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.

蒙特卡洛经济 使用蒙特卡洛模拟封闭经济的财富分配

分层抽样 考虑积分 在（0，1）间插入J－1个点 0＝α0＜ α1＜ …＜ αJ-1＜ αJ＝1 令

大象艺术 他是谁？ Elephant Art是基于卷积神经网络和Monte Carlo树搜索的中国象棋引擎。 他还支持UCCI协议。 警告！ 大象艺术仍然是Alpha版。 许多组件不完整（包括UCCI，PGN和永久追求）。 我们不保证他将来会采用相同的格式。 在Linux或MacOS上构建 $ git clone https://github.com/CGLemon/ElephantArt $ cd ElephantArt $ mkdir build && cd build $ cmake .. $ make 更多选择 加速CPU上的网络。 需要OpenBlas。 $ cmake .. -DBLAS_BACKEND=OPENBLAS 通过GPU加速网络。 需要CUDA和CUDNN。 $ cmake .. -DGUP_BACKEND=CUDA $ cmake .. -DGUP_BAC

Ni在Ni(100)面的薄膜生长的蒙特卡罗模拟

用蒙特卡罗方法计算圆周率的近似值.pdf

Markov链在统计计算中的应用，很实用。ppt课件

计算机博弈理论的研究希望计算机能够像人一样、思维、判断和推理，并能够做出理性的决策。棋类博弈由于规则明确、竞技性高，且人类选手往往胜于计算机等原因，在计算机博弈理论的研究过程中一直受到重要关注和深入的探讨，并促进了计算机博弈理论的发展。传统的基于博弈树搜索和静态评估的博弈方法在国际象棋、中国象棋等棋类项目中获得了明显的成功，该类项目的盘面估计与博弈树搜索过程相对独立，棋子在盘面中的作用相对明确，且棋局中的专家规则相对较为容易概括和总结。 然而传统的博弈理论在计算机围棋博弈中遇到了明显的困难：围棋具有巨大的搜索空间；盘面评估与博弈树搜索紧密相关，只能通过对将来落子的可能性进行分析才能准确地确定棋子之间的关系；与此同时，高层次的围棋知识也很难归纳，归纳之后常有例外，并且在手工构建围棋知识和规则的过程中常会出现矛盾而导致不一致性。这些独特的因素为围棋及拥有类似性质的计算机博弈问题研究带来了新的挑战。 从2006年开始，计算机围棋博弈的相关研究有了跨越式的发展，基于蒙特卡罗模拟的博弈树搜索算法获得了重要的成功，并开始逐步引领计算机博弈理论研究的方向。在本章，我们将介绍蒙特卡罗博弈理论及其在围棋等棋类博弈中的应用。

麦克斯皮尔曼 一个计算斯皮尔曼等级相关系数的程序，包括蒙特卡罗误差分析。 方法在有详细说明，天体物理学源代码库记录在。 先决条件： C 编译器（例如 gcc） GNU 科学库 (GSL) 开发和库包 GNU 科学库 (GSL) 的注意事项：GSL 可以从下载，或直接从 Ubuntu 软件中心安装。 安装（假设终端）： 修改 compile.sh 使其指向本地 GSL 目录。 可以通过 gsl-config --libs 修改compile.sh的权限 chmod a+x 编译.sh 运行编译.sh ./compile.sh 运行 MCSpearman 寻求帮助 ./mcspearman -h

蒙特卡罗方法解粒子输运问题主要讲解蒙特卡罗方法解决粒子输运问题的基本方法和技巧。而这些方法和技巧对于诸如辐射传播、多次散射和通量计算等一般粒子输运问题都是适用的。主要内容包括： 1 屏蔽问题模型 2 直接模拟方法 3 简单加权法 4 统计估计法 5 指数变换法 6 蒙特卡罗方法的效率