机动目标模型的Monte Carlo仿真研究

该文对机动目标模型进行了Monte Carlo仿真研究。提出了一种描述机动目标运动状态的自适应高斯模型,在这种模型中,机动目标的加速度被认为是具有非零均值、时间相关的随机过程,并假定其概率密度函数服从高斯分布;对机动目标模型进行了Monte Carlo仿真研究,结果表明该模型对机动目标在不同机动方式下的位置、速度和加速度均有良好的跟踪精度。     

SAR海浪方向谱的Monte Carlo仿真

利用Longuet-Higgins线性海浪模型和JONSWAP海浪谱来表示海浪方向谱。在Bragg波散射模型的假设下,推导了海浪谱与SAR图像谱之间的映射变换,它适用于线性海浪的成像范围。采用Monte Carlo方法,可产生具有随机性的海浪方向谱。对于时不变的海面来讲,该方法具有计算效率适中的特点。仿真结果表明,海浪谱与SAR图像谱之间存在着谱的畸变、谱的分裂和方位向谱的移位等特点。     

序贯Monte Carlo算法仿真结果分析

序贯Monte Carlo方法能够解决很多实际问题.它的系统模型与Kalman滤波算法相比具有更广泛的适用性,所以研究Monte Carlo方法是很有实际意义的.文中对序贯Monte Carlo算法进行性能分析,对这一方法的跟踪能力进行了仿真实验.采用的仿真系统模型是非线性系统模型.仿真实验比较了EKF、SIS、SIR算法的性能.通过对不同算法的仿真结果之间的分析和比较,得出了有意义的结论.这对一些工程问题的解决是有重要意义的.     

数字通信系统中的Monte Carlo仿真

介绍数字通信系统的广泛应用和Monte Carlo算法的基本思想,重点分析数字通信系统中的差错概率和应用Monte Carlo仿真对存在噪声和干扰的数字通信系统的性能进行评估。     

随机竞争策略在Monte Carlo算法中的性能分析

随机算法在组合优化问题中具有广泛的应用,Ｌａｓ Ｖｅｇａｓ算法和Ｍｏｎｔｅ Ｃａｒｌｏ算法是主要的两类随机算法,随机算法的性能和稳定性常常得不到保证,以往的研究针对Ｌａｓ Ｖｅｇａｓ算法提出了一种有效的性能改进策略－随机竞争策略,但其在Ｍｏｎｔｅ Ｃａｒｌｏ算法中的准确尚未被研究。文中研究了随机竞争策略对Ｍｏｎｔｅ Ｃａｒｌｏ算法性能和稳定性的影响,分析了使其效率大于１的条件,在求解ＴＳＰ问题时的     

基于Monte Carlo模型的微型PLGA给药系统建模及仿真

多腔体的微型可降解高分子聚合物PLGA药物缓释系统是一种新型植入式给药微器件,其载体结构是结合药物释放的要求和高分子聚合物生物降解特性进行设计并利用MEMS工艺制备.为了解微型给药系统实际释药的性能,需要对其进行建模和仿真研究.基于体溶蚀的Monte Carlo溶蚀模型,建立了具有多腔体的微型PLGA给药载体的释药模型,并对腔体结构为圆形的微型给药系统进行了释药过程仿真.仿真结果表明本文建立的微系统释药模型可以较为准确的描述微系统的释药过程,仿真模型对进一步开发微型PLGA给药系统有重要的参考价值.     

贷款组合信用风险VaR的蒙特卡罗仿真

该文阐述了贷款组合信用风险VaR(Value at Risk)的蒙特卡罗仿真原理，并基于Matlab语言进行了仿真实验，结果表明利用该方法计算贷款组合信用风险VaR是有效的。     

基于Monte Carlo仿真的降低光谱散射方法比较研究

散射是影响光谱分析与检测技术精度的主要因素,使光谱分析的基本线性定律——朗伯比尔定律不再成立。基于Monte Carlo仿真对3种常用的降低光散射的方法进行比较分析,即偏振差法、附加吸收剂法和空间滤波法。3种方法都是通过提取出弱散射光,线性化光强衰减度与吸收系数关系。提出线性度可以由透射光的光程方差判断。弱散射光的光程更短,光程均值更接近介质厚度,光程方差更低,但是光强也更弱。对3种方法在不同散射系数的透射光时间响应、光强衰减度与吸收系数关系、光程方差以及光强进行比较,表明偏振差法相比其他两种方法效果更佳。     

