蒙特卡羅演算法並不是一種演算法的名稱，而是是一類隨機方法的統稱。這類方法的特點是，可以在隨機取樣上計算得到近似結果，隨著取樣的增多，得到的結果是正確結果的概率逐漸加大，但在（放棄隨機取樣，而採用類似全取樣這樣的確定性方法）獲得真正的結果之前，無法知道目前得到的結果是不是真正的結果。
從特性特性來說，我們知道，既然是隨機演算法，在取樣不全時，通常不能保證找到最優解，只能說是盡量找。那麼根據怎麼個「盡量」法呢，我們我們把隨機演算法分成兩類：
（1）蒙特卡羅演算法：取樣越多，越近似最優解；
（2）拉斯維加斯演算法：取樣越多，越有機會找到最優解；
舉個例子，假如筐裡有100個蘋果，讓我每次閉眼拿1個，挑出最大的。於是我隨機拿1個，再隨機拿1個跟它比，留下大的，再隨機拿1個……我每拿一次，留下的蘋果都至少不比上次的小。拿的次數越多，挑出的蘋果就越大，但我除非拿100次，否則無法肯定挑出了最大的。這個挑蘋果的演算法，就屬於蒙特卡羅演算法——盡量找好的，但不保證是最好的。
而拉斯維加斯演算法，則是另一種情況。假如有一把鎖，給我100把鑰匙，只有1把是對的。於是我每次隨機拿1把鑰匙去試，打不開就再換1把。我試的次數越多，開啟（最優解）的機會就越大，但在開啟之前，那些錯的鑰匙都是沒有用的。這個試鑰匙的演算法，就是拉斯維加斯的——盡量找最好的，但不保證能找到。
所以你看，這兩個詞並不深奧，它只是概括了隨機演算法的特性，演算法本身可能複雜，也可能簡單。
蒙特卡洛演算法
從今天開始要研究sampling methods，主要是mcmc演算法 contents 1.蒙特卡洛介紹 2.蒙特卡洛的應用 3.蒙特卡洛積分 1.蒙特卡洛介紹 蒙特卡羅方法 monte carlo method 也稱統計模擬方法，是二十世紀四十年代中期由於科學技術的 發展和電子計算機的發明，而被...
蒙特卡洛取樣
1.馬爾可夫鏈及其平穩分布 馬爾可夫鏈的定義很簡單，即後乙個狀態只與前面乙個狀態相關 p x t x cdots,x p x t x 2.馬氏鏈定理 如果乙個非週期馬爾可夫鏈具有狀態轉移矩陣 p 且它的任意兩個狀態都是連通的，那麼 mathop limits p n 存在且與 i 無關，記 math...
蒙特卡洛方法
蒙特卡洛方法 monte carlo method，也有翻譯成 蒙特卡羅方法 是以概率和統計的理論 方法為基礎的一種數值計算方法，將所求解的問題同一定的概率模型相聯絡，用計算機實現統計模擬或抽樣，以獲得問題的近似解，故又稱隨機抽樣法或統計試驗法。上述就是蒙特卡洛方法的基本概念，比較抽象，下面結合實際...