分别给出 pi的几种近似求解方法，并利用MATLAB编程给出编程代码。

1. 蒙特卡罗方法：

利用随机数模拟圆的投点实验，通过统计投点结果的比例来估算圆周率。

MATLAB代码：

n = input('请输入投点总数：'); % 输入投点总数
x = rand(1,n); % 在[0,1]之间随机生成n个点
y = rand(1,n);
r = sqrt(x.^2 + y.^2); % 计算点到圆心的距离
num = sum(r <= 1); % 统计距离小于等于1的点的数量
pi_approx = 4 * num / n; % 求解近似值
fprintf('π的近似值为：%0.6f\n',pi_approx);

2. 马青公式：

利用连分数的形式逼近圆周率。

MATLAB代码：

n = input('请输入连分数的项数：'); % 输入连分数项数
a = ones(1,n); % 初始化a向量
b = zeros(1,n); % 初始化b向量
for i = 1:n
    if mod(i,2) == 1
        b(i) = 2 * floor((i+1)/2);
    else
        b(i) = 1;
    end
end
c = b; % 初始化c向量
for i = 2:n
    c(i) = b(i) - a(i-1)^2 * c(i-1) / c(i-1)^2;
end
pi_approx = 4 * a(end) / c(end); % 求解近似值
fprintf('π的近似值为：%0.6f\n',pi_approx);

3. 基于级数的方法：

利用级数逼近圆周率，如Leibniz级数或Euler级数。

MATLAB代码：

n = input('请输入级数的项数：'); % 输入级数项数
pi_approx = 0; % 初始化近似值
for i = 0:n
    pi_approx = pi_approx + (-1)^i / (2*i+1);
end
pi_approx = 4 * pi_approx; % 求解近似值
fprintf('π的近似值为：%0.6f\n',pi_approx);