蒙特卡洛模擬代碼

❶ 求一個MATLAB程序，通過蒙特卡洛方法模擬二維布朗運動的，謝謝

function[x,y,m,n]=br2(x0,xf,y0,yf,h)

x=x0:h:xf;

y=y0:h:yf;

a=randn(size(x));

b=randn(size(y));

m(1)=0;

n(1)=0;

fork=1:length(x)-1;

m(k+1)=m(k)+a(k);

n(k+1)=n(k)+b(k);

end;

再在命令窗口鍵入

x0=0;

xf=10;

h=0.01;

y0=0;

yf=10;

[x,y,m,n]=br2(x0,xf,y0,yf,h);

plot(m,n)

xlabel('m');

ylabel('n')

❷ 怎麼用 Excel 做蒙特卡洛模擬

Excel 做蒙特卡洛模擬的具體操作步驟如下：

1、打開Excel表格，填寫三個活動時間估算的樂觀值，最可能值和悲觀值。

❸ 怎麼用 Excel 做蒙特卡洛模擬

1、首先，我們來填入這三個活動時間估算的樂觀值，最可能值和悲觀值。
分別計算這三個活動的均值和標准差。
均值=（樂觀值+4 * 最可能值 + 悲觀值）/ 6
標准差=（悲觀值-樂觀值）/ 6
根據第二步計算出來的均值和標准差，對三個活動按照正態分布進行隨機模擬。因為是測試項目，這里我們只進行隨機100次。
公式：=INT(NORMINV(RAND(),$F$2,$G$2))
其中：NORMINV 正態分布；INT 去整； RAND() 取隨機數；
2、將隨機出來的值，進行固化。也就是將上一步中紅框的區域，按值復制一份。以防止隨機數在每次更改單元格後都會發生變化。
3、由於3個活動均為FS的關系，所以三個互動的時間之和就等於總項目時間。
將總工期考入新的Sheet，並進行從小到大的重新排序。
4、將排序後的數據進行篩選，剔除重復數據。從而的到全部模擬出來工期的值。
進行頻度統計。首先選中與總工期相對應的頻度下面的單元格D2:D23，然後輸入公式「=FREQUENCY(A2:A101,C2:C23)」，然後按下Ctrl+Shift+Enter。如此會計算出模擬出來各個總工期的發生次數。
5、計算積累頻度：每一個頻度的積累頻度=自身的頻度+前面所有項的頻度之和
選擇二維折線圖；
6、在添加的空白折線圖上右鍵「選擇數據區域」: 數據區域即總工期和積累頻度兩列。由於我們並不需要總工期呈現為曲線形式，在選擇後的對話框中，將總工期刪除，只保留累計頻度。
將「累計頻度改為「蒙特卡洛模擬」。
7、選擇標軸C2：C23
最終選擇一個好看的樣式，展現辛苦生成的圖表就可以啦。

注意事項：這里模擬的項目是一個只有3個首尾相接活動的簡單項目。在實際項目中，必須考慮由於活動工期變化所導致的關鍵路徑變化的情況。

❹ matlab蒙特卡洛模擬程序是什麼

蒙特卡洛模擬法求解步驟應用此方法求解工程技術問題可以分為兩類專:確定性問題屬和隨機性問題。解題步驟如下：

1. 根據提出的問題構造一個簡單、適用的概率模型或隨機模型，使問題的解對應於該模型中隨機變數的某些特徵（如概率、均值和方差等），所構造的模型在主要特徵參量方面要與實際問題或系統相一致

2 .根據模型中各個隨機變數的分布，在計算機上產生隨機數，實現一次模擬過程所需的足夠數量的隨機數。通常先產生均勻分布的隨機數，然後生成服從某一分布的隨機數，方可進行隨機模擬試驗。

3. 根據概率模型的特點和隨機變數的分布特性，設計和選取合適的抽樣方法，並對每個隨機變數進行抽樣（包括直接抽樣、分層抽樣、相關抽樣、重要抽樣等）。

4.按照所建立的模型進行模擬試驗、計算，求出問題的隨機解。

5. 統計分析模擬試驗結果，給出問題的概率解以及解的精度估計。

❺ MATLAB程序的注釋 蒙特卡洛模擬！數學帝進啊！

Randn('seed',0);%設定初始隨機變數seed為0
nuT=(r-0.5*sigma^2)*T;%計算過程，計算nuT=（r-0.5*sigma^2）*T
Sit=sigma*sqrt(T);%給T開方後乘以sigma等於Sit
Discpayoff=exp(-r*T)*max(0,s0*exp(nuT+sit*randn(Nu,1))-K);%0和s0乘以e的nuT+sit*randn(Nu,1))-K的最大值乘以e的-r*T次方
[eucall,varorice,ci}=normfit(discpayoff)%返回給定數據discapayoff的正太分布參數估計

