风电光伏的场景生成与消减-matlab代码 可利用蒙特卡洛模拟或者拉丁超立方生成光伏和风电出力场景，并采用快速前推法或同步回代消除法进行削减，可以对生成场景数和削减数据进行修改，下图展示的为1000个场景削减至10个典型场景，并获得各场景概率。

代码主要是基于蒙特卡洛和copula函数生成考虑风光空间相关性的出力，并用kmeans进行场景缩减，得到典型日风光出力及其概率，并且可以改变场景生成数量及缩减场景的数量

基于MATLAB的蒙特卡洛方法对可靠度的计算.doc

在扩散蒙特卡洛方法中，根据几何形状，可以采用多种方式模拟连续扩散，例如球形行走（WOS），平面行走（WOP），矩形行走（WOR）等。 扩散方式在满足给定边界几何形状的情况下，保形一致，满足拉普拉斯方程。 在本文中，使用WOP和保形图，我们对WOS扩散进行了采样，并表明间接采样比直接WOS采样更有效。 这表明可以通过保形图进行快速扩散蒙特卡洛采样。

通过考虑与速率常数参数和动力学模型结构误差相关的不确定性，在该研究中使用贝叶斯推断来评估α-pine烯的热异构化速率同意的后验分布。 α-pine烯的热异构化动力学模型显示具有数学上不适的系统，这使得难以应用基于梯度的优化方法进行速率常数评估。 贝叶斯推断将速率常数的后验概率分布与满足实验测量浓度的反应产物模型浓度和参数的先验概率分布的似然概率相关联。 马尔可夫链蒙特卡洛（MCMC）用于从后验分布中抽取样本，同时考虑贝叶斯推断关系。 本研究应用多项式随机游走Metropolis-Hastings来构建速率常数，置信区间和相关系数矩阵的直方图。 结果表明，考虑到不确定性，贝叶斯方法可以成功地应用于估计反应模型速率常数的置信区间。

运用蒙特卡洛原理在matlab上实现模拟期权价值

一、蒙特卡洛算法 1、含义的理解 以概率和统计理论方法为基础的一种计算方法。也称统计模拟方法，是指使用随机数（或更 常见的伪随机数）来解决很多计算问题的方法，它是将所求解的问题同一定的概率模型相 联系，用计算机实现统计模拟或抽样，以获得问题的近似解。 2、算法实例（有很多相似的例题，包括平行线等） 在数值积分法中，利用求单位圆的 1/4 的面积来求得 Pi/4 从而得到 Pi。单位圆的 1/4 面积是 一个扇形，它是边长为 1 单位正方形的一部分。只要能求出扇形面积 S1 在正方形面积 S 中 占的比例 K=S1/S 就立即能得到 S1，从而得到 Pi 的值。怎样求出扇形面积在正方形面积中 占的比例 K 呢？一个办法是在正方形中随机投入很多点，使所投的点落在正方形中每一个 位置的机会相等看其中有多少个点落在扇形内。将落在扇形内的点数 m 与所投点的总数 n 的比 m/n 作为 k 的近似值。P 落在扇形内的充要条件是 2 2 1x y  。

运用蒙特卡洛的思想来实现一维积分，本文运用C++进行实现算法

cadence中蒙特卡洛仿真教程

霍金斯-国际象棋AI “霍金斯”是由Minimax搜索算法提供支持的Chess AI。 它利用了各种优化技术，主要是对alpha-beta修剪和其他传统国际象棋引擎方法的扩展。