Dinamiskā Montekarlo simulācija
Dinamiskā Montekarlo (DMC) simulācija ir skaitļošanas metode, kas izseko sistēmas stohastiskajai laika evolūcijai, zīmējot nejaušas notikumu secības, kas svērtas ar pārejas ātrumiem. Atšķirībā no statiskās Montekarlo līdzsvara sadalījumu paraugu ņemšanas, DMC tieši virza pulksteni, padarot to piemērotu kinētiskiem, reakcijas un laikatkarīgiem parādībām, kur notikumu secībai un laikam ir nozīme.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Bortz, A. B., Kalos, M. H., & Lebowitz, J. L. (1975). A new algorithm for Monte Carlo simulation of Ising spin systems. Journal of Computational Physics, 17(1), 10–18. DOI: 10.1016/0021-9991(75)90060-1 ↗
- Gillespie, D. T. (1977). Exact stochastic simulation of coupled chemical reactions. The Journal of Physical Chemistry, 81(25), 2340–2361. DOI: 10.1021/j100540a008 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Dynamic Monte Carlo Simulation. ScholarGate. https://scholargate.app/lv/bayesian/dynamic-monte-carlo-simulation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bootstrap simulācijaSimulācija↔ compare
- Dinamiskā Bayesas inferencēšanaBajesa metodes↔ compare
- Gibbs SamplingBajesa metodes↔ compare
- Markov Chain Monte Carlo (MCMC)Simulācija↔ compare
- Particle Filter (Sequential Monte Carlo)Bajesa metodes↔ compare
- Sekvenciālā Monte Karlo metodeBajesa metodes↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →