蒙特卡洛算法并行计算代码

蒙特卡洛算法是一种基于随机抽样的计算方法，通常用于求解概率、统计和优化问题。在并行计算方面，蒙特卡洛算法也可以通过将样本分配到不同的处理器上来加速计算。

以下是一个简单的并行蒙特卡洛算法的代码示例：

#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#include <omp.h>

#define NUM_SAMPLES 10000000

int main() {
    double start_time, end_time;
    int count = 0;
    double x, y;
    int i;

    // 初始化随机数种子
    srand(time(NULL));

    start_time = omp_get_wtime();

    // 使用 OpenMP 进行并行计算
    #pragma omp parallel for private(x, y) reduction(+:count)
    for (i = 0; i < NUM_SAMPLES; i++) {
        x = (double)rand() / RAND_MAX;
        y = (double)rand() / RAND_MAX;

        if (x * x + y * y <= 1) {
            count++;
        }
    }

    end_time = omp_get_wtime();

    // 计算 π 的近似值
    double pi = 4 * (double)count / NUM_SAMPLES;

    printf("π ≈ %.6f, time = %.6f seconds\n", pi, end_time - start_time);

    return 0;
}

这个代码使用 OpenMP 做并行计算，将样本分配到不同的处理器上。`#pragma omp parallel for` 表示将 `for` 循环并行化，`private(x, y)` 表示每个线程分配私有的 `x` 和 `y` 变量，`reduction(+:count)` 表示将 `count` 变量在不同线程间进行累加。

运行该代码，可以得到 π 的近似值和计算时间。注意，随着样本数量的增加，计算结果会更加准确，但计算时间也会增加。可以根据需要调整 `NUM_SAMPLES` 的值来平衡计算精度和计算效率。