Randn('seed',0);%設定初始隨機變數seed為0
nuT=(r-0.5*sigma^2)*T;%計算過程，計算nuT=（r-0.5*sigma^2）*T
Sit=sigma*sqrt(T);%給T開方後乘以sigma等於Sit
Rand=randn(Nu,1);%產生Nu個隨機數，列矩陣
discpayoff=exp(-r*T)*max(0.s0*exp(nuT+sit*rand)-K);%0和s0乘以e的nuT+sit*rand-K的最大值乘以e的-r*T次方
Discpayoff1=exp(-r*T)*max(0,s0*exp(nuT+sut*-rand)-K);%仍然是乘法運算，max的意思是在括弧中取他們的最大值
[eucall,varproce,ci]=normfit([discpayoff;discpayoff1])%返回給定數據的正太分布參數估計
%eucall是給定數據的正太分布均值mu，varproce是標准差sigma，95%置信區間

Dt=T/NSteps;%計算Dt
Nudt=(r-0.5*sigma^2)*dt;%%計算過程，計算nuT=（r-0.5*sigma^2）*dt
Sidt=sigma*sqrt(dt);%dt的開方然後乘以sigma
Randn('seed',0);%設定初始隨機變數seed為0
Rand=randn(NRep1,NSteps);%產生NSteps列，每列NRep1個隨機變數
% Rand1=nudt+sidt*rand;
% Rand1=nudt+sidt*rand;
% Rand2=cumsum(rand1,2);%這三行都是產生隨機變數，
Path=s0*exp(rand2);%Path是e的Rand2次方和s0的乘機
Payoff=zeros(NRep1,1);%產生4行1列0矩陣
For i=1;Nrep1%循環，i從1到Nrep1
Payoff=max(0,mean(path(i,:))-k);%payoff的值等於0和path的第i行-k的最大值
End%結束
[p.aux,CI]=normfit(exp(-r*T)*payoff)%返回payoff乘以e的（-r*T）次方的正態分布均值mu和sigma
%P.aux=mu，CI=sigma

❻ matlab 蒙特卡洛模擬代碼的問題

A=[1 2 3] 元素記為ai
a（n）從A中取值，a（1)=1

定義B=[-inf 2 3 inf] 元素記為bi
其中P（a（n）=k）=N(b(k+1)-a(n-1))-N(b(k)-a(n-1)) N為標准正態分布 P為概率回`~
模擬答天數N=40，模擬線程為2，y（n）=a（n）

❼ matlab蒙特卡洛模擬工作空間

首先產生若干隨機數, 以此生成一系列隨機值作為機械臂關節轉角值. 將這些隨機值組合帶入運動學方程,得到末端坐標值.將這些位置坐標向量值用點狀方式顯示就得到了所謂的工作空間點集的雲圖

❽ 如何在lammps中用蒙特卡洛方法進行分子模擬

LAMMPS是專門做分子動力學（MD）模擬的程序。它跟蒙卡完全是兩種截然不同的方法。簡單的蒙卡code規模很小，你可以自己寫 —— 需要一個隨機數發生器，一個抽樣演算法（比如metropolis，接近臨界時可用swendson-wang），一個構型空間（如離散化的模型）。針對專門的問題，一般會有專門優化過的程序甚至做好的構型供抽樣。

「 LAMMPS is a classical molecular dynamics code that models an ensemble of particles in a liquid, solid, or gaseous state. It can model atomic, polymeric, biological, metallic, granular, and coarse-grained systems using a variety of force fields and boundary conditions. 」

當然LAMMPS也提供了蒙卡功能：
巨正則系綜蒙卡：http://lammps.sandia.gov/doc/fix_gcmc.html
direct simulation Monte Carlo： http://lammps.sandia.gov/doc/pair_dsmc.html

❾ 幫我編一下程序，關於蒙特卡洛模擬的

這種題目是沒人會給你編的,自己去查些資料吧

❿ matlab如何實現蒙特卡洛演算法

1、打開MATLAB軟體，如圖所示，輸入一下指令。