基于仿人机器人的Monte Carlo定位算法研究

针对RoboCup标准组比赛平台仿人机器人NAO定位的特殊问题,在研究通用Monte Carlo定位算法基础上,构建NAO的运动模型和感知模型。通过增加一组随机粒子,改进通用Monte Carlo定位算法,增强MCL算法对于定位失败及仿人机器人NAO被"绑架"问题的适应性。最后通过仿人机器人NAO的静态定位、动态定位以及被"绑架"后的定位实验,验证了算法的有效性和鲁棒性。     

基于蒙特卡罗模拟修正的随机矩阵去噪方法

针对蕴含噪声信息较少的小组合股票市场,提出使用蒙特卡罗模拟修正的随机矩阵去噪方法。首先通过数据模拟生成随机矩阵,然后利用大量的模拟数据来同时修正噪声下界和上界,最终对噪声范围进行精确测定。运用道琼斯中国88指数和香港恒生50指数的数据进行实证分析,结果表明,与LCPB法、PG+法和KR法相比,在特征值、特征向量和反比参率方面, 蒙特卡罗模拟去噪方法修正后噪声范围的合理性及有效性得到很大的提升;对去噪前后的相关矩阵进行投资组合,得知在相同的期望收益率下,蒙特卡罗模拟去噪方法具有最小的风险值,能够为资产组合选择和风险管理等金融应用提供一定的参考。     

单电子器件的仿真

该文介绍了一种利用正统理论与Ｍｏｎｔｅ Ｃａｒｌｏ方法模拟单电子隧空器件的认真程序。该程序可模拟电子通过包含小隧道结、电容和理想电压源的电路的输运过程,利用该程序,对单库仓岛和多库仓同的单电子晶体管（ＳＥＴ）系统进行了模拟。     

Improved algorithm for tolerance allocation based on Monte Carlo simulation and discrete optimization

The allocation of design and manufacturing tolerances has a significant effect on both manufacturing cost and quality. This paper considers nonlinearly constrained tolerance allocation problems. The purpose is to minimize the ratio between the sum of the manufacturing costs (tolerances costs) and the risk (probability of the respect of geometrical requirements). The techniques of Monte Carlo simulation and genetic algorithm are adopted to solve these problems. As the simplest and the popular method for non-linear statistical tolerance analysis, the Monte Carlo simulation is introduced into the frame. Moreover, in order to make the frame efficient, the genetic algorithm is improved according to the features of the Monte Carlo simulation. An illustrative example (hyperstatic mechanism) is given to demonstrate the efficiency of the proposed approach.     

二元自由基共聚合的Monte Carlo模拟

采用Monte Carlo模拟计算方法、可视化编程语言Visual Basic,以研究非稳态、考虑前末端效应、聚合反应可逆等情况下二元自由基共聚合反应,以期得到共聚物的瞬时组成、组成分布、序列分布等决定共聚物效能的重要参数。以数值模拟代替实际实验,不仅可节约成本,而且可减少工作量。模拟结果显示,Monte Carlo模拟值与实验值符合较好,说明本模拟过程模拟效果较好,结果可靠,可用来模拟未知共聚合体系,并为实际共聚物的合成提供帮助。     

大分子蠕动的Monte Carlo模型及计算方法

高分子链分子量巨大而且分散,结构复杂多变,存在大量不确定的问题,给理论和实验研究造成许多困难。本文建立了一种基于高分子Monte Carlo模拟算法,分析分子蠕动阻力的模型。用链动力学法构造8配位点键长涨落格子链多链体系,通过高分子链的运动使任意的初始有序态演化到平衡态,可同时获得体系的动态和静态性质。将重要性抽样法和高分子多链体系的链动力学构造法,在键长涨落模型中结合起来,形成多链体系的链动力学求解法。引入空格扩散算法,用以研究高浓度态的高分子体系。统计平衡后元胞内高分子多链体系在链动力学算法作用下蠕动失败机率,对高聚物多链体系内分子蠕动的困难程度的定量模拟,能更直观分析高分子玻璃化转变的现象。     

基于蒙特卡洛小波去噪的股票投资组合风险优化研究

股票投资是我国重要的投资形式之一,但是从股票市场到投资者的个人投资决策都充斥着干扰和噪声。传统的随机矩阵理论（RMT）对证券投资组合风险优化产生了显著效果,然而RMT的去噪效果会随着组合证券数量的减少而下降,同时RMT仅仅是对证券收益协方差矩阵进行去噪,所以存在着一定局限性。从马科维茨(Markowitz)投资组合风险优化模型出发,基于小波分析视角讨论了蒙特卡洛模拟与小波去噪应用在投资组合风险优化上的可行性,并构造了蒙特卡洛小波去噪算法（MWF）。运用上海证券交易所A股股票交易数据进行实证分析,对比了传统的蒙特卡洛RMT(MKR)去噪方法、传统的RMT去噪法（LCPB、PG 和KR）以及单纯的Markowitz模型在股票投资组合上的风险优化效果。实证结果表明,蒙特卡洛小波去噪法在股票投资组合风险优化方面表现更好,并提供了一种新的股票投资组合配置方式。     

