VEGAS Monte Carlo Adaptive Integration
Monte Carlo naif mengevaluasi fungsi pada titik-titik acak, merata-ratakan hasil; konvergensi lambat. VEGAS meningkat dengan mengadaptasi distribusi sampling: wilayah yang berkontribusi signifikan terhadap integral disampling lebih padat. Proses pembelajaran iteratif memperkirakan distribusi optimal dan menyesuaikan sesuai kebutuhan. Hasilnya adalah peningkatan konvergensi berdasarkan urutan besaran untuk fungsi yang mulus.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Lepage, G. P. (1978). A new algorithm for adaptive multidimensional integration. Journal of Computational Physics, 27(2), 192–203. DOI: 10.1016/0021-9991(78)90004-9 ↗
- Lepage, G. P. (1980). VEGAS: an adaptive multidimensional integration program. Cornell University preprint CLNS-80/447. link ↗
- Nagy, M., & Nagy, I. (2005). Application of VEGAS integration algorithm for calculation of penetration depth in superconductors. Journal of Physics: Condensed Matter, 17(39), 6131. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). VEGAS Monte Carlo Adaptive Integration. ScholarGate. https://scholargate.app/id/particle-physics/vegas-monte-carlo
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Diagram FeynmanFisika Partikel↔ bandingkan
- Metode Elemen MatriksFisika Partikel↔ bandingkan
- Fitting Fungsi Distribusi Parton (PDF)Fisika Partikel↔ bandingkan
Dirujuk oleh
Similar methods
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →