روش مونتهکارلو: تفاوت میان نسخهها
محتوای حذفشده محتوای افزودهشده
Mhgolikani75 (بحث | مشارکتها) برچسبها: ویرایش همراه ویرایش از وبگاه همراه |
FreshmanBot (بحث | مشارکتها) جز اصلاح فاصله مجازی + اصلاح نویسه با استفاده از AWB |
||
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 استفاده میشوند. به دلیل اتکای
== تاریخچه ==
خط ۱۵:
== کاربرد ==
روشهای تصادفی برای محاسبه و آزمایش (که عموماً به عنوان شبیهسازی تصادفی شناخته میشوند) را بدون تردید میتوان تا اولین پیشگامان [[نظریه احتمال]] دنبال کرد ([[سوزن بافون]]، کار جزیی روی نمونهها توسط [[ویلیام گوست]])، ولی
روشهای پیشین برای شبیهسازی و مدل سازی آماری عموماً عکس این کار را انجام میدادند: استفاده از شبیهسازی برای امتحان کردن مسایل مشخص قطعی.
به هر حال همانطور که میدانیم مثالهای دیدگاه «[[وارون]]» به صورت تاریخی نیز وجود دارند،
شاید معروفترین استفادهٔ اخیر از این روش توسط انریکو فرمی در سال[[۱۹۳۰]] باشد، هنگامی که او از یک روش تصادفی برای دستیابی به خواص [[نوترون]] تازه کشف شده، استفاده کرد. همچنین
در ۱۹۵۰ در لوس آلاموس برای تحقیقات جدیدی که دربارهٔ [[بمبهای هیدروژنی]] آغاز شده بود مورد استفاده قرار گرفت و در رشتههای [[فیزیک]] و [[شیمی فیزیک]] و [[تحقیق در عملیات]] مشهور شد.
شرکت [[رند(Rand)]] و [[نیروی هوایی ایالات متحده]] دو سازمان مرتبط برای جمعآوری و ارسال اطلاعات دربارهٔ
استفاده از روش مونت کارلو نیاز به استفادهٔ مقادیر زیادی اعداد تصادفی دارد و این استفاده باعث کنار رفتن و عدم گسترش زایندههای اعداد شبه تصادفی بود.
خط ۳۸:
[[پرونده:Pi 30K.gif|بندانگشتی|چپ|روش مونت کارلو برای تخمین [[عدد پی]]]]
برای مثال میتوان مقدار عدد {{پی}}(پی) را با استفاده از روش مونته کارلو محاسبه نمود.
# یک مربع روی صفحه ترسیم کنید، سپس یک دایره را درون آن [[شکل محاط|محاط کنید]]. در ادامه چندین شکل با اندازه یکسان را روی آن [[توزیع یکنواخت(پیوسته)|
# سپس تعداد اشیاء درون دایره را بشمارید، در چهار ضرب کنید و عدد به دست آمده را بر تعداد کل اشیاء درون مربع تقسیم نمایید.
# نسبت اشیاء درون دایره در مقابل اشیاء درون مربع تقریباً برابر خواهد بود با ۴/π، که همان نسبت سطح دایرهاست به سطح مربع؛ بنابراین شما تخمینی از عدد π را به دست آوردهاید. توجه داشته باشید که چگونه تخمین عدد π از یک الگوی مشخص شده در روش مونته کارلو پیروی میکند.
ابتدا ما یک محدوده از متغیرها را تعریف کردیم که یک مربع بود که دایره ما را احاطه کرده بود. سپس ورودیها را
* اتکای محاسبات بر اعداد تصادفی خوب
* همگرایی تدریجی به سمت تخمینهای بهتر در زمانی که دادههای بیشتری شبیهسازی میشوند.
== کاربردها ==
شبیهسازی مونت کارلو
محاسبهٔ [[ریسک]] در تجارت (نمونه کاربرد آن در [[اقتصاد]]، مدل سازی تصادفی است) استفادهٔ [[کلاسیک]] از این روشها برای ارزیابی و محاسبهٔ [[انتگرالهای معین]]،
روشهای مونت کارلو همچنین برای محاسبهٔ ارزش سرمایه شرکتها، ارزیابی سرمایهٔ پروژهها نیز استفاده میشود.
خط ۶۲:
== زمینههای کاربرد مونت کارلو ==
* [[گرافیک]]،
*
* مدل سازی جا به جایی نور در [[رشتههای بیولوژیک]]
* مونت کارلو در اقتصاد
* [[مهندسی اطمینان]]
* در شبیهسازی پیچش برای
* در تحقیقات تجهیزات [[نیم رسانا]]، برای مدل سازی جا به جایی [[حامل]]های کنونی
* در [[محیط زیست]]، بررسی [[آلاینده]]ها
* کاربرد مونت کارلو در [[فیزیک استاتیک]]
* در طراحی احتمالاتی برای شبیهسازی و درک [[تغییرپذیری]]
* در شیمی فیزیک،
* در علوم کامپیوتر:
** [[الگوریتم لاس وگاس]]
خط ۸۱:
=== ریاضیات ===
کاربرد روش مونت-کارلو در ریاضیات و آمار بسیار گستردهاست. با استفاده از این روش، با انتخاب تصادفی یک یا تعداد محدودی پاسخ از میان پاسخهای موجود، تلاش میشود تا به راه حل قابل قبولی دست یافت. این تکنیک زمانی ارزش پیدا میکند، که مجموعه آلترناتیوهای موجود برای پاسخ یک مسئله بسیار بزرگ باشد و عملاً امکان آزمودن تمامی
====
روشهای قطعی
برای
برای نمونه یک صفحهٔ ۱۰x۱۰ نیاز به ۱۰۰ نقطه دارد. اگر بردار ما ۱۰۰ بعدی باشد، تقسیمبندی مورد نیاز روی صفحه، نیاز به {{چپچین}}[[گوگول|۱۰<sup>۱۰۰</sup>]]{{پایان چپچین}}(عدد گوگول) نقطه دارد که برای محاسبه بسیار بزرگ است.
روش مونت کارلو روشی را برای خروج از این [[رشد نمایی]] پیشنهاد میکند.
تا زمانی که تابع مورد سؤال یک تابع خوش رفتار است، به وسیله انتخاب تصادفی نقاط در فضای ۱۰۰ بعدی و گرفتن نوعی [[میانگین]] از مقادیر تابع در این نقاط، میتواند تخمین زده شود. با به
==== روشهای
* مدل نمونه برداری مستقیم
** [[نمونه برداری با اهمیت]]
خط ۱۰۸:
همچنین از کاربردهای عملی این روش در دانش شیمیفیزیک، میتوان به ساخت و بررسی مدل مولکولی اشاره نمود که به عنوان جایگزینی برای روش محاسباتی دینامیک مولکولی و شیمی کوانتومی مطرح میشود.
هدف اصلی روش مونت کارلو یا دینامیک مولکولی محاسبه خواص تعادلی یک سیستم است. در این روش پس از حصول اطمینان از بودن در حالت تعادل، با تغییر تصادفی موقعیت و
مزیت این روش به دینامیک مولکولی، نیاز نداشتن به محاسبهٔ اندازه حرکت برای هر ذرهاست که باعث کاهش زمان محاسبات رایانهای میشود. از معایب این روش میتوان به دست نیاوردن اطلاعات راجع به دینامیک سیستم اشاره کرد.
|