SEMINARSKI RAD

Predmet: Vetaka inteligencija

Tema : Monte Karlo metoda

Uvod

1
Monte Karlova metoda je esto koritena numerika metoda za rjeavanje raznoraznih
problema upotrebom raunaraskih mogunosti. Primjenjuje se na probleme koji se mogu
svesti na aproksimiranje integrala. U osnovi Monte Karlove metode analize je izuzetno
jednostavan princip aproksimacije, ali moe biti raunarno zahtevan za izraunavanje. Nije
teko napisati raunarski program koji e koristiti Monte Karlovu metodu analize, nego je
problem to se mnogi tako napisani programi mogu izvravati danima. Meutim, postoje
naini da se ubrza Monte Carlovu metoda analize. U tim sluajevima koriste se razliite
tehnike smanjivanja varijance. Takve tehnike nisu intuitivne i zahtijevaju detaljnije
razumijevanje.
U okviru ovog rada naglasak e biti na upoznavanju osnovnih principa Monte Karlove
metode aproksimacije.

2
Istorija Monte Karlo metode

Zasluge za osmiljavanje Monte Carlove metode pripisuju se Stanislawu Ulamu, poljskom

matematiaru koji je tokom Drugog svjetskog rata radio u Sjedinjenim Amerikim
Dravama s Johnom von Neumannom na Manhattan projektu. Ulam je prvenstveno poznat
po dizajniranju hidrogenske bombe zajedno sa Edwardom Tellerom 1951. godine. Osmislio
je Monte Carlovu metodu 1946. godine, dok se oporavljao od bolesti igrajui solitaire -
popularnu igra karata. Ulam je pokuavao odgonetnuti na pitanje: kolike su anse da se 52
karte podele tako da je igru mogue zavriti? Nakon mnogo vremena potroenog na
propitivanja kombinatorikih reenja, poeo se pitati postoji li praktinije reenje tog
problema. Uoio je da bi bilo mnogo jednostavnije naprosto podieliti karte stotinu puta i
pobrojati koliko je bilo uspenih ishoda. Taj postupak oveku bi oduzeo puno vremena, ali
raunar bi do rezultata dolo relativno brzo. Zahvaljujui razvoju sve brih raunara, moglo
se predvidjeti da e slini takvi, samo mnogo kompliciraniji izrauni postati izvedivi u
prihvatljivom vremenu. Ulam je odmah uoio i druge probleme na koje je mogao primeniti
istu metodu izraunavanja (npr. problem neutronske difuzije i drugi problemi matematike
fizike). Puno uoptenije, to je Ulamu dalo ideju kako prilagoditi procese opisane
diferencijalnim jednainama u ekvivalentni oblik koji se zasniva na izvoenju operacija nad
sluajnim varijablama. Kasnije je opisao ideju svom kolegi John von Neumannu i poeli su
planirati stvarne proraune na toj ideji.
Monte Karlova metoda, kako se danas shvata, podrazumeva bilo koju tehniku statistikog
uzorkovanja primijenjenu za aproksimiranje reenja. Ulam nije smislio statistiko
uzorkovanje koje je postojalo jo i prije njegove ideje. Bacanje novia i izvlaenje karata
bili su do tada najei naini za stvaranje sluajnih uzoraka. Ulamov je doprinos to je
prepoznao potencijal novo-izumljenih elektronikih raunala za automatiziranje stvaranja
statistikih uzoraka. Radei sa Johnom von Neumannom i Nicolasom Metropolisom, smislio
je algoritme za programsku implementaciju, te je pronaao nain da se problemi koji
nemaju karakter sluajnih odabira pretvore u oblik pogodan za statistiko uzorkovanje.
Tako je statistiko uzorkovanje prestalo biti samo matematika radoznalost i postalo je
formalna metodologija primjenjiva na velik broj problema. Metropolis je imenovao novu
metodologiju prema lancu kasina Monte Karlo.

3
Primer aproksimiranja broja Monte Karlovom metodom

Jedan od naina da se predstavi Monte Karlo metoda je razmatrajui problem Buffonove igle. Taj
zanimljiv problem vodi do vanih neintuitivnih zakljuaka.

