文章目录一、生成随机数1.1rand1.2unifrnd1.3联系与区别二、引入2.1引例2.2基本思想2.3优缺点三、实例3.1蒙特卡洛求解积分3.2简单的实例3.3书店买书（0-1规划问题）3.4旅行商问题（TSP）参考文献蒙特卡洛方法也称为计算机随机模拟方法，它源于世界著名的赌城——摩纳哥的MonteCarlo(蒙特卡洛)。它是基于对大量事件的统计结果来实现一些确定性问题的计算。使用蒙特卡洛方法必须使用计算机生成相关分布的随机数，Matlab给出了生成各种随机数的命令，常用的有rand函数和unifrnd。一、生成随机数1.1randrand函数可用于产生由(0,1)之间均匀分布的随机数

基本上，这个问题模拟了以下内容:有一个装有50个绿球和50个红球的瓮。我可以从jar里取出球，无需更换，规则如下:每取出一个红球，我将损失一美元，每取出一个绿色球，我将获得一美元。我可以随时停止采摘。最坏的情况是我选择了所有100个，然后净选0个。问题是想出一个最优的停止策略，并创建一个程序来计算该策略的预期值。我的策略是继续捡球，而捡另一个球的期望值为正。也就是说，停止规则是动态的。在Latex中，这是图像中的递归公式:http://i.stack.imgur.com/fnzYk.jpg#include#include#includedoubleExpectedValue(doubl

蒙特卡罗模拟（方法），也称为计算机随机模拟方法、统计模拟法、统计试验法，是基于”随机数“的计算方法，或者是说把概率现象作为研究对象的数值模拟方法。其数学基础是大数定律与中心极限定理。其基本思想是：为了求解问题，先建立一个概率模型或随机过程，再通过对过程的观察或抽样试验来计算参数或数字特征。最后求出解的近似值。蒙特卡罗模拟求解实际问题的基本步骤：（1）根据问题特点，构造概率统计模型，使所求的解是所求问题的概率分布或数学期望。（2）给出模型中各种不同分布的随机变量的抽样方法。（3）统计处理模拟结果，给出问题解的统计估计值和精确估计值。蒙特卡罗（MonteCarlo)模拟实例：（1）由概率计算事件发