临界计算的向量蒙特卡罗方法与补充迭代法

在蒙特卡罗的临界计算中,由于实现大样本迭代需要大量的机器时间,所以,在实际计算中,一般都是采用小样本迭代(每代中子数一般≤200)。但这种迭代,其结果的收敛性缺少理论证明。本文在不抛弃样本的情况下,实现了理论上严格的大样本迭代,而且很快能得到平衡分布,这是一个行之有效的迭代方法。向量蒙特卡罗方法提出了一个样本对多个统计量的不同贡献,在计算时间常数λ和计算其它微扰问题中,都有很高的效率,本文仅对时间常数λ的计算作一介绍。文章最后提供了两种方法的部分计算结果。