蒙特卡罗法：可以用在什么地方

利用随机抽样和统计分析进行数值计算的方法

尤其适用于解决无法通过解析方法解决的复杂问题

只要是最大最小化问题，都不如使用启发式算法

蒙特卡洛只适合模拟某些****无法解析的过程/场景

基本步骤（基本思想是通过模拟大量随机样本估计某个量）：

1. 定义问题：确定需要估计的量或解决的问题。
2. 生成随机样本：从定义的概率分布中生成大量的随机样本。
3. 计算结果：使用这些随机样本来计算目标函数或评估所需量。
4. 分析结果：通过对计算结果进行统计分析

应用场景：

• 物理学：粒子模拟、无法解析解的微分方程……

• 统计学：某种情景的模拟，比如下面这个毕导的视频使用了蒙特卡洛模拟了公交车的发车

  得出了公交车的到站时间间隔概率分布属于什么分布

  ​​

  一小时到站数量属于什么分布

  ​​

优点与缺点：

• 优点：

  • 能处理复杂 NP 无法解析的问题

• 缺点：

  • 想要精度高——时间与空间复杂度高