蒙特卡罗算法介绍.doc

分别介绍蒙特卡罗方法和拟蒙特卡罗方法解线性方程组的基本原理，并对两种方法的误差和收敛速度进行讨论．提出误差由3方面造成：截断误差、方法本身、伪随机数序列和低差异序列分布不均匀．在收敛速度方面：蒙特卡罗法的收敛速度与问题的规模和模拟路径长度无关；拟蒙特卡罗方法的收敛与问题的规模无关，但与模拟路径长度有关．经过对两种方法适用的情况进行讨论及数据测试，认为在一般情况下应选择用拟蒙特卡罗方法解线性方程组．

VB与MATLAB环境下的机械加工过程蒙特卡罗仿真

蒙特卡罗方法（随机模拟方法）的算法实现.doc

蒙特卡罗算法与matlab(精品教程).doc

机器学习与算法及源码：蒙特卡罗算法.zip

在研究拟蒙特卡罗方法的基础上,选择对美式期权定价有较好稳定结果的Faure序列代替原来的伪随机序列,得到了优于LSM模拟的结果,使模拟方差得到缩减。在此基础上,综合考虑蒙特卡罗模拟的方差减少技术,把控制变量技术与对偶变量技术相结合的复合方差减少技术运用到美式期权定价的过程中。通过模拟结果发现,控制变量技术对LSM模拟和LSQM模拟都能产生较理想的方差缩减效果,结合使用控制变量技术的LSQM模拟无论是在计算效率还是结果的稳定性方面,都比使用控制变量技术的LSM模拟好。如果再将控制变量技术与对偶变量技术相结合

TransitionalMCMC.jl Julia（Julia）中过渡马尔可夫链蒙特卡罗（TMCMC）的实现。 此实现很大程度上受到OpenCOSSAN中的限制的。 TMCMC算法可用于从未归一化的概率密度函数（即贝叶斯更新中的后验分布）采样。 TMCMC算法克服了Metropolis Hastings的一些问题： 可以有效地采样多峰分布 在高尺寸下效果很好（在合理范围内） 计算证据 通过算法选择提案分配 易于并行化 TMCMC不是从后验中直接采样，而是从易于采样的“过渡”分布中采样。 被定义为： 其中0 <= B j <= 1，在算法中从B j = 0（先验）开始，再到B j = 1（后验）。 安装 这是尚未注册的julia包裹。 但是，可以使用Julia软件包管理器安装此软件包： julia > ] pkg > add https : // github . com / A

用于计算同轴平行圆盘辐射“视角系数”的蒙特卡罗模拟。 此代码绘制蒙特卡罗结果并将其与实际（分析）值进行比较，并观察每个磁盘的误差和半径之间的关系！

介绍了在加性高斯噪声干扰条件下，多种二进制通信系统信号的传递与最佳接收，根据蒙特卡罗仿真方法基本思想，建立在加性噪声干扰下的相关检测系统蒙特卡罗仿真模型。模型通过Matlab软件方法实现，最终仿真结果与对应系统的理论误码率基本符合。