基于Monte-Carlo方法利用随机变数平均值计算定积分的算法

针对求解定积分近似计算问题,给出一种基于Monte-Carlo方法计算定积分的算法,简称为平均值法,它不同于通常人们使用的频数法。该算法理论依据是概率论数学期望定理及大数定律,它通过向积分区间随机掷点的方法产生一组随机数,每个随机数对应函数值组成一组随机变数,用随机变数平均值与积分区间长度值乘积得到定积分近似值。基于该算法样本随机特性,可以充分利用网络环境进行并行计算,实验结果表明本文算法具有实效性,与频数法相比,具有更好的准确率与时间效率。     

一种基于Monte-Carlo方法计算数学常数e值的算法

Monte-Carlo方法是一种以概率统计理论为指导的非常重要的数值计算方法,基于Monte-Carlo方法计算定积分的算法是较常见定积分近似计算方法。本文针对计算数学常数e(自然对数的底)值的问题,选择一个特殊定积分分别用Monte-Carlo方法和Newton-Leibniz公式进行计算,通过对这两个计算结果进行比较分析,从中得到数学常数e计算方法。实验结果表明,该算法具有实效性,且有较好的准确率和时间效率。     

求解定积分的概率算法

设计了一种计算定积分的概率算法,该算法对复杂的定积分计算,特别是被积函数是分段函数或存在有限个间断点的情形十分有效.算法依据概率论的强大数定理,通过向某一固定区域随机投点的方法产生随机数,统计其分布规律,并引入了遗传算法进行辅助计算.基于该算法中的样本的随机特性,可充分利用网络环境进行并行计算.数据实验结果表明,算法是可行的和鲁棒的.     

基于差分进化算法的PID参数整定

研究了PID控制器的参数整定问题.常用的工程整定法没有考虑系统的任何要求,只能提供给系统一个稳定的状态,无法使系统运行最佳.理论设计法只能保证满足系统的某一特性要求.针对这两种方法存在的缺陷,将差分进化算法应用于PID参数整定,提出了基于差分进化算法的PID参数整定方法.新方法根据系统性能指标,设计适应度函数,充分利用差分进化算法优秀的寻优能力,寻找出较优的PID参数.最后,通过实例对三种参数整定方法的控制效果进行了仿真和比较,仿真结果证明了基于差分进化算法的PID参数整定方法明显优于工程整定法和理论设计法.     

随机数发生器对蒙特卡罗算法求解定积分的影响

在运用蒙特卡罗算法求解定积分的解时 ,程序中的核心问题是随机数发生器的选用 ,选用不同的随机数发生器对定积分的计算结果有着不同的计算精度。通过选用三种不同的随机数发生器 ,对蒙特卡罗算法求解定积分进行此较实验 ,选出一个计算精度较高的随机数发生器 ,并对其所需参数进行对比选择。     

Fredholm积分方程的正则化GMRES算法

利用数值求积公式,对二维第1类Fredholm积分方程进行离散处理,引入正则化GMRES算法,将离散后的积分方程转化为离散适定问题,通过广义极小残余算法得到其数值解。数值模拟结果表明,正则化GMRES算法求解二维第1类Fredholm积分方程计算速度快、精度高。     

基于进化策略的广义积分计算方法研究

提出了一种基于进化策略算法的广义积分计算新方法,该方法根据被积函数的变量区间任意选取分割点,作为进化策略的初始的群体,通过进化策略算法来优化这些分割点,最终可得到一些最优的分割点,然后再求和,再根据和函数定义适应度函数,在给定的终止条件下,可获的精度较高的积分值.最后,以广义积分(无穷积分),二重广义积分(瑕积分)为例,仿真结果表明,该算法相比传统的一些方法,具有计算精度高,自适应性强等特点.     

误差积分准则下PID近似最优控制参数的整定方法

介绍了一个求误差积分性能准则下PID近似最优控制参数的简单方法，该方法具有计算量小、实现容易的特点，可以方便地用于单片机为基础的数字PID调节器控制参数的在线整定，具有比较高的实用价值。     

基于改进PSO算法的PID参数自整定

研究了比例-微分-积分(PID)控制器参数自整定问题，提出一种基于改进粒子群优化算法的PID控制器参数自整定方法。采用实编码方法和基于指数曲线的非线性惯性因子取值策略，该途径易于实现，并且提高了寻优的速度和精度。仿真实例表明了该方法的有效性。     

多重积分的平均值估计算法的改进与仿真研究

关于多重积分的近似计算优化问题,针对传统平均值估计法在多重积分近似计算过程中受到积分维数和积分区域形状的限制问题,提出了一种改进的平均值估计算法。在传统平均值估计法的基础上,通过给出描述积分区域特性的几何条件,将多重积分转化为累次积分,同时将均匀分布与积分区域相结合的方法对原算法进行了改进。一个实例计算过程表明改进的算法较好地克服了传统平均值估计法的不足,在保证了计算精度的同时将积分计算推广到了不规则积分区域的高维积分的数值计算。     

