دانلود مقالات ISI درباره زنجیره مارکف مونت کارلو + ترجمه فارسی

روش های زنجیره مارکف مونت کارلو(که شامل روش های قدم زدن تصادفی مونت کارلو می باشد) دسته ای از الگوریتم هاست برای نمونه برداری از توزیع های احتمال که مبنای آن ساختن یک زنجیره مارکف با ویژگی های مطلوب است. سپس حالت زنجیره پس از تعداد بسیار زیادی مرحله به عنوان نمونه ای از توزیع مطلوب استفاده می شود. کیفیت این نمونه متناسب با افزایش تعداد مراحل افزایش می یابد. معمولاً ساختن یک زنجیره مارکف با ویژگی های مطلوب کار ساده ای است. مشکل اصلی تعداد مراحل مورد نیاز است برای اینکه حالت زنجیره با خطای قابل قبولی به یک توزیع ثابت همگرا شود. زنجیره خوب زنجیره ای است که در آن با شروع از یک موقعیت دلخواه خیلی سریع به توزیع ثابت برسیم. به طور معمول استفاده از زنجیره مارکف مونت کارلو برای نمونه برداری توزیع موردنظر ما را فقط تخمین می زند. به دلیل این که این توزیع همواره تحت تاثیر نقطه شروع ما است. ولی الگوریتم های پیچیده ای وجود دارند که اساس آن ها زنجیره های مارکف مونت کارلو است و با محاسبات اضافی تاثیر نقطه شروع را از بین برده و توزیع موردنظر ما را به طور دقیق مشخص می کنند. معمول ترین کاربرد این الگوریتم ها محاسبه عددی انتگرال های چندگانه است. انتگرال های چندگانه معمولاً در فیزیک محاسباتی،زیست شناسی محاسباتی و زبان شناسی محاسباتی به وجود می آیند،بنابراین می توان گفت زنجیره های مارکف مونت کارلو کاربرد گسترده ای در این زمینه ها دارند. روش زنجیره مارکوف مونت کارلو برای نمونه برداری از توزیع حای احتمال مورد استفاده قرار می گیرد. مبنای آن ساختن یک زنجیره مارکف با ویژگی های مطلوب می باشد. معمولا ساختن زنجیره مارکوف با ویژگی مطلوب کار ساده ای است ولی مهم این است که تعداد مراحل مورد نیاز چقدر است. یعنی بتوان حالت زنجیره را با یک خطای قابل قبولی همگرا نمود. هر تکنیکی که براساس نمونه سازی آماری، بتواند پاسخ خای تقریبی برای مسائل عددی تولید نمایند الگوریتم مونت کارلو نامیده می شود. شبیه سازی مونت کارلو بیشتر برای مسائلی که عدم قطعیت دارند مورد استفاده قرار می گیرد. شبیه‌سازی مونت کارلو وابسته به فرآیند نمایش صریح عدم قطعیت با تعیین نمودن ورودی‌ها به عنوان توزیع‌های احتمال می باشد. حال اگر ورودی‌های توصیف‌کننده یک سیستم، غیرمقطوع باشند، آنگاه پیش‌بینی عملکرد پیشرو برای آن الزاما غیرقطعی است. این بدان معنی‌ می باشدکه نتیجه هر گونه تحلیل مبتنی بر ورودی‌های نمایش داده شده با توزیع‌های احتمال، خود یک توزیع احتمال است. حال به منظور محاسبه ی توزیع احتمال باید عدم قطعیت های ورودی ها به عدم قطعیت های خروجی منتقل گردند. روش های زیادی برای انتقال عدم قطعیت ها وجود دارند ولی در بین کل روش ها الگوریتم مونت کارلو بسیار حائز اهمیت است.