- •1. Обработка информации и проблема интерпретации. Роль математического моделирования
- •Основные этапы математического моделирования
- •2. Основные понятия теории систем. Система и системное свойство
- •Понятия, характеризующие функционирование и развитие систем
- •Элемент
- •Подсистема
- •Структура
- •Состояние
- •Поведение
- •Модель функционирования (поведения) системы
- •3. Классификация систем
- •4. Взаимодействие системы с окружающей средой. Метаболизм
- •5. Определение понятия модели. Методы моделирования и классификация моделей
- •6. Математическая и компьютерная модель. Уровень идеализации и принцип минимальности
- •7. Цели моделирования и требования, предъявляемые к модели. Этапы компьютерного моделирования
- •8. Классификация математических и компьютерных моделей
- •Классификация км
- •9. Линейные модели и линейные системы уравнений. Проблемы вырождения и обусловленности
- •10. Интерполяция данных. Формулировка задачи интерполяции. Линейная интерполяция
- •Геометрическая интерпретация
- •11. Интерполяция полиномом и сплайны
- •Интерполяция многочленами
- •Метод решения задачи Полином Лагранжа
- •Полином Ньютона
- •Погрешность интерполирования
- •Выбор узлов интерполяции
- •12. Многомерная интерполяция данных
- •13. Идентификация моделей и задачи аппроксимации. Линейная аппроксимация и линеаризация
- •14. Нелинейная аппроксимация. Аппроксимация функцией произвольного вида. Аппроксимация полиномом
- •15. Нелинейная аппроксимация. Метод вложенных алгоритмов
- •16. Численное дифференцирование. Устойчивость и выбор шага дифференцирования
- •17. Вычисление определенных интегралов. Сравнительная характеристика методов Методы численного интегрирования
- •Интегрирование методом Монте-Карло
- •Обычный алгоритм Монте-Карло интегрирования
- •18. Метод Монте-Карло. Вычисление кратных интегралов
- •19. Моделирование стационарного состояния нелинейных систем
- •20. Моделирование динамики систем. Уравнения переходных процессов
- •Скалярное уравнение динамики системы
- •Векторное уравнение динамики системы
- •21. Моделирования динамики систем и численные методы решения задачи Коши
- •22. Жесткие системы. Неявные методы. Эквидистантный метод
- •23. Использование метода Монте-Карло при построении модели оптической пары "излучатель-приемник".
- •24. Стохастические модели. Получение случайных чисел с заданным распределением.
- •1.4. Моделирование случайных величин с заданным законом распределения
- •1. Метод нелинейного преобразования, обратного функции распределения
- •2. Метод Неймана
- •3. Метод кусочной аппроксимации
- •4. Некоторые специальные методы моделирования случайных величин
- •25. Модель источника случайных воздействий
- •26. Моделирование процессов кристаллизации. Расчет плоского кластера
- •27. Моделирование инерционных систем
- •28. Распределенные системы. Модель зонной печи
Интегрирование методом Монте-Карло
Предположим, необходимо взять интеграл от некоторой функции. Воспользуемся неформальным геометрическим описанием интеграла и будем понимать его как площадь под графиком этой функции.
Для определения этой площади можно воспользоваться одним из обычных численных методов интегрирования: разбить отрезок на подотрезки, подсчитать площадь под графиком функции на каждом из них и сложить. Предположим, что для функции, представленной на рисунке 2, достаточно разбиения на 25 отрезков и, следовательно, вычисления 25 значений функции. Представим теперь, мы имеем дело с n-мерной функцией. Тогда нам необходимо 25n отрезков и столько же вычислений значения функции. При размерности функции больше 10 задача становится огромной. Поскольку пространства большой размерности встречаются, в частности, в задачах теории струн, а также многих других физических задачах, где имеются системы со многими степенями свободы, необходимо иметь метод решения, вычислительная сложность которого бы не столь сильно зависела от размерности. Именно таким свойством обладает метод Монте-Карло.
Обычный алгоритм Монте-Карло интегрирования
Предположим, требуется вычислить определённый интеграл
Рассмотрим случайную величину , равномерно распределённую на отрезке интегрирования . Тогда так же будет случайной величиной, причём её математическое ожидание выражается как , где — плотность распределения случайной величины , равная на участке .
Таким образом, искомый интеграл выражается как .
Но матожидание случайной величины можно легко оценить, смоделировав эту случайную величину и посчитав выборочное среднее.
Итак, бросаем точек, равномерно распределённых на , для каждой точки вычисляем . Затем вычисляем выборочное среднее: .
В итоге получаем оценку интеграла:
Точность оценки зависит только от количества точек .
Этот метод имеет и геометрическую интерпретацию. Он очень похож на описанный выше детерминистический метод, с той разницей, что вместо равномерного разделения области интегрирования на маленькие интервалы и суммирования площадей получившихся «столбиков» мы забрасываем область интегрирования случайными точками, на каждой из которых строим такой же «столбик», определяя его ширину как , и суммируем их площади
дописать
-) точность не очень быстро улучшается, т.к.
18. Метод Монте-Карло. Вычисление кратных интегралов
Определение кратного интеграла
Пусть — подмножество в n-мерном вещественном пространстве, — функция на нём.
Разбиение σ множества B — это набор попарно непересекающихся подмножеств , такое что .
