Динамическое моделирование методом Монте-Карло
Динамическое моделирование методом Монте-Карло (DMC) — это вычислительный метод, который отслеживает стохастическую временную эволюцию системы путем генерации случайных последовательностей событий, взвешенных по скоростям переходов. В отличие от статической выборки равновесных распределений методом Монте-Карло, DMC явно продвигает время, что делает его подходящим для кинетических, реакционных и зависящих от времени явлений, где последовательность и время событий имеют значение.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Dynamic Monte Carlo Simulation. ScholarGate. https://scholargate.app/ru/bayesian/dynamic-monte-carlo-simulation
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Бутстреп-симуляцияИмитационное моделирование↔ сравнить
- Динамический байесовский выводБайесовские методы↔ сравнить
- Сэмплирование по ГиббсуБайесовские методы↔ сравнить
- Марковские цепи Монте-Карло (MCMC)Имитационное моделирование↔ сравнить
- Фильтр частиц (последовательное Монте-Карло)Байесовские методы↔ сравнить
- Последовательный Монте-КарлоБайесовские методы↔ сравнить
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →