基于蒙特卡洛算法的圆周率估算仿真项目

资 源 简 介

本程序利用蒙特卡洛（Monte Carlo）随机采样算法来估算单位正方形内四分之一圆的面积占比，并以此推导圆周率π的近似值。其核心原理是在平面直角坐标系的单位正方形区域内（0≤x≤1, 0≤y≤1）产生大量均匀分布的随机坐标点P(x, y)，通过计算点P到坐标原点的距离平方是否小于等于1来判定该点是否落在以1为半径的四分之一圆内。根据大数定律，当投点数量足够大时，落在圆内的点数与总投点数的比值将无限趋近于四分之一圆面积与正方形面积之比，即π/4。该项目通过改变投点实验的总次数，分别对比在10000次和50

详 情 说 明

基于蒙特卡洛方法的圆周率π估算仿真项目

项目介绍

本项目是一个基于 MATLAB 开发的数值模拟程序，旨在通过蒙特卡洛（Monte Carlo）随机采样算法来估算圆周率 π 的数值。蒙特卡洛方法的核心思想是利用大量随机样本的统计特性来解决确定性问题。在本程序中，我们在一个单位正方形区域内随机投放大量的坐标点，通过统计落在单位圆内（四分之一圆区域）的点数比例，结合几何概率原理推导出 π 的近似值。

该项目不仅提供了数值计算结果，还通过图形化界面实时展示了随机点的分布情况。通过对比不同采样规模（10,000次与50,000次投点）下的估算结果与真实 π 值的误差，直观地展示了随机模拟算法的收敛性以及样本容量对计算精度和稳定性的影响。

---

功能特性

• 多规模对比实验：程序自动执行两组不同规模（N=10000 和 N=50000）的对比实验，便于观察样本量增加对精度提升的作用。
• 高效向量化计算：利用 MATLAB 强大的矩阵运算能力，一次性生成并处理成千上万个坐标点，极大提高了仿真效率。
• 可视化数据展示：程序生成包含两个子图的画布，清晰地以不同颜色区分圆内点（淡珊瑚色）与圆外点（淡钢蓝色），并实时绘制理想圆弧线作为参考。
• 实时误差分析：程序将估算结果与内置的高精度 π 值进行对比，实时输出绝对误差，直观反映仿真精度。
• 自动化控制：集成随机数种子初始化功能，确保模拟结果具备随机性的同时也方便进行过程追溯。

---

系统要求

• 软件环境：MATLAB R2016a 或更高版本。
• 硬件要求：具备基本图形显示能力的计算机，建议内存 4GB 以上以确保大规模绘图流程流畅。

---

使用方法

1. 启动 MATLAB 软件。
2. 将程序代码复制并粘贴到 MATLAB 的编辑器窗口中。
3. 点击“运行”按钮或在命令行窗口中直接调用执行程序。
4. 观察弹出的仿真图形窗口，查看不同 N 值下的随机点分布情况。
5. 在命令行窗口（Command Window）查看详细的统计数据、估算值及误差分析报告。

---

实现逻辑与算法细节

程序的实现过程严格遵循以下五个阶段：

1. 随机采样阶段 程序使用均匀分布随机数生成函数，在 [0, 1] 区间内产生二维随机坐标点 P(x, y)。每一组实验根据预设的样本量（10,000 或 50,000）生成对应的坐标向量。

2. 几何判定阶段 利用圆的标准方程 $x^2 + y^2 le r^2$。由于采样范围是单位正方形，因此半径 r 为 1。程序通过计算每个点到原点的欧几里得距离平方来判定其位置：若 $x^2 + y^2 le 1$，则判定该点位于四分之一圆内。

3. 数值计算阶段 根据几何概率原理，落在圆内的点数与总点数的比值应趋近于四分之一圆面积与正方形面积之比，即 $pi/4$。因此，通过公式 $pi approx 4 times (text{圆内点数} / text{总投点数})$ 计算出 π 的估算值。

4. 结果输出阶段 程序在控制台实时打印实验规模、落在圆内的具体点数、π 的估算结果以及与真实值之间的绝对误差。

5. 结果可视化阶段 程序采用双子图布局（1行2列）：

• 使用逻辑索引（Logic Mask）快速筛选出圆内外的点。
• 圆内点绘制为淡珊瑚色，圆外点绘制为淡钢蓝色。
• 利用极坐标转换（$cos(t), sin(t)$）绘制一条黑色的理想四分之一圆弧线。
• 设置坐标轴比例为等比例（axis square），确保几何形状不失真，并在标题中动态显示当前的 N 值、估计值和误差。

---

关键函数与技术分析

• rng('shuffle')：用于根据系统时间重新设置随机数生成器的种子，确保每次运行程序时产生的随机点序列具有独立性。
• rand(N, 1)：快速生成 N 行 1 列的均匀分布随机数向量，这是实现蒙特卡洛模拟的基础。
• 向量化操作：程序中未使用循环来遍历点，而是通过 x.^2 + y.^2 对整个向量进行运算，这充分利用了 MATLAB 的并行计算优化，显著缩短了处理大规模数据的时间。
• 逻辑掩码（Masking）：通过 inside_mask = dist_sq <= 1 产生布尔数组，这种方式在筛选绘图数据和统计点数时比传统的 if-else 语句更高效、代码更简洁。
• subplot 与 plot：通过多子图布局和细致的颜色配置，将抽象的数值计算过程转化为直观的几何图形，增强了程序的可解释性。