基于蒙特卡罗方法的图像修复快速算法.pdf

基于MATLAB的蒙特卡罗方法在可靠性设计中的应用.pdf

在工程风险分析中应用Matlab进行蒙特卡罗模拟.pdf

蒙特卡罗期权 CUDA C++ 中期权定价的蒙特卡罗模拟。 目前支持香草欧洲电话。 使用说明 编辑源代码以设置合约参数。 假设 CUDA 工具包是从 NVIDIA ( ) 安装的，编译 nvcc -o mc.o montecarlo.cu 命令行参数： -b blocks设置总-b blocks数（每个运行 1024 条轨迹），默认为 200 -m max per partition设置每次内核调用的最大块数，默认为 500 -N time steps设置每个轨迹的时间步数，默认为 500 --help打印有效参数的列表 内核超时 内核超时存在问题。 如果运行此程序的卡还驱动显示器，则运行超过操作系统指定时间的内核将被终止。 为了解决这个问题，我编写了一个块分区系统来将内核调用拆分为顺序运行的较小分组。 默认值为每组最多 500 个块。 此外，使用超过 9000 个时间步长可能需要每组

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.

空间邻近目标在红外像平面的成像相互交叠，形成簇状像斑，为实现对各目标的有效跟踪与识别，必须对其进行分辨。提出了基于可逆跳跃马尔可夫链蒙特卡罗(RJMCMC)的空间邻近目标红外像平面分辨方法。在对多点源目标的红外像平面成像建模基础上，建立了基于贝叶斯推理的空间邻近目标红外像平面分辨框架，以可逆跳跃马尔可夫链蒙特卡罗方法实现了待估参数后验分布的计算，联合检测和估计出目标个数、各目标像平面投影位置和辐射强度参数。以中段弹道空间邻近目标的天基红外监视为例进行了仿真分析，结果表明，该方法能有效地分辨空间邻近目标中的目标个数和各目标投影位置和辐射强度。

差分进化算法是由 Storn & Price 开发的一种优化算法。给定具有一组N参数的函数，该算法在定义的参数空间内创建一组NP 随机解，然后使用参数之间的变化来改变现有种群并找到更好的解。虽然这种优化方法可能很慢，但它可以避免陷入局部最小值，并且是一种易于实现和理解的简单算法。 微分进化也可以很容易地适应马尔可夫链蒙特卡罗方法。该包在 Go 编程语言中实现了差分进化和马尔可夫链蒙特卡洛差分进化。 更多详情、使用方法，请下载后阅读README.md文件

蒙特卡罗也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。蒙特卡罗方法的名字来源于摩纳哥的一个城市蒙地卡罗，该城市以赌博业闻名，而蒙特·罗方法正是以概率为基础的方法。与它对应的是确定性算法。 　　蒙特卡罗方法在金融工程学，宏观经济学，计算物理学(如粒子输运计算、量子热力学计算、空气动力学计算)等领域应用广泛。

使用定向蠕虫算法对相互作用二聚体模型进行蒙特卡罗采样_在 Julia 中实现_julia_代码_下载

利用蒙特卡罗模拟方法对离散障碍期权进行定价，并结合对偶抽样、条件期望、重要性抽样3种方差缩减技术降低模拟方差。设计数值实验针对离散障碍期权进行定价分析，比较了各种模拟方法的方差缩减效率。结果表明利用对偶抽样、条件期望、重要性抽样3种方差缩减技术的蒙特卡罗模拟方法能够对离散障碍期权进行稳定的定价。