Algorithme de Monte Carlo

Auteur: Randy Alexander
Date De Création: 23 Avril 2021
Date De Mise À Jour: 16 Peut 2024
Anonim
Algorithme de Monte Carlo | Intro RL II - 2
Vidéo: Algorithme de Monte Carlo | Intro RL II - 2

Contenu

Définition - Que veut dire algorithme de Monte Carlo?

Un algorithme de Monte Carlo est un type d'algorithme restreint en ressources qui renvoie des réponses en fonction de probabilités. En conséquence, les solutions produites par l’algorithme de Monte Carlo peuvent être correctes ou non dans la limite d’une marge d’erreur. Les mathématiciens, les scientifiques et les développeurs utilisent des algorithmes de Monte Carlo pour effectuer des observations basées sur les entrées.


Introduction à Microsoft Azure et au nuage Microsoft | Tout au long de ce guide, vous apprendrez ce qu'est le cloud computing et comment Microsoft Azure peut vous aider à migrer et à exploiter votre entreprise à partir du cloud.

Techopedia explique l'algorithme de Monte Carlo

L'une des meilleures façons de décrire les algorithmes de Monte Carlo consiste à les contraster avec une classe différente d'algorithmes appelés algorithmes de Las Vegas. Dans un algorithme de Las Vegas, le résultat sera toujours correct, mais le système peut utiliser plus que la quantité de ressources ou de temps prévue. Selon certains experts, l'algorithme de Las Vegas «joue» avec l'utilisation des ressources tout en renvoyant un résultat précis.

Au contraire, l'algorithme de Monte-Carlo utilise un chemin de ressources finies pour générer les résultats «flous» susmentionnés avec une marge d'erreur. Les algorithmes de Monte Carlo reposent souvent sur un échantillonnage aléatoire répété - ils obtiennent des nombres aléatoires généraux et recherchent une probabilité afin de fournir des résultats.


Certains experts utilisent l’exemple d’un carré dans un cercle et décrivent le processus de l’algorithme de Monte Carlo comme une série de «touches» qui atterrissent soit dans le cercle intérieur, soit sur les bords extérieurs du carré, au-delà de ses limites. Des démonstrations visuelles montrent comment un échantillonnage plus répété donne à l'algorithme de Monte Carlo un résultat plus précis. Les algorithmes de Monte Carlo, ainsi que des choses comme une recherche d'arborescence de Monte Carlo ou un simulateur de Monte Carlo, reposent sur cette idée mathématique fondamentale que l'échantillonnage répété donne des résultats d'intelligence logique.