这是一个创建于 1647 天前的主题，其中的信息可能已经有所发展或是发生改变。
从原理本身来说，蒙特卡洛模拟是通过对每次结果的统计筛选来得到最终结果 结果的误差取决于 cycle 的数量 从这个方法本身来说，是不是很难用并行计算？目前大多数做蒙特卡洛模拟的软件貌似都是只能单核串行的
 | 1 xuegy 2021-04-07 04:36:42 +08:00 这玩意难道不是最容易并行的吗？ 所有核一起跑，最后把结果汇总加起来，连 mpi 都不需要。 |
 | 2 xupefei 2021-04-07 04:53:04 +08:00 via iPhone 难并行的是马克罗夫链蒙特卡洛 |
 | 3 dayeye2006199 2021-04-07 05:28:31 +08:00 LZ 是不是把 monte carlo 模拟和离散事件模拟记反了。后面那个并行比较困难，前面那个处开 MCMC，是最适合并行的算法了。 |
 | 4 IgniteWhite 2021-04-07 05:47:27 +08:00 @xupefei 马尔可夫链？ |
 | 5 zxCoder 2021-04-07 08:03:41 +08:00 蒙特卡洛模拟不是随机吗 |
 | 6 BrettD 2021-04-07 08:28:34 +08:00 via iPhone 不同采样之间不是可以独立并行运行吗？为什么难以并行化？ |
 | 7 green15 2021-04-07 08:32:43 +08:00 via iPhone 可能我理解有误，感觉这描述像是拉斯维加斯算法 |
 | 8 noqwerty 2021-04-07 09:32:54 +08:00  1 @BrettD #6 Monte Carlo 本身是很容易并行的，感觉楼主意思是说 MCMC 稍有难度，因为 MCMC 的并行是靠不同的初始化同时跑很多条链，如果 burn-in 比较长的话并行的意义就不大。MC3 其实在实际应用里把这个问题解决很多了。 |
| 10 noqwerty 2021-04-07 10:11:16 +08:00 @ipwx #9 多条链是最简单的并行方法，但是 burnin 问题比较严重的话跑很多条独立的链意义也不大啊，每条收敛的都很慢 |
 | 11 leimao 2021-04-07 10:21:07 +08:00 via iPhone Monte Carlo 算法的设计有很多种。MCMC 这种的不好并行。 https://leimao.github.io/blog/Gibbs-Sampling/ 但我之前也做过可以并行的 Monte Carlo 。还是得看具体算法设计，具体问题具体分析。Monte Carlo 的本质还是随机采样而已，怎么采样就看你的设计了。 |
Select Language