python多进程实现蒙特卡罗求平均值

蒙特卡罗方法是一种通过随机抽样来估计数学模型的方法。在估计一个函数的平均值时，可以使用蒙特卡罗方法。下面是使用多进程实现蒙特卡罗求平均值的Python代码：

import random
from multiprocessing import Pool

def monte_carlo_pi(n):
    count = 0
    for i in range(n):
        x = random.uniform(0, 1)
        y = random.uniform(0, 1)
        if x**2 + y**2 <= 1:
            count += 1
    return 4 * count / n

if __name__ == '__main__':
    n = 10000000
    num_processes = 4
    pool = Pool(num_processes)
    results = pool.map(monte_carlo_pi, [n//num_processes]*num_processes)
    pi_estimate = sum(results)/num_processes
    print(pi_estimate)

在这个例子中，我们定义了一个 `monte_carlo_pi` 函数来计算 π 的估计值。该函数使用随机生成的点来估计 π 的值。如果一个点落在半径为 1 的圆内，则计数器加 1，否则计数器不变。最后，我们返回 π 的估计值。

然后，我们使用 `multiprocessing` 模块创建一个进程池，将任务分配给多个进程来并行计算π的估计值。最后，我们计算所有进程的结果的平均值，得到最终的π的估计值。

在这个例子中，我们使用了4个进程，每个进程将计算 10000000/4 = 2500000 个点。如果你的计算机有更多的处理器核心，你可以增加进程的数量来提高计算速度。