Product Design, Manufacturing & Innovation Resources
घर » मोंटे कार्लो विधियाँ

मोंटे कार्लो विधियाँ

1940
  • Stanislaw Ulam
  • John von Neumann
  • Nicholas Metropolis
सांख्यिकीय विश्लेषण में मोंटे कार्लो सिमुलेशन करने वाले शोधकर्ताओं के साथ कम्प्यूटेशनल प्रयोगशाला।.

(यह छवि केवल उदाहरण के लिए बनाई गई है)

मोंटे कार्लो विधियाँ गणनात्मक एल्गोरिदम का एक व्यापक वर्ग हैं जो संख्यात्मक परिणाम प्राप्त करने के लिए बार-बार यादृच्छिक नमूनाकरण पर निर्भर करती हैं। इसका मूल सिद्धांत यादृच्छिकता का उपयोग करके उन समस्याओं को हल करना है जो सिद्धांत रूप में नियतात्मक हो सकती हैं। इनका उपयोग अक्सर तब किया जाता है जब अन्य दृष्टिकोणों का उपयोग करना कठिन या असंभव हो, विशेष रूप से जटिल प्रणालियों का अनुकरण करने या उच्च-आयामी कार्यों को एकीकृत करने के लिए।

मोंटे कार्लो विधियों का मूल विचार सांख्यिकीय सिमुलेशन करके किसी समस्या के हल का अनुमान लगाना है। निश्चित समीकरणों के एक समूह को हल करने के बजाय, संभावित इनपुट का एक डोमेन परिभाषित किया जाता है, उस डोमेन पर प्रायिकता वितरण से बड़ी संख्या में यादृच्छिक इनपुट उत्पन्न किए जाते हैं, प्रत्येक इनपुट पर एक निश्चित गणना की जाती है, और फिर परिणामों को एकत्रित किया जाता है। उदाहरण के लिए, किसी जटिल आकृति का क्षेत्रफल ज्ञात करने के लिए, उसे ज्ञात क्षेत्रफल वाली एक सरल आकृति (जैसे आयत) में बंद किया जा सकता है, आयत के भीतर समान रूप से बड़ी संख्या में यादृच्छिक बिंदु बिखेरे जा सकते हैं, और जटिल आकृति के अंदर आने वाले बिंदुओं के अंश की गणना की जा सकती है। यह अंश, आयत के क्षेत्रफल से गुणा करने पर, जटिल आकृति के क्षेत्रफल का अनुमान लगाता है। इस अनुमान की सटीकता आम तौर पर नमूनों की संख्या के वर्गमूल के साथ बढ़ती है, जो केंद्रीय सीमा प्रमेय से प्राप्त एक प्रमुख गुण है। यह मोंटे कार्लो विधियों को कई आयामों वाली समस्याओं के लिए विशेष रूप से शक्तिशाली बनाता है, जहाँ पारंपरिक संख्यात्मक विधियाँ जैसे कि चतुर्भुज विधि "आयामों के अभिशाप" से ग्रस्त होती हैं। इसका अर्थ है कि उनकी गणना लागत आयामों की संख्या के साथ तेजी से बढ़ती है। इसके विपरीत, मोंटे कार्लो की लागत बहुत धीमी गति से बढ़ती है, जिससे यह भौतिकी, वित्त और डेटा विज्ञान में कई उच्च-आयामी समस्याओं के लिए एकमात्र व्यवहार्य दृष्टिकोण बन जाता है।

‘मोंटे कार्लो’ नाम निकोलस मेट्रोपोलिस ने रखा था, जो स्टैनिस्लाव उलम के चाचा से प्रेरित थे, जो मोंटे कार्लो कैसीनो में जुआ खेलने के लिए रिश्तेदारों से पैसे उधार लेते थे। इस पद्धति का आधुनिक विकास लॉस अलामोस राष्ट्रीय प्रयोगशाला में मैनहट्टन परियोजना के लिए न्यूट्रॉन प्रसार का अनुकरण करने की आवश्यकता से प्रेरित था। कार्य की गोपनीयता के लिए एक कोडनेम आवश्यक था, और ‘मोंटे कार्लो’ को संयोग और यादृच्छिक संख्याओं की केंद्रीय भूमिका के कारण चुना गया था, जो रूलेट जैसे संयोग के खेलों के समान है।

UNESCO Nomenclature: 1202
कंप्यूटर विज्ञान

Type

सॉफ्टवेयर/एल्गोरिदम

व्यवधान

क्रांतिकारी

उपयोग

व्यापक उपयोग

शगुन

  • बफॉन की सुई की समस्या (1777)
  • लॉर्ड केल्विन, उनके छात्र (विलियम सीली गोसेट) और अन्य लोगों द्वारा किए गए प्रारंभिक सांख्यिकीय नमूनाकरण कार्य।
  • प्रायिकता सिद्धांत का विकास (लैपलेस, बर्नौली)
  • बड़ी संख्याओं का नियम
  • केंद्रीय सीमा प्रमेय

आवेदन

  • वित्तीय मॉडलिंग (विकल्प मूल्य निर्धारण)
  • कम्प्यूटेशनल भौतिकी (कण परिवहन)
  • मशीन लर्निंग (बेयसियन अनुमान)
  • कंप्यूटर ग्राफिक्स (रे ट्रेसिंग)
  • दवा खोज सिमुलेशन
  • मौसम पूर्वानुमान समूह

पेटेंट:

NA

संभावित नवाचार विचार

बॉट ट्रैफिक को कम करने के कारण, जो वर्तमान में प्रति दिन 40,000 से अधिक है, यह सामग्री केवल समुदाय के सदस्यों के लिए आरक्षित है।
> लॉगिन < या > रजिस्टर < इस सामग्री और अन्य सभी प्रतिबंधित सामग्रियों और उपकरणों तक पहुंच (100% निःशुल्क) है।

संबंधित विषय: मोंटे कार्लो, यादृच्छिक नमूनाकरण, सिमुलेशन, संख्यात्मक विधि, स्टोकेस्टिक, प्रायिकता, गणना, सन्निकटन, उच्च-आयामी एकीकरण, सांख्यिकी।

ऐतिहासिक संदर्भ

मोंटे कार्लो विधियाँ

1928
1930
1936
1940
1943
1950
1950
1925
1930
1931
1939
1940
1950
1950
1952

(यदि तिथि अज्ञात है या प्रासंगिक नहीं है, उदाहरण के लिए "द्रव यांत्रिकी", तो इसके उल्लेखनीय उद्भव का एक अनुमानित आंकड़ा प्रदान किया गया है)

संबंधित आविष्कार, नवाचार और तकनीकी सिद्धांत

पंजीकृत सदस्यों के लिए पूर्ण आकार की छवियाँ और डाउनलोड 100% निःशुल्क उपलब्ध हैं।