蒙特卡洛方法

定义

蒙特卡洛方法（Monte Carlo Method）是一类通过随机抽样来近似求解复杂数学问题的计算算法。核心思想是：当解析解难以求得或不可能求得时，通过大量随机试验的统计结果来近似期望值。适用于求解积分、优化、概率估计等问题。

1946年，数学家 Stanislav Ulam 在生病休养期间沉迷于单人纸牌游戏（Solitaire）。他开始思考一个看似简单的问题：随机发牌的单人纸牌游戏，获胜的概率是多少？

这个问题的难点在于：52张牌有 52! ≈ 8×10⁶⁷ 种可能的排列，解析求解是不可能的。Ulam 的关键洞察是：与其精确计算，不如直接玩几百局，统计获胜比例。这本质上就是随机抽样——蒙特卡洛方法的核心思想。

Ulam 与 John von Neumann 将这一思想用于研究核反应堆中的中子行为。中子在铀核中的散射、吸收、裂变过程极其复杂，涉及无数可能的物理状态。关键问题是：给定一块钚的质量和形状，k 值（增殖因子，即每次裂变产生的平均中子数）是多少？

他们建模为马尔可夫链：每一步代表中子的一个行为（散射、吸收、裂变），从初始状态出发，跟踪链的演化。大量模拟后统计 k 值的分布——如果 k<1 则反应熄灭，k=1 则自持反应，k>1 则爆炸。

这就是蒙特卡洛模拟的诞生：在 ENIAC 计算机上运行马尔可夫链的随机模拟链，统计每次运行的 k 值，最终得到反应堆行为的统计分布。

Ulam 有一位热衷赌博的叔叔。Ulam 向 von Neumann 解释这个方法时，提到了赌场和随机性。von Neumann 迅速意识到这个方法的强大，同时建议起一个更有吸引力的名字——Monte Carlo（摩纳哥蒙特卡洛赌场）。这个名字由 Ulam 的叔叔和地名杜撰而来，迅速被学界接受。