仿真与蒙特卡洛方法

作者简介 献词 前言 第1章 预备知识 1.1 随机试验 1.2 条件概率和事件的独立性 1.3 随机变量和概率分布 1.4 几个重要分布 1.5 期望 1.6 联合分布 1.7 随机变量的函数 1.8 变换 1.9 联合正态随机变量 1.10 极限定理 1.11 泊松过程 1.12 马尔可夫过程 1.13 估计量的效率 1.14 信息 1.15 凸优化及对偶性 习题 参考文献 第2章 随机数、随机变量和随机过程的产生 2.1 引言 2.2 随机数的产生 2.3 随机变量的产生 2.4 常用分布随机变量的产生 2.5 随机向量的产生 2.6 泊松过程的产生 2.7 马尔可夫链和马尔可夫跳跃过程的产生 2.8 随机排列的产生 习题 参考文献 第3章 离散事件系统仿真 3.1 仿真模型 3.2 DEDS仿真时钟和事件表 3.3 离散事件仿真 习题 参考文献 第4章 离散事件系统的统计分析 4.1 引言 4.2 静态仿真模型 4.3 动态仿真模型 4.4 Bootstrap法 习题 参考文献 第5章 方差控制 5.1 引言 5.2 共同随机变量和对偶随机变量 5.3 控制变量 5.4 条件蒙特卡洛 5.5 分层抽样 5.6 重要抽样 5.7 序列重要抽样 5.8 变换似然比法 5.9 防止重要抽样的退化 习题 参考文献 第6章 马尔可夫链蒙特卡洛 6.1 引言 6.2 Metropolis-Hastings算法 6.3 Hit-and-Run抽样器 6.4 吉布斯抽样器 6.5 伊辛和波茨模型 6.6 贝叶斯统计 6.7* 其他马尔可夫抽样器 6.8 模拟退火 6.9 完美抽样 习题 参考文献 第7章 灵敏度分析和蒙特卡洛优化 7.1 引言 7.2 离散事件静态系统灵敏度分析的得分函数方法 7.3 离散事件静态系统的仿真优化 7.4 离散事件动态系统的灵敏度分析 习题 参考文献 第8章 交叉熵方法 8.1 简介 8.2 对稀有事件概率的估计 8.3 求解优化的CE方法 8.4 *大割问题 8.5 分区问题 8.6 旅行商问题 8.7 连续优化 8.8 随机优化 习题 参考文献 第9章 蒙特卡洛计数法 9.1 计数问题 9.2 满足性问题 9.3 计数的稀有事件框架 9.4 其他随机计数算法 9.5 MINXENT和参数化MINXENT 9.6 组合优化和决策问题的PME 9.7 数值结果 习题 参考文献