利用蒙特卡洛计算结构可靠度，文中的变量为非正态。

完整代码，可直接运行

二维遗传算法matlab代码使用DREAM软件包的马尔可夫链蒙特卡罗仿真-MATLAB实现 艾哈迈德·埃尔斯哈尔（Ahmed Elshall）博士在夏威夷大学马诺阿分校进行研究的代码 DREAM，其中包含过去和斯诺克更新的样本：DREAM_ZS 本文介绍的代码是马尔可夫链蒙特卡罗算法，该算法并行运行多个链以进行有效的后验。 名为DREAM_（ZS）的算法基于原始的DREAM采样方案，但是使用来自过去状态的档案库中的采样来在每个单独的链中生成候选点。 Vrugt等人已经提出了DREAM_（ZS）的理论和数值示例。 （2009）。 详细信息也可以在Ter Braak和Vrugt（2008）中找到。 从过去进行采样具有三个主要优点： （1）避免了使用N = d进行后探的要求。 这将加速收敛到有限的分布，特别是对于高维问题（大d）。 （2）离群链不需要明确考虑。 通过采样历史状态，异常轨迹可以在仿真期间的任何时间直接跳到模态区域。 因此，用DREAM_（ZS）模拟的N条路径在链中的每个单步台阶上都保持了详细的平衡。 （3）定义每个链中跳转的过渡内核不需要有关链当前状态的信息。 这在可以同时生成

基于EXCEL的蒙特卡罗模拟方法实现中文电子书

基于时序蒙特卡洛的WSN节点定位算法

完整代码，可直接运行

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

包括了用Matlab实现的蒙特卡罗方法源代码，蒙特卡罗方法讲解的PPT，同时有使用蒙特卡罗方法的demo.