| 自适应确定性蒙特卡罗，是对确定性蒙特卡罗的改进，它具有了一定的智能性，能根据采样分区的复杂程度，来确定是否投放采样，从而减少不必要的采样的投放，从而提高采样的投放效率，加快计算速度。 12.1 自适应确定性蒙特卡罗的工作原理 使用确定性蒙特卡罗采样器，通过使用分区的方法，在采样投放不多的情况下，提高了计算的准确性，并且使每次计算的结果的误差变小，但是对于没有变化的区域，会投放很多无用的采样，如下图，对圆的面积的求法： [attach]753[/attach] 上图中，非圆的边界区域，采样的投放是多余的。可见，如果能够减少这些没有变化区域的采样的投放，就会提高计算效率，而且对计算的结果没有影响。 自适应确定性蒙特卡罗的工作原理是： 1. 对采样的投放进行固定的大小相同的分区 2. 对采样进行分批投放 3. 根据当前分区内采样的投放结果，进行分析(比如与自身上次的或周边的分区相比，看有没有变化)，判断是否需要投放下批采样。 4. 这样就会投采样的投放集中在有变化的区域，而没有变化的区域，就会投放少数的采样，从而提高采样的投放效率，提高计算速度。 如下图，求圆的面积： [attach]754[/attach] 可见，通过使用自适应确定性蒙特卡罗方法，可对圆的内部及外部减少采样的投放，而将采样投放到颜色发生变化的区域，也就是圆周的区域。 而在计算圆的面积时，这些减少采样的分区，其投放采样的总数，还按每个分区应投放的采样的总数计算，还会得到正确的结果的。 |
GMT+8, 2025-5-2 21:19 , Processed in 0.056903 second(s), 6 queries , Gzip On, Redis On.
Powered by TOPRENDER X3.5
© 2001-2024 Toprender.
