MCDMRankingcrisp
蒙特卡洛模拟 — 通过多准则决策模型进行随机不确定性传播
蒙特卡洛模拟（Monte Carlo Simulation — Stochastic uncertainty propagation through MCDM model）是由Metropolis, N.和Ulam, S.于1949年提出的一种排序多准则决策（MCDM）方法。它将替代方案在多个准则上的评分决策矩阵转化为结构化、可复现的结果。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+80 more
来源
- Metropolis, N., Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association DOI: 10.1080/01621459.1949.10483310 ↗
如何引用本页
ScholarGate. (2026, June 2). Monte Carlo Simulation — Stochastic uncertainty propagation through MCDM model. ScholarGate. https://scholargate.app/zh/decision-making/monte-carlo-simulation
被引用于
Agent-Based Discrete-Event Simulation基于主体的建模（ABM）基于代理的排队仿真Agent-Based Scenario AnalysisAgent-Based Sensitivity Analysis近似贝叶斯计算贝叶斯基于智能体的建模贝叶斯元胞自动机贝叶斯离散事件仿真贝叶斯马尔可夫模型贝叶斯个体模拟贝叶斯蒙特卡洛模拟贝叶斯排队模拟贝叶斯情景分析贝叶斯敏感性分析贝叶斯系统动力学自助法模拟元胞自动机确定性元胞自动机确定性马尔可夫模型确定性微观模拟确定性情景分析确定性敏感性分析数字孪生仿真离散选择模拟离散事件仿真 (DES)离散事件系统仿真全局敏感性分析混合可靠性分析Importance Sampling刀切法估计拉丁超立方体采样马尔可夫链蒙特卡洛 (MCMC)马尔可夫模型个体模拟多目标离散事件仿真多目标微观模拟多目标敏感性分析多层蒙特卡洛模拟政策情景多主体建模政策情景分析政策情景离散事件仿真政策情景微观模拟政策情景蒙特卡洛模拟政策情景敏感性分析概率地震危险性分析 (PSHA)排队仿真基于风险的田口方法鲁棒性基于智能体的建模稳健离散事件仿真稳健马尔可夫模型稳健微观模拟稳健蒙特卡洛模拟鲁棒排队仿真稳健情景分析稳健性敏感性分析情景分析与假设模拟灵敏度分析与故障树分析过程能力分析的敏感性分析基于根本原因分析的敏感性分析模拟辅助因果比较研究模拟辅助验证性研究仿真辅助控制图模拟辅助横断面研究模拟辅助的事后设计仿真辅助失效模式与影响分析模拟辅助故障树分析模拟辅助假设检验研究Simulation-Assisted Process Capability Analysis模拟辅助定量内容分析基于仿真的可靠性分析Simulation-Assisted Statistical Process Control模拟辅助趋势研究随机元胞自动机随机微分方程 (SDEs)随机离散事件仿真随机动态规划随机线性规划随机马尔可夫模型随机微观模拟随机混合整数规划随机多目标优化随机排队模拟随机情景分析Stochastic Sensitivity Analysis随机系统动力学系统动力学不确定性量化VaR（风险价值）蒙特卡洛模拟的方差缩减技术