我真叫張德帥 作品
第171章 參加會議
第171章 參加會議
因為王建業提前打招呼的緣故，方舟很順的被利門口的值班室保安放了進來。
和工科大多數實驗室都不一樣，整個樓裡沒有機器的轟鳴聲，也沒有消毒水的味道，更沒有種類繁多的測量儀器。
走在樓道里，兩邊幾乎聽不到任何聲音。
另外這裡科研人員也少的出奇，方舟連上三層樓，只看見零星幾個研究員，且都年齡偏大。
一路走到王建業的辦公室裡面，這裡便完全是一個數學家辦公室的陳設，整牆的書櫃，一個綠色的密碼櫃，幾張椅子，木質辦公桌上放著一臺超薄的顯示器和一臺小型打印機。
此時對方手裡正拿著一摞資料正認真的看著。
見到方舟進來，將手裡的資料隨手塞到右手邊的抽屜裡，再拿出了方舟所寫的《對蒙特卡洛模擬進行推導》一文。
名字聽起來屬實是有些口氣大了些。
蒙特卡洛方法於二十世紀四十年代中期美國在第二次世界大戰中研製原子彈的“曼哈頓計劃”計劃的成員s.m.烏拉姆和j.馮·諾伊曼首先提出。
數學家馮·諾伊曼用馳名世界的賭城—摩納哥的monte carlo—來命名這種方法，為它蒙上了一層神秘色彩。
在這之前，蒙特卡洛方法就已經存在。
1777年，法國數學家蒲豐（georges louis leclere de buffon，1707—1788）提出用投針實驗的方法求圓周率π。這被認為是蒙特卡洛方法的起源。
其基本原理如下:由概率定義知，某事件的概率可以用大量試驗中該事件發生的頻率來估算，當樣本容量足夠大時，可以認為該事件的發生頻率即為其概率。因此，可以先對影響其可靠度的隨機變量進行大量的隨機抽樣，然後把這些抽樣值一組一組地代入功能函數式，確定結構是否失效，最後從中求得結構的失效概率。
蒙特卡洛法正是基於此思路進行分析的:
設有統計獨立的隨機變量xi(i=1，2，3，...，k)，其對應的概率密度函數分別為fx1，fx2，?，fxk，功能函數式為z=g(x1，x2，?，xk)。
首先根據各隨機變量的相應分佈，產生n組隨機數x1，x2，?，xk值，計算功能函數值zi=g(x1，x2，?，xk)(i=1，2，?，n)，若其中有l組隨機數對應的功能函數值zi≤0，則當n→∞時，根據伯努利大數定理及正態隨機變量的特性有:結構失效概率，可靠指標。
無論是發明人還是所應用的領域，都站在了世界科學的頂點。
由於科學技術的發展和電子計算機的發明，因為它以概率統計理論為基礎，依據大數定律(樣本均值代替總體均值)， 利用電子計算機數字模擬技術，廣泛被應用於解決一些很難直接用數學運算求解或用其他方法不能解決的複雜問題。
在金融工程學，宏觀經濟學，計算物理學（如粒子輸運計算、量子熱力學計算、空氣動力學計算）等領域的應用尤其頗深。
而就在這項算法發明近八十年後的今天，一個本科生提出，要對蒙特卡洛算法進行推導，試圖說明，蒙特卡洛的過程還有其他更為方便，更為強大的運算過程。
這對於從事概率學研究的人來說，不亞於學物理的人得知麥克斯韋方程組還有其他的變形，學化學的人得知阿倫尼烏斯公式可以進行更高參量的修正。
但方舟的研究確實基於此，對於蒙特卡洛這一廣泛應用的模擬算法，方舟回去之後，在研究大量老式和新式人工智能算法的基礎上，對原有的算法進行了改正，使之更符合計算機的運算習慣。
原本蒙特卡洛算法的變量必須服從一定的概率分佈，作為一種解決物理數學問題和系統性質分析的近似計算法，這一缺陷限制了蒙特卡洛在解決社會學問題上的計算。
將其用在模擬道路交通狀態上時，因為其本身結構的限制，所有的小車變量具有了相當一部分概率分佈，很難用於真實的模擬實際交通的極限情況。
