蒙特卡洛方法通过随机抽样估算π，利用单位圆与正方形面积比约为π/4的原理，在C++中生成[-1,1]内随机点，统计落于圆内的比例，乘以4得π近似值，代码使用random库实现，精度随样本数增加而提高。
蒙特卡洛方法是一种通过随机抽样来求解数学问题的数值计算方法，常用于估算积分、概率、优化等问题。C++ 实现蒙特卡洛算法的关键在于生成随机数并统计结果。下面以一个经典例子——用蒙特卡洛方法估算圆周率 π 来说明实现过程。
1. 原理简述：利用单位圆估算 π
在一个边长为 2 的正方形内画一个单位圆（半径为 1），随机向正方形内投点。落在圆内的点的比例近似等于圆面积与正方形面积之比：
π × r² / (2r)² = π/4。因此，只要统计落点比例乘以 4，即可估算 π。
2. C++ 实现步骤
包含必要头文件：
-
#include：用于输出结果 -
#include：提供高质量随机数生成器 -
#include：使用 sqrt 等数学函数
生成随机点：
使用 std::uniform_real_distribution 在 [-1, 1] 范围内生成 x 和 y 坐标- 判断点 (x, y) 是否在单位圆内：x² + y² ≤ 1
使用 std::uniform_real_distribution 在 [-1, 1] 范围内生成 x 和 y 坐标统计比例并估算 π：
- 循环大量次数（如 100 万次）
- 每轮生成随机点，若在圆内则计数加一
- 最终用 4.0 * count / total 得到 π 的近似值
3. 完整代码示例
#include#include #include double estimatePi(int numSamples) { std::random_device rd; std::mt19937 gen(rd()); std::uniform_real_distribution
dis(-1.0, 1.0); int inside = 0; for (int i = 0; i zuojiankuohaophpcn numSamples; ++i) { double x = dis(gen); double y = dis(gen); if (std::sqrt(x*x + y*y) zuojiankuohaophpcn= 1.0) { inside++; } } return 4.0 * inside / numSamples;}
int main() { int samples = 1000000; double pi = estimatePi(samples); std::cout
4. 提高精度的建议
蒙特卡洛方法的精度随样本数量增加而提高。可尝试以下改进：
- 增大采样次数（如 1e7 或更多）
- 多次运行取平均值
- 使用更均匀的随机序列（如低差异序列，适用于进阶场景）
基本上就这些。这个方法虽然简单，但展示了如何用随机性解决确定性问题，是理解蒙特卡洛思想的良好起点。