基于蒙特卡洛法的弹着点散布仿真

弹着点散布仿真是对敌火力打击目标毁伤仿真的重要环节。在分析地面炮兵射击误差构成与计算方法的基础上,研究建立了炮兵射击的弹着点散布蒙特卡洛（Monte-Carlo）仿真模型,实现了对集火射向、适宽射向、三距离射击等多种火力打击方式共同作用下的弹着点散布的可视化仿真,仿真结果符合相关战术数据,为目标毁伤仿真研究提供了模型支持。以炮兵营对牵引炮兵连阵地射击为例进行了算例分析,结果表明,采用弹着点散布的蒙特卡洛仿真模型计算对任意形状点目标群的毁伤效能方便可靠且通用性强。     

基于OpenCL的图像积分图算法优化研究

图像积分图算法在快速特征检测中有着广泛的应用,通过GPU对其进行性能加速有着重要的现实意义。然而由于GPU硬件架构的复杂性和不同硬件体系架构间的差异性,完成图像积分图算法在GPU上的优化,进而实现不同GPU平台间的性能移植是一件非常困难的工作。在分析不同CPU平台底层硬件架构的基础上,从片外访存带宽利用率、计算资源利用率和数据本地化等多个角度考察了不同优化方法在不同GPU硬件平台上对性能的影响。并在此基础上实现了基于OpenCL的图像积分图算法。实验结果表明,优化后的算法在AMD和NVIDIA CPU上分别取得了11.26和12.38倍的性能加速,优化后的GPU kernel比NVIDIA NPP库中的相应函数也分别取得了55.01%和65.17%的性能提升。验证了提出的优化方法的有效性和性能可移植性。     

基于HMM和Monte-Carlo方法的生成基频曲线的新方法

提出了一种基于隐马尔科夫模型(HMM)的汉语韵律短语的统计基频模型,并尝试使用蒙特卡罗方法(Monte-Carlo)从模型生成基频曲线。该模型使用HMM作为基本框架,具有HMM理论体系所能支配的各种优点。并将韵律词作为模型单元,使得模型能够反映韵律层次级的连续变调。Monte-Carlo方法能生成相对模型最优的基频曲线,并保证生成的基频曲线具有足够的精确度。该文最后给出了实验结果并对模型的应用前景进行了展望。     

二重积分的Monte-Carlo数值仿真

针对二重积分计算困难的问题,求解二重积分的传统做法受到积分区域的限制,只能求解矩形区域的二重积分.由于传统方法的局限性,有计算复杂、精度差等缺点.为解决上述问题,采用蒙特卡罗的平均值算法原理,通过将均匀分布与积分区域的面积相结合,对原算法进行改进,将矩形积分区域的积分计算推广到一般积分区域的二重积分数值计算.实际计算表明,改进算法简化了计算过程,有效地降低计算难度和提高仿真精度与计算效率,程序结构简单,易于编制和调试.方法对二重积分的数值计算简单有效,更具有实用性.     

基于蒙特卡洛方法的信号转导网络鲁棒性分析

细胞信号转导网络内部结构的复杂性和动力学参数的不确定性影响着系统的动态特性,如何定量地确定系统特性与参数变化的关系,已经成为系统生物研究的重要问题之一.为了研究NF-κB信号转导网络的鲁棒性,应用蒙特卡洛(Monte-Carlo)随机模拟方法,假设参数在其变化范围内服从某一随机分布,通过对模型参数进行随机采样,系统地研究了系统输出NF-κBn关于64个速率参数变化和阶跃输入信号IKK幅值变化的鲁棒性.仿真结果表明,6个鲁棒性较弱的参数k1、k34、k61、k28、k36、k29极大地影响着系统输出NF-κBn的振荡特性,说明这些参数是NF-κB信号转导网络的关键速率常数;同时,输入阶跃信号IKK幅值的变化对系统输出NF-κBn的振荡特性产生了巨大影响.     

基于分段积分的PID控制方法的研究

针对PID控制过程中,积分环节引起较大超调和振荡而影响系统性能的问题,提出一种基于分段积分的PID控制方法,并通过matlab进行仿真分析。结果表明,该方法实现了积分环节的消除静态误差的作用,且降低了积分饱和产生的影响,控制效果优于传统的PID控制。该方法可以应用在模型不确定等复杂条件下的控制系统中。     

A general purpose Monte-Carlo program

Title of program: ERRCAL Catalogue number: AAUP Program obtainable from: CPC Program Library, Queen's University of Belfast, N. Ireland (see application form in this issue) Computer: Installation: CDC 6600 Data Center CDC, Rijswijk, The Netherlands Burroughs B 6700 Mons University Computing Center Operating system: SCOPE for CDC. MCP for Burroughs Programming language: FORTRAN IV High speed store required: 15000 words (CDC 6600) No. of bits in a word: 60 (CDC 6600) Overlay structure: None No. of magnetic tapes required: None Other peripherals used: Card reader, line printer No. of cards in combined program and test deck: 699 Card punching code: BCD     

基于MC的计算机仿真随机模型分析与设计

计算机仿真系统中经常要应用研究对象的随机分布模型获得符合要求的随机数,给出了利用蒙特卡罗(MC)法来近似地描述研究对象的概率分布的一般方法,设计了高质量的随机数发生器,研究了利用MC法得到计算机仿真系统中常见的随机分布模型算法,具有一定的实用价值.通过仿真实例,分析了在实际应用中应该注意的问题.