因為王建業提前打招呼的緣故，方舟很順的被利門口的值班室保安放了進來。
和工科大多數實驗室都不一樣，整個樓裡沒有機器的轟鳴聲，也沒有消毒水的味道，更沒有種類繁多的測量儀器。
走在樓道里，兩邊幾乎聽不到任何聲音。
另外這裡科研人員也少的出奇，方舟連上三層樓，只看見零星幾個研究員，且都年齡偏大。
一路走到王建業的辦公室裡面，這裡便完全是一個數學家辦公室的陳設，整牆的書櫃，一個綠色的密碼櫃，幾張椅子，木質辦公桌上放著一臺超薄的顯示器和一臺小型打印機。
此時對方手裡正拿著一摞資料正認真的看著。
見到方舟進來，將手裡的資料隨手塞到右手邊的抽屜裡，再拿出了方舟所寫的《對蒙特卡洛模擬進行推導》一文。
名字聽起來屬實是有些口氣大了些。
蒙特卡洛方法於二十世紀四十年代中期美國在第二次世界大戰中研製原子彈的“曼哈頓計劃”計劃的成員s.m.烏拉姆和j.馮·諾伊曼首先提出。
數學家馮·諾伊曼用馳名世界的賭城—摩納哥的monte carlo—來命名這種方法，為它蒙上了一層神秘色彩。
在這之前，蒙特卡洛方法就已經存在。
1777年，法國數學家蒲豐（georges louis leclere de buffon，1707—1788）提出用投針實驗的方法求圓周率π。這被認為是蒙特卡洛方法的起源。
其基本原理如下:由概率定義知，某事件的概率可以用大量試驗中該事件發生的頻率來估算，當樣本容量足夠大時，可以認為該事件的發生頻率即為其概率。因此，可以先對影響其可靠度的隨機變量進行大量的隨機抽樣，然後把這些抽樣值一組一組地代入功能函數式，確定結構是否失效，最後從中求得結構的失效概率。
蒙特卡洛法正是基於此思路進行分析的:
設有統計獨立的隨機變量xi(i=1，2，3，...，k)，其對應的概率密度函數分別為fx1，fx2，?，fxk，功能函數式為z=g(x1，x2，?，xk)。
首先根據各隨機變量的相應分佈，產生n組隨機數x1，x2，?，xk值，計算功能函數值zi=g(x1，x2，?，xk)(i=1，2，?，n)，若其中有l組隨機數對應的功能函數值zi≤0，則當n→∞時，根據伯努利大數定理及正態隨機變量的特性有:結構失效概率，可靠指標。
無論是發明人還是所應用的領域，都站在了世界科學的頂點。
由於科學技術的發展和電子計算機的發明，因為它以概率統計理論為基礎，依據大數定律(樣本均值代替總體均值)， 利用電子計算機數字模擬技術，廣泛被應用於解決一些很難直接用數學運算求解或用其他方法不能解決的複雜問題。
在金融工程學，宏觀經濟學，計算物理學（如粒子輸運計算、量子熱力學計算、空氣動力學計算）等領域的應用尤其頗深。
而就在這項算法發明近八十年後的今天，一個本科生提出，要對蒙特卡洛算法進行推導，試圖說明，蒙特卡洛的過程還有其他更為方便，更為強大的運算過程。
這對於從事概率學研究的人來說，不亞於學物理的人得知麥克斯韋方程組還有其他的變形，學化學的人得知阿倫尼烏斯公式可以進行更高參量的修正。
但方舟的研究確實基於此，對於蒙特卡洛這一廣泛應用的模擬算法，方舟回去之後，在研究大量老式和新式人工智能算法的基礎上，對原有的算法進行了改正，使之更符合計算機的運算習慣。
原本蒙特卡洛算法的變量必須服從一定的概率分佈，作為一種解決物理數學問題和系統性質分析的近似計算法，這一缺陷限制了蒙特卡洛在解決社會學問題上的計算。
將其用在模擬道路交通狀態上時，因為其本身結構的限制，所有的小車變量具有了相當一部分概率分佈，很難用於真實的模擬實際交通的極限情況。