蒙特卡洛算法计算圆周率

以下是使用蒙特卡洛算法计算圆周率的示例：

public class MonteCarloPi {
    public static void main(String[] args) {
        int totalPoints = 1000000;
        int pointsInsideCircle = 0;

        for (int i = 0; i < totalPoints; i++) {
            double x = Math.random();
            double y = Math.random();
            if (x * x + y * y <= 1) {
                pointsInsideCircle++;
            }
        }

        double pi = 4.0 * pointsInsideCircle / totalPoints;
        System.out.println("Approximate value of pi: " + pi);
    }
}

这段Java代码使用蒙特卡洛算法来计算圆周率的近似值。它生成大量的随机点，并统计落在圆内的点的数量，然后利用这一比例来估算圆周率的值。

相关问题

C++蒙特卡洛算法计算圆周率

蒙特卡洛算法是一种基于随机采样的数值计算方法，可以用来估计圆周率。其基本思想是通过在一个正方形内随机生成大量的点，然后统计落在圆内的点的数量，再根据统计结果来估计圆周率。

具体步骤如下：
1. 在一个边长为2R的正方形内，随机生成N个点的坐标，其中R为圆的半径。
2. 对于每个生成的点，计算其到正方形中心的距离，如果距离小于等于R，则认为该点在圆内。
3. 统计落在圆内的点的数量，记为M。
4. 根据统计结果，可以使用以下公式来估计圆周率：π ≈ 4 * M / N。

这种方法的原理是，当N足够大时，随机生成的点在正方形内的分布趋势与圆的面积比例相等。因此，通过统计落在圆内的点的数量，可以近似得到圆的面积，从而估计圆周率。

R语言蒙特卡洛算法计算圆周率

蒙特卡洛算法是一种基于随机抽样的统计方法，可以用来估算圆周率。在R语言中，可以使用以下代码实现蒙特卡洛算法计算圆周率：

# 设置随机数种子
set.seed(123)

# 模拟次数
n <- 100000

# 生成随机点
x <- runif(n, min = -1, max = 1)
y <- runif(n, min = -1, max = 1)

# 计算点到圆心的距离
r <- sqrt(x^2 + y^2)

# 统计落在圆内的点数
in_circle <- sum(r <= 1)

# 计算圆周率
pi_estimate <- 4 * in_circle / n

# 输出结果
print(pi_estimate)

这段代码首先设置了随机数种子，然后生成了n个在[-1,1]范围内的随机点。接着计算每个点到圆心的距离，统计落在圆内的点数，并根据公式4 * (落在圆内的点数 / 总点数) 估算圆周率。最后输出结果即可。