2.5. Вычисление определенных интегралов методами. Монте–Карло

Рассматриваемые ранее методы называются Детерминированными, то есть лишенными элемента случайности.

Методы Монте–Карло (ММК) – это численные методы решения математических задач с помощью моделирования случайных величин. ММК позволяют успешно решать математические задачи, обусловленные вероятностными процессами. Более того, при решении задач, не связанных с какими-либо вероятностями, можно искусственно придумать вероятностную модель (и даже не одну), позволяющую решать эти задачи. Рассмотрим вычисление определенного интеграла

(2.20)

При вычислении этого интеграла по формуле прямоугольников интервал [A, B] разбиваем на N одинаковых интервалов, в серединах которых вычислялись значения подынтегральной функции. Вычисляя значения функции в случайных узлах, можно получить более точный результат:

(2.21)

(2.22)

Здесь γi - случайное число, равномерно распределенное на интервале
[0, 1]. Погрешность вычисления интеграла ММК ~ , что значительно больше, чем у ранее изученных детерминированных методов.

На рис. 2.5 представлена графическая реализация метода Монте-Карло вычисления однократного интеграла со случайными узлами (2.21) и (2.22).

 

 

 

 

 

 

 

 

 

Рис. 2.5. Интегрирование методом Монте-Карло (1-й случай)

Однако при вычислении кратных интегралов детерминированными методами оценка погрешности перерастает в задачу порой более сложную, чем вычисление интеграла. В то же время погрешность вычисления кратных интегралов ММК слабо зависит от кратности и легко вычисляется в каждом конкретном случае практически без дополнительных затрат.

Рассмотрим еще один метод Монте-Карло на примере вычисления однократного интеграла:

(2.23)

Рис. 2.6. Интегрирование методом Монте-Карло (2-й случай)

Как видно на рис. 2.6, интегральная кривая лежит в единичном квадрате, и если мы сумеем получать пары случайных чисел, равномерно распределенных на интервале [0, 1], то полученные значения (γ1, γ2) можно интерпретировать как координаты точки в единичном квадрате. Тогда, если этих пар чисел получено достаточно много, можно приблизительно считать, что
. Здесь S – число пар точек, попавших под кривую, а N – общее число пар чисел.

Пример 2.1. Вычислить следующий интеграл:

Поставленная задача была решена различными методами. Полученные результаты сведены в табл. 2.1.

Таблица 2.1

Число интервалов (точек)	Метод левых прямоугольников	Метод средних прямоугольников	Метод правых прямоугольников	Метод Трапеций	Метод Симпсона	Метод Монте-Карло
10	4.44112722	4.66882868	4.90820465	4.25683746	4.67077443	4.62289422
100	4.64745932	4.67075481	4.69416706	4.62903035	4.67077427	4.69812790

Замечание. Выбор табличного интеграла позволил нам сравнить погрешность каждого метода и выяснить влияние числа разбиений на точность вычислений.

Вопросы для самопроверки

· Сформулируйте задачу численного интегрирования.

· Метод средних, левых и правых прямоугольников. Что можно сказать об их погрешности, трудоемкости?

· Задача численного интегрирования решена методом трапеций. Предложите и обоснуйте пути повышения точности (уменьшения погрешности) расчетов.

· Сравните метод трапеций и метод Симпсона.

· Какие методы Монте–Карло численного интегрирования вы знаете? Сравните эти методы с любым детерминированным.

· Необходимо вычислить интеграл методами трапеций, Симпсона и ММК, разбив область интегрирования на 77 интервалов (точек). Что можно сказать о точности и применимости этих методов?

< Предыдущая		Следующая >