完整代码，可直接运行

基于时序蒙特卡洛的WSN节点定位算法

1、定积分的MC计算 事实上，不少的统计问题最后都归结为定积分的近似计算问题。 下面考虑一个简单的定积分 为了说明问题，我们首先介绍两种求的简单的MC方法，然后给出几种较为复杂而更有效的MC方法。

弗雷德里克·马尔尚 德州扑克 这是单挑限制德州扑克的命令行实现。 已实施 UCT 蒙特卡罗搜索算法。

蒙特卡洛算法实例MATLAB代码pyhmc：Python中的汉密尔顿蒙特卡洛 该软件包是Aki Vehtari编写的matlab工具箱中函数hmc2.m和hmc2_opt.m的直接端口。 该代码最初是基于功能hmc.m从写由伊恩·牛逼Nabney。 涉及“窗口”的算法部分是从Radford Neal编写的该函数的C代码中得出的。 最初的Python由Kilian Koepsell制造，随后由Robert T. McGibbon进行了现代化。 作者 基利安·科普塞尔 罗伯特·麦克吉本 该软件根据BSD许可证分发（请参阅LICENSE文件）。 例子 如果要从5维高斯绘制样本，则可以执行以下操作： import numpy as np def logprob(x, ivar): logp = -0.5 * np.sum(ivar * x**2) grad = -ivar * x return logp, grad from pyhmc import hmc ivar = 1. / np.random.rand(5) samples = hmc(logprob, x0=np.random.ra

圆周率（Pi）是圆的周长与直径的比值，一般用希腊字母 π 表示，是一个在数学及物理学中普遍存在的数学常数。π 也等于圆形之面积与半径平方之比，是精确计算圆周长、圆面积、球体积等几何形状的关键值。 蒙特卡洛方法（Monte Carlo method）也称统计模拟法、统计试验法。蒙特卡洛方法的基本思想是：首先建立一个描述问题的概率模型或随机过程，使它的参数或数字特征等于问题的解；然后通过对模型或过程的观察或抽样试验来计算这些参数或数字特征；最后给出所求解的近似值。 使用蒙特卡洛法求解 π 值基本步骤如下：构造一个单位正方形和一个单位圆的 1/4；往正方形内随机投点，根据点到原点的距离是否大于 1

1.用随机投点法、样本平均值法计算定积分 作业: 2.用随机投点法、样本平均值法计算定积分

用蒙特卡洛方法计算圆周率pi的matlab程序实现

蒙特卡洛期权定价模型matlab代码，支持matlab作图，可以作为借鉴代码

某校关于蒙特卡洛算法的ppt介绍及相关的程序实现，可以看一看。