数学模型:4. 蒙特卡罗模拟

Posted shengyang17

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数学模型:4. 蒙特卡罗模拟相关的知识,希望对你有一定的参考价值。

 随机算法

 

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

1. 蒙特卡罗模拟

技术分享图片

 

蒙特卡罗(Monte Carlo)方法,又称随机抽样或统计试验方法,是以概率和统计理论方法为基础的一种计算方法
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。

① π的计算
② 计算积分 y = x**2
③ 排队上厕所问题

 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
% matplotlib inline
# π的计算

from matplotlib.patches import Circle

n = 10000
# 投点次数

r = 1.0           # 半径
a, b = (0.0, 0.0)   # 圆心
# 圆的信息

x_min, x_max = a-r, a+r
y_min, y_max = b-r, b+r
# 正方形区域边界

x = np.random.uniform(x_min, x_max, n) # 均匀分布
y = np.random.uniform(y_min, y_max, n)
# 在正方形区域内随机投点
# numpy.random.uniform(low,high,size) → 从一个均匀分布[low,high)中随机采样,均匀分布

fig = plt.figure(figsize=(6, 6))
axes = fig.add_subplot(1, 1, 1)
plt.plot(x, y, ro, markersize = 1)
plt.axis(equal)
# 制图

d = np.sqrt((x - a)**2 + (y - b) ** 2)
res = sum(np.where(d < r, 1, 0))
# 计算点到圆心的距离
# 统计落在圆内的点的数目

pi = 4 * res / n
print(pi)

circle = Circle(xy = (a,b),radius = r, alpha = 0.5 ,color = gray)
axes.add_patch(circle)
plt.grid(True, linestyle = "--",linewidth = "0.8")
plt.show()
# 绘制圆形

技术分享图片

技术分享图片

 

 

# 计算积分 y = x**2  

n = 10000
# 投点次数

x_min, x_max = 0.0, 1.0
y_min, y_max = 0.0, 1.0   
# 矩形区域边界

x = np.random.uniform(x_min, x_max, n) # 均匀分布
y = np.random.uniform(y_min, y_max, n)
# 在矩形区域内随机投点

def f(x):
    return x**2
# 创建函数 y = x**2

res = sum(np.where(y < f(x), 1, 0))
# 统计 落在函数 y=x^2图像下方的点的数目

integral = res / n
print(integral: , integral)
# 计算 定积分的近似值

fig = plt.figure(figsize = (6,6)) 
axes = fig.add_subplot(111) 
axes.plot(x, y,ro,markersize = 1)
plt.axis(equal) 
# 绘制散点图

xi = np.linspace(0,1,100)
yi = xi ** 2
plt.plot(xi,yi,--k)
plt.fill_between(xi, yi, 0, color =gray,alpha=0.5,label=area)  
plt.grid()
# 绘制 y = x**2 面积图

技术分享图片

# 厕所排队问题  
# 1、两场电影结束时间相隔较长,互不影响;
# 2、每场电影结束之后会有20个人想上厕所;
# 3、这20个人会在0到10分钟之内全部到达厕所);
# 4、每个人上厕所时间在1-3分钟之间
# 首先模拟最简单的情况,也就是厕所只有一个位置,不考虑两人共用的情况则每人必须等上一人出恭完毕方可进行。
# 分析:对于每个人都有如下几个参数:
# 到达时间 / 等待时间 / 开始上厕所时间 / 结束时间

arrivingtime = np.random.uniform(0,10,size = 20)
arrivingtime.sort()
workingtime = np.random.uniform(1,3,size = 20)
# np.random.uniform 随机数:均匀分布的样本值

startingtime = [0 for i in range(20)]
finishtime = [0 for i in range(20)]
waitingtime = [0 for i in range(20)]
emptytime = [0 for i in range(20)]
# 开始时间都是0

