۵:
'''روش مونت-کارلو''' {{به انگلیسی|Monte Carlo method}} (یا تجربه مونت کارلو) یک [[الگوریتم]] محاسباتی است که از [[نمونه‌گیری]] [[تصادفی]] برای محاسبه نتایج استفاده می‌کند. روش‌های مونت-کارلو معمولاً برای [[شبیه‌سازی]] سیستم‌های [[فیزیک]]ی، [[ریاضی]]اتی و [[علم اقتصاد|اقتصادی]] استفاده می‌شوند.
 
از طرف دیگر روش مونت کارلو یک طبقه از الگوریتم‌های محاسبه گر می‌باشند که برای محاسبه نتایج خود بر نمونه گیری‌های تکرار شوندهٔ تصادفی اتکاء می‌کنند. روش‌های مونته کارلو اغلب زمان انجام شبیه‌سازی یک سامانه ریاضیاتی یا فیزیکی می‌شوند استفاده می‌شوند. به دلیل اتکای آنها بر محاسبات تکراری و اعداد تصادفی یا تصادفی کاذب، روشهای مونته کارو اغلب به گونه‌ای تنظیم می‌شوند که توسط رایانه اجرا شوند. گرایش به استفاده از روش‌های مونته کارلو زمانی بیشتر می‌شود که محاسبه پاسخ دقیق با کمک الگوریتم‌های قطعی ناممکن یا ناموجه باشد.<ref>Douglas Hubbard "«How to Measure Anything: Finding the Value of Intangibles in Business"» pg. 46, John Wiley & Sons, 2007</ref> روش‌های شبیه‌سازی مونته کارلو مخصوصاً در مطالعه سیستمهایی که در آن تعداد زیادی متغیر با درجه آزادی‌های دو به دو مرتبط وجود دارد مفید است، از جمله این سیستمها می‌توان به سیالات، جامداتی که به شدت کوپل شده‌اند، مواد بی نظم و ساختارهای سلولی (مدل سلولی پاتز – Potts- را ببیند) اشاره نمود. از آن گذشته، روشهای مونته کارلو برای شبیه‌سازی پدیده‌هایی که عدم قطعیت زیادی در ورودی‌های آنها وجود دارد نیز مفید هستند، مثلاً محاسبه ریسک در تجارت. همچنین این روش‌ها به طور گسترده‌ای در ریاضیات مورد استفاده قرار می‌گیرند: یک نمونه استفاده سنتی کاربرد این روشها در برآورد انتگرال‌های معین است، به خصوص انتگرال‌های چند بعدی با محدوده‌های مرزی پیچیده. واژه مونته کارلو در دهه [[۱۹۴۰ (میلادی)|۱۹۴۰]] (دهه [[۱۳۱۰]] شمسی) به وسیله فیزیکدانانی که روی پروژه ساخت یک سلاح اتمی در آزمایشگاه ملی لوس آلاموس آمریکا کار می‌کردند رایج شده‌است.<ref>[The beginning of the Monte Carlo method http://library.lanl.gov/la-pubs/00326866.pdf]</ref>
 
== تاریخچه ==
خط ۱۲۴:
* Arnaud Doucet, Nando de Freitas and Neil Gordon, ''Sequential Monte Carlo methods in practice'', [[2001]], ISBN 0-387-95146-6.
* P. Kevin MacKeown, ''Stochastic Simulation in Physics'', [[1997]], ISBN 981-3083-26-3
* Harvey Gould & Jan Tobochnik, ''An Introduction to Computer Simulation Methods, Part 2,۲، Applications to Physical Systems'', [[1988]], ISBN 0-201-16504-X
* C.P. Robert and G. Casella. "«Monte Carlo Statistical Methods"» (second edition). New York: Springer-Verlag, [[2004]], ISBN 0-387-21239-6
* R.Y. Rubinstein and D.P. Kroese (۲۰۰۷). «Simulation and the Monte Carlo Method"» (second edition). New York: John Wiley & Sons, ISBN 978-0-470-17793-8.
* Nicholas Metropolis, Arianna W. Rosenbluth, Marshall N. Rosenbluth, Augusta H. Teller and Edward Teller, "«Equation of State Calculations by Fast Computing Machines"» , Journal of Chemical Physics, volume 21,۲۱، p. ۱۰۸۷ (۱۹۵۳) ({{DOI|۱۰٫۱۰۶۳/۱٫۱۶۹۹۱۱۴}})
* N. Metropolis and S. Ulam, "«The Monte Carlo Method"» , Journal of the American Statistical Association, volume 44,۴۴، number 247,۲۴۷، pp. ۳۳۵–۳۴۱ (۱۹۴۹) ({{DOI|۱۰٫۲۳۰۷/۲۲۸۰۲۳۲}})
* Fishman, G.S. , (1995) ''Monte Carlo: Concepts, Algorithms, and Applications'', Springer Verlag, New York.
* Judgement under Uncertainty: Heuristics and Biases, ed. D. Kahneman and A. Tversky,(Cambridge University Press, ۱۹۸۲)
* R. E. Caflisch, ''Monte Carlo and quasi-Monte Carlo methods'', Acta Numerica vol. 7,۷، Cambridge University Press, 1998,۱۹۹۸، pp. 1–49. [http://books.google.com/books?id=g-j-Pz1zjkwC]
{{پایان چپ‌چین}}
 
برگرفته از «https://fa.wikipedia.org/wiki/روش_مونته‌کارلو»