蒙特卡罗简介
蒙特卡罗方法（英语：Monte Carlo method），也称统计类比方法，是1940年代中期由于科学技术的发展和电脑的发明，而提出的一种以机率统计理论为指导的数值计算方法。是指使用乱数（或更常见的伪乱数）来解决很多计算问题的方法。
20世纪40年代，在科学家冯·纽曼、斯塔尼斯拉夫·乌拉姆和尼古拉斯·梅特罗波利斯于洛斯阿拉莫斯国家实验室为核武器计划工作时，发明了蒙特卡罗方法。因为乌拉姆的叔叔经常在摩纳哥的蒙特卡罗赌场输钱得名，而蒙特卡罗方法正是以机率为基础的方法。
与蒙特卡罗方法对应的是确定性演算法。确定性演算法方法过程是先对问题建立数学模型，然后通过数据工具计算问题的解。而蒙特卡罗方法则也是先建立数学模型，而求解过程不是精确计算，而是通过采样统计近似求解。
蒙特卡罗能干什么
通常蒙特卡罗方法可以粗略地分成两类：
一类是所求解的问题本身具有内在的随机性，借助电脑的运算能力可以直接类比这种随机的过程。例如我们要计算一个爆竹爆炸之后纸片落地点的概率分布。可以燃放一批爆竹，然后记录每次燃放后爆竹的落地点，最后统计所有实验结果估算出概率分布。
另一种类型是所求解问题可以转化为某种随机分布的特征变量，比如随机事件出现的机率，或者随机变数的期望值。通过随机抽样的方法，以随机事件出现的频率估计其机率，或者以抽样的数字特征估算随机变数的数字特征，并将其作为问题的解。例如我们要计算一个单位正方形内一个不规则图形的面积，可以随机往正方形中抛沙，最后统计在图形内沙子数量，图形面积=图形内沙子数量/总沙子数量。
在机器学习中的应用
蒙地卡罗演算法也常用于机器学习，特别是强化学习的求解中。一般情况下，针对得到的样本集建立相对模糊的模型，通过蒙地卡罗方法对于模型中的参数进行估计，例如对将来行为进行采样，估计当前策略下的长期回报。
参考文献
[1] https://zh.wikipedia.org/wiki/%E8%92%99%E5%9C%B0%E5%8D%A1%E7%BE%85%E6%96%B9%E6%B3%95