#print(‘arrivingtime
‘,arrivingtime,‘
‘)
#print(‘workingtime
‘,workingtime,‘
‘)
#print(‘startingtime
‘,startingtime,‘
‘)
#print(‘finishtime
‘,finishtime,‘
‘)
#print(‘waitingtime
‘,waitingtime,‘
‘)
#print(‘emptytime
‘,emptytime,‘
‘)
print(------)

startingtime[0] = arrivingtime[0]  # 第一个人之前没有人,所以开始时间 = 到达时间
finishtime[0] = startingtime[0] + workingtime[0]   # 第一个人完成时间 = 开始时间 + “工作”时间
waitingtime[0] = startingtime[0]-arrivingtime[0]   # 第一个人不用等待

for i in range(1,len(arrivingtime)):
    if finishtime[i-1] > arrivingtime[i]:
        startingtime[i] = finishtime[i-1]
    else:
        startingtime[i] = arrivingtime[i]
        emptytime[i] = arrivingtime[i] - finishtime[i-1]
    finishtime[i] = startingtime[i] + workingtime[i]
    waitingtime[i] = startingtime[i] - arrivingtime[i]
    print(第%d个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 %i,
          arrivingtime[i],
          startingtime[i],
          workingtime[i],
          finishtime[i],
          waitingtime[i],
         
)
print(arerage waiting time is %f %np.mean(waitingtime))
print(------)
# 判断:如果下一个人在上一个人完成之前到达,则 开始时间 = 上一个人完成时间,
# 否则 开始时间 = 到达时间,且存在空闲时间 = 到达时间 - 上一个人完成时间

fig = plt.figure(figsize = (6,4))
plt.plot(waitingtime, -go)
plt.grid(True,linestyle=--, color = gray,linewidth = 0.8)
plt.title(蒙特卡罗模拟 - 排队上厕所问题)
plt.show()
# 图表绘制

--->>

------
第1个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 1.47846212718 2.90015955179 2.43550313768 5.33566268947 1.42169742461 

第2个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 1.50766524856 5.33566268947 1.70026811206 7.03593080153 3.82799744091 

第3个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 1.68971606051 7.03593080153 2.55933351317 9.59526431469 5.34621474102 

第4个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 3.22500117584 9.59526431469 2.23730595589 11.8325702706 6.37026313886 

第5个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 3.68624845537 11.8325702706 1.96298225381 13.7955525244 8.14632181522 

第6个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 3.748728758 13.7955525244 1.13434491219 14.9298974366 10.0468237664 

第7个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 3.76353770932 14.9298974366 2.97251793218 17.9024153688 11.1663597273 

第8个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 4.04448060386 17.9024153688 1.52642253332 19.4288379021 13.8579347649 

第9个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 5.15292640194 19.4288379021 2.8327295047 22.2615674068 14.2759115002 

第10个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 6.39798292569 22.2615674068 2.48704326285 24.7486106697 15.8635844811 

第11个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 6.46150544161 24.7486106697 2.75523182998 27.5038424996 18.287105228 

第12个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 6.83020450863 27.5038424996 2.82170691612 30.3255494157 20.673637991 

第13个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 7.54986448877 30.3255494157 1.32813398415 31.6536833999 22.775684927 

第14个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 7.74933683577 31.6536833999 2.01805818046 33.6717415804 23.9043465641 

第15个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 8.42722353547 33.6717415804 1.0300259968 34.7017675772 25.2445180449 

第16个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 8.76080737972 34.7017675772 1.69860652295 36.4003741001 25.9409601974 

第17个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 9.02778847556 36.4003741001 2.19029299704 38.5906670971 27.3725856245 

第18个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 9.0683463525 38.5906670971 1.74875934398 40.3394264411 29.5223207446 

第19个人:到达时间 开始时间 “工作”时间 完成时间 等待时间
 9.51437407844 40.3394264411 1.52156911323 41.8609955544 30.8250523627 

arerage waiting time is 15.743466
------

技术分享图片

 

以上是关于数学模型:4. 蒙特卡罗模拟的主要内容,如果未能解决你的问题,请参考以下文章

蒙特卡罗(Monte Carlo) 模拟

数学建模复习更新12(蒙特卡罗模拟)

数学建模复习更新12(蒙特卡罗模拟)

备战数学建模41-蒙特卡罗模拟(攻坚战5)

备战数学建模41-蒙特卡罗模拟(攻坚战5)

数学建模常用的十大算法