Мелкость разбиения — это наибольший диаметр множеств .
Разбиение называется конечным, если является конечным множеством, и измеримым, если все его элементы — измеримые (в данном случае — по Жордану) множества.
Кратным (n-кратным) интегралом функции f на множестве B называется число I (если оно существует), такое что, какой бы малой ε-окрестностью числа I мы ни задались, всегда найдется такое разбиение множества B и набор промежуточных точек, что сумма произведений значения функции в промежуточной точке на длину соответствующего отрезка разбиения будет попадать в эту окрестность. Формально:
: :
Здесь μ(Ui) — мера множества Ui.
Это определение можно сформулировать в другой форме с использованием интегральных сумм. А именно, для данного разбиения и множества точек рассмотрим интегральную сумму
Кратным интегралом функции называют предел
если он существует. Предел берётся по множеству всех последовательностей разбиений, с мелкостью стремящейся к 0. Разумеется, это определение отличается от предыдущего, по сути, лишь используемым языком.
В современных математических и физических статьях многократное использование знака интеграла не применяется.
Такой кратный интеграл называется интегралом в собственном смысле.
В случае n = 1 кратный интеграл совпадает с интегралом Римана.
Переход к повторным
Если область ограничена кривыми , причем всюду на отрезке функции непрерывны и , тогда , причем сначала вычисляется внутренний интеграл по переменной ( – параметр), а полученный результат интегрируется по .
Если область ограничена кривыми , причем всюду на , тогда переход к повторному интегралу осуществляется по формуле.
.
Полярные координаты
Формула перехода к полярным координатам имеет вид
Если область двумя полупрямыми и линиями определяемыми уравнениями , то двойной интеграл, распространенный на эту область вычисляется по формуле
Тройные интегралы
Вычисление тройного интеграла в декартовых координатах сводится к последовательному вычислению одного однократного и одного двойного интегралов или к вычислению трех однократных интегралов.
Если область интегрирования ограничена снизу поверхностью , сверху поверхностью и боков прямым цилиндром, сечением которого плоскостью параллельной плоскости , является область , то тройной интеграл вычисляется по формуле: , далее записывают двойной интеграл через один из повторных.
Рассмотрим интегрирование методом Монте-Карло. Предположим, необходимо взять интеграл от некоторой функции. Воспользуемся неформальным геометрическим описанием интеграла и будем понимать его как площадь под графиком этой функции.
Для определения этой площади можно воспользоваться одним из обычных численных методов интегрирования: разбить отрезок на подотрезки, подсчитать площадь под графиком функции на каждом из них и сложить. Предположим, что для функции, представленной на рис. 3, достаточно разбиения на 25 отрезков и, следовательно, вычисления 25 значений функции. Представим теперь, мы имеем дело с n-мерной функцией. Тогда нам необходимо 25n отрезков и столько же вычислений значения функции. При размерности функции больше 10 задача становится огромной. Поскольку пространства большой размерности встречаются, в частности, в задачах теории струн, а также многих других физических задачах, где имеются системы со многими степенями свободы, необходимо иметь метод решения, вычислительная сложность которого бы не столь сильно зависла от размерности. Именно таким свойством обладает метод Монте-Карло.
Для определения площади под графиком функции (см. рис.) можно использовать следующий случайный алгоритм:
-ограничим функцию прямоугольником (n-мерным параллелепипедом в случае многих измерений),
-площадь которого Spar можно легко вычислить;
-«набросаем» в этот прямоугольник (параллелепипед) некоторое количество точек (N штук),
-координаты которых будем выбирать случайным образом;
-определим число точек (K штук), которые попадут под график функции;
-площадь функции S дается следующим выражением:
Для малого числа измерений интегрируемой функции производительность Монте-Карло интегрирования гораздо ниже, чем производительность детерминистических методов. Тем не менее, в некоторых случаях, когда функция задана не явно, а необходимо определить область, заданную в виде сложных неравенств, случайный метод более предпочтительный.
Метод Монте-Карло состоит в том, что рассматривается некоторая случайная величина ξ, математическое ожидание которой равно искомой величине z, т.е.
Осуществляется серия n независимых испытаний, в результате которых получается (генерируется) последовательность n случайных величин : , , …, и по совокупности этих значений приближенно определяется искомая величина, т.е.
.
Интеграл же может быть вычислен как математическое ожидание некоторой случайной величины ξ, которая определяется независимыми реализациями ηi случайной величины η с равномерным законом распределения. Двукратные интегралы вычисляются следующим образом:
, (1)
где , – независимые реализации равномерно распределенных на величин.
Для использования метода Монте-Карло при вычислении определенных интегралов, как и в других его приложениях, необходимо вырабатывать последовательности случайных чисел с заданным законом распределения.
Существуют различные способы генерирования таких чисел. В настоящее время наиболее распространенный способ выработки случайных чисел на ЭВМ состоит в том, что в памяти хранится некоторый алгоритм выработки таких чисел по мере потребности в них.
Поскольку эти числа генерируются по наперед заданному алгоритму, то они не совсем случайны (псевдослучайны), хотя и обладают свойственными случайным числам статистическими характеристиками. То есть случайные величины, равномерно распределенные на отрезке , в ЭВМ задаются с помощью специальных программ – генераторов псевдослучайных чисел.