圆筒受限高分子链的Monte Carlo模拟

高分子链的构象性质是高分子研究中的重要研究对象.当高分子链受限于各种微腔中时,链的构象熵与微腔的形状和体积有十分密切的关系.平面壁限制条件下的高分子构象研究极多,然而在考虑高分子链穿越半径很小的纳米管时,有必要将微腔视为细长管道,而不是平面壁,因此约束在软管中的高分子链在近几年中得到了更多的重视.现有文献中主要讨论构象和能量与约束半径R 之间的关系,没有考虑温度 T 的影响.本文采用自避行走(SAW)为模型链,利用硬球链模型模拟高分子链在无限长圆筒受限条件下的结构.模型由弹性链连接的硬球构成,球与球之间通过弹性势能函数相互作用,利用标准的 Metropolis算法,通过Monte Carlo 模拟,改变约束半径 R 和与绝对温度 T 成反比例关系的相关系数 K,分别计算了高分子链的平均回转半径,平均末端距,平均弹性势能,能量均方涨落,能量相对涨落与 R、T 的关系.结果表明,圆筒受限高分子链的构像主要取决于 R,在 R 小于某个临界值时高分子链受到明显的约束作用,当 R 超过临界值时高分子链变为无扰链.温度 T 并不明显地影响受限高分子链的构象.能量性质在 R 较小时主要取决于 R,但 R 为临界受限值附近时,能量性质受 T 影响明显,容易出现能量和涨落的状态突变.     

Interacting sequential Monte Carlo samplers for trans-dimensional simulation

The methodology of interacting sequential Monte Carlo (SMC) samplers is introduced. SMC samplers are methods for sampling from a sequence of densities on a common measurable space using a combination of Markov chain Monte Carlo (MCMC) and sequential importance sampling/resampling (SIR) methodology. One of the main problems with SMC samplers when simulating from trans-dimensional, multimodal static targets is that transition kernels do not mix which leads to low particle diversity. In such situations poor Monte Carlo estimates may be derived. To deal with this problem an interacting SMC approach for static inference is introduced. The method proceeds by running SMC samplers in parallel on, initially, different regions of the state space and then moving the corresponding samples onto the entire state space. Once the samplers reach a common space the samplers are combined and allowed to interact. The method is intended to increase the diversity of the population of samples. It is established that interacting SMC admit a Feynman-Kac representation; this provides a framework for the convergence results that are developed. In addition, the methodology is demonstrated on a trans-dimensional inference problem in Bayesian mixture modelling and also, using adaptive methods, a mixture modelling problem in population genetics.     

Monte Carlo方法与计算机模拟应用研究

介绍了Monte Carlo方法,提出其在模拟Buffer问题时存在的一个问题,并给出改进的方法;提出了用Monte Carlo方法产生任意分布随机变量的原理及方法,并对Beta分布和标准正态分布随机变量进行了计算机模拟和效果检验。     

Optimizations and OpenMP implementation for the direct simulation Monte Carlo method

Parallel implementation of a three-dimensional direct simulation Monte Carlo (DSMC) code employing complex data structures and dynamic memory allocation is detailed for shared memory systems using Open Multi-Processing (OpenMP). Several techniques to optimize the serial implementation of the DSMC method are first discussed. Specifically for a 3-level Cartesian grid, a Cartesian-based movement technique including particle indexing is demonstrated to result in a modest decrease in overall simulation expense of 34% compared with a ray-tracing technique combined with stored cell-connectivity. Two strategies for data localization leading to optimal usage of cache memory are demonstrated to speed up certain cell-based functions (such as collision computations) by a factor of 3.38–4.36. The shared-memory parallel implementation using OpenMP is then described in detail. Synchronization points and related critical sections are identified as major factors that impact the OpenMP parallel performance. Techniques to remove all such synchronization points in the OpenMP implementation of the DSMC method are outlined. For dual-core and quad-core systems, speedups of 1.99 and 3.74, respectively, are obtained for a (free-stream flow) test simulation with low granularity. Finally, the parallel performance of identical source code employing OpenMP is shown to be strongly correlated to the underlying computer architecture. Both Symmetric Multiprocessor (SMP) and non-uniform memory access (NUMA) systems are studied in order to achieve a better understanding of their impacts on parallel scalability when using OpenMP.