Vie od 200 godina pre nego je Metropolis smislio ime Monte Karlo metoda George Louis Leclerc,
Comte de Buffon predloio je sledei problem : Ako se igla duine l baci nasumino na sred
horizontalne povrine obeleene paralelnim linijama koje su meusobno udaljene za d>1, kolika je
verovatnoa da e igla sei horizontalnu liniju?

Slika 1: Buffon se pitao kolika je verovatnost

da e baena igla pasti preko crte oznaene na
slici zelenom bojom. To e se dogoditi samo
kad je A< lsin

Relativni poloaj igle u odnosu na oblinje linije moe se ospisati pomou sluajnog vektora ije su
komponente Sluajni vektor (A, ) ravna se prema uniformalnoj distribuciji na
prostoru [0,d] X[0, ]. U sladu sa time, ima funkcija gustoe vrednosti 1ld

Verovatnost da e igla sei horizontalnu liniju data je integralom

4
Ovaj integral lako se rei i za rezultat se dobije verovatnost

verovatnost

Inspirisan Buffonovim eksperimentom, veliki matematiar Laplace uoio je zanimljiv nain

aproksimiranja broja . Polazi se od pretpostavke da se u buffonovom eksperimentu igla
baca n puta. Neka je tada M sluajna varijabla koja izraava broj pojave dogaaja kad je igla
sekla horizontalnu liniju. Tada je:

verovatnost = E(M)/n

Gde E prestavlja oekivanje. Valja primetiti da formula (2) i (3) prikazuju istu vrevoatnost.
Izjednaavanjem tih dve formule, te sreivanjem dobijamo izraz za

To znai da izraz

Prestavlja statistiku procenjenu vrednost broja . Ako se igla baca n puta i linije se presee
m puta, onda se u izrazu (5) za vrednost sluajne varijable M uzima vrednost m.

Godine 1864. Kapetan O. C. Fox zaokupio se Buffonovim eksperimentom i zveo je tri vrste
merenje. Njegov rezultati prikazani su tablicom na slici 2.

5
 Slika 2. Pokazani su rezultati tri Foxova merenja. U
druga dva merenja Fox je izmeu bacanja rotirao
povrinu na koju je bacao iglu.

Foxovi rezultati pokazali su dve vane karakteristike Monte Karlo metode. Nakon to je
dobio lou aproksimaciju broja u prvom merenju, Fox je izmenio sledea merenja tako
to je rotirao povinu na koju je bacao iglu. Time je eleo ukloniti pristranost koja je
proizlazila iz njegovog poloaja pri bacanju igle. Rezultat sledeih merenja znatno su se
poboljali. Ista tenja da se ukloni pristranost postoji i danas prilikom programskih
implementacija Monte Karlo metode na raunaru. U raunarima pristranost proizilazi is
neprikladnih generatora pseudosluajnih brojeva. Prilikom treeg merenja, Fox je koristio
iglu 5 cm i meusobnu udaljenost udaljenost linija postavio je na 2 cm. Tako je igla u
jednom bacanju mogla sei tri linije.

Ovim primerom pokazano je jo jedno vano svojstvo Monte Karlove metode, koje esto
ostane ne zapaeno. Obino kada se prvi puta koristi Monte Carlovu metodu, stekne se
utisak da se metodu moe koristiti samo za rjeavanje problema sa verovatnoom (kao
recimo za vremensku prognozu). Ta se pretpostavka stvara zbog odabiranja sluajnog
uzorka koji se koristi za izraune. Meutim ovaj primjer pokazuje da je primjena ove
metode puno ira.

6
Raunanje broja

i na izlazu dobijamo

7
Zakljuak

Ovim primerom pokazano je jo jedno vano svojstvo Monte Karlove metode, koje esto
ostane ne zapaeno. Obino kada se prvi puta koristi Monte Carlovu metodu, stekne se
utisak da se metodu moe koristiti samo za rjeavanje problema sa verovatnoom (kao
recimo za vremensku prognozu). Ta se pretpostavka stvara zbog odabiranja sluajnog
uzorka koji se koristi za izraune. Meutim ovaj primjer pokazuje da je primjena ove
metode puno ira.