Metode Monte Carlo: Perbedaan antara revisi
k Bot: Perubahan kosmetika |
|||
Baris 3: | Baris 3: | ||
<!--They are distinguished from other simulation methods (such as [[molecular dynamics]]) by being [[stochastic]], that is [[nondeterministic]] in some manner - usually by using [[random number]]s (or more often [[pseudo-random number]]s) - as opposed to [[deterministic algorithm]]s. --> |
<!--They are distinguished from other simulation methods (such as [[molecular dynamics]]) by being [[stochastic]], that is [[nondeterministic]] in some manner - usually by using [[random number]]s (or more often [[pseudo-random number]]s) - as opposed to [[deterministic algorithm]]s. --> |
||
Metode Monte Carlo sangat penting dalam [[fisika komputasi]] dan bidang terapan lainnya, dan memiliki aplikasi yang beragam mulai dari perhitungan [[kromodinamika kuantum]] esoterik hingga perancangan aerodinamika. Metode ini terbukti efisien dalam memecahkan persamaan diferensial integral medan radians, sehingga metode ini digunakan dalam perhitungan [[iluminasi global]] yang menghasilkan gambar-gambar fotorealistik model tiga dimensi, dimana diterapkan dalam [[video games]], [[arsitektur]], [[perancangan]], [[film]] yang dihasilkan oleh komputer, efek-efek khusus dalam film, bisnis, ekonomi, dan bidang lainnya. |
Metode Monte Carlo sangat penting dalam [[fisika komputasi]] dan bidang terapan lainnya, dan memiliki aplikasi yang beragam mulai dari perhitungan [[kromodinamika kuantum]] esoterik hingga perancangan aerodinamika. Metode ini terbukti efisien dalam memecahkan persamaan diferensial integral medan radians, sehingga metode ini digunakan dalam perhitungan [[iluminasi global]] yang menghasilkan gambar-gambar fotorealistik model tiga dimensi, dimana diterapkan dalam [[video games]], [[arsitektur]], [[perancangan]], [[film]] yang dihasilkan oleh komputer, efek-efek khusus dalam film, bisnis, ekonomi, dan bidang lainnya. |
||
<!--Interestingly, the Monte Carlo method does not require truly random numbers to be useful. Much of the most useful techniques use deterministic, pseudo-random sequences, making it easy to test and re-run simulations. The only quality usually necessary to make good [[simulation]]s is for the pseudo-random sequence to appear "random enough" in a certain sense. That is that they must either be [[uniform distribution|uniformly distributed]] or follow another desired distribution when a large enough number of elements of the sequence are considered.--> |
<!--Interestingly, the Monte Carlo method does not require truly random numbers to be useful. Much of the most useful techniques use deterministic, pseudo-random sequences, making it easy to test and re-run simulations. The only quality usually necessary to make good [[simulation]]s is for the pseudo-random sequence to appear "random enough" in a certain sense. That is that they must either be [[uniform distribution|uniformly distributed]] or follow another desired distribution when a large enough number of elements of the sequence are considered.--> |
||
Karena algoritma ini memerlukan pengulangan (repetisi) dan perhitungan yang amat kompleks, metode Monte Carlo pada umumnya dilakukan menggunakan [[komputer]], dan memakai berbagai teknik [[simulasi komputer]]. |
Karena algoritma ini memerlukan pengulangan (repetisi) dan perhitungan yang amat kompleks, metode Monte Carlo pada umumnya dilakukan menggunakan [[komputer]], dan memakai berbagai teknik [[simulasi komputer]]. |
||
'''Algoritma Monte Carlo''' adalah metode Monte Carlo numerik yang digunakan untuk menemukan solusi problem matematis (yang dapat terdiri dari banyak variabel) yang susah dipecahkan, misalnya dengan [[kalkulus integral]], atau metode numerik lainnya. |
'''Algoritma Monte Carlo''' adalah metode Monte Carlo numerik yang digunakan untuk menemukan solusi problem matematis (yang dapat terdiri dari banyak variabel) yang susah dipecahkan, misalnya dengan [[kalkulus integral]], atau metode numerik lainnya. |
||
== Sejarah == |
== Sejarah == |
Revisi per 30 Januari 2017 02.09
Metode Monte Carlo adalah algoritma komputasi untuk mensimulasikan berbagai perilaku sistem fisika dan matematika. Penggunaan klasik metode ini adalah untuk mengevaluasi integral definit, terutama integral multidimensi dengan syarat dan batasan yang rumit.
Metode Monte Carlo sangat penting dalam fisika komputasi dan bidang terapan lainnya, dan memiliki aplikasi yang beragam mulai dari perhitungan kromodinamika kuantum esoterik hingga perancangan aerodinamika. Metode ini terbukti efisien dalam memecahkan persamaan diferensial integral medan radians, sehingga metode ini digunakan dalam perhitungan iluminasi global yang menghasilkan gambar-gambar fotorealistik model tiga dimensi, dimana diterapkan dalam video games, arsitektur, perancangan, film yang dihasilkan oleh komputer, efek-efek khusus dalam film, bisnis, ekonomi, dan bidang lainnya.
Karena algoritma ini memerlukan pengulangan (repetisi) dan perhitungan yang amat kompleks, metode Monte Carlo pada umumnya dilakukan menggunakan komputer, dan memakai berbagai teknik simulasi komputer.
Algoritma Monte Carlo adalah metode Monte Carlo numerik yang digunakan untuk menemukan solusi problem matematis (yang dapat terdiri dari banyak variabel) yang susah dipecahkan, misalnya dengan kalkulus integral, atau metode numerik lainnya.
Sejarah
Metode Monte Carlo digunakan dengan istilah sampling statistik. Penggunaan nama Monte Carlo, yang dipopulerkan oleh para pioner bidang tersebut (termasuk Stanislaw Marcin Ulam, Enrico Fermi, John von Neumann dan Nicholas Metropolis), merupakan nama kasino terkemuka di Monako. Penggunaan keacakan dan sifat pengulangan proses mirip dengan aktivitas yang dilakukan pada sebuah kasino. Dalam autobiografinya Adventures of a Mathematician, Stanislaw Marcin Ulam menyatakan bahwa metode tersebut dinamakan untuk menghormati pamannya yang seorang penjudi, atas saran Metropolis.
Penggunaannya yang cukup dikenal adalah oleh Enrico Fermi pada tahun 1930, ketika ia menggunakan metode acak untuk menghitung sifat-sifat neutron yang waktu itu baru saja ditemukan. Metode Monte Carlo merupakan simulasi inti yang digunakan dalam Manhattan Project, meski waktu itu masih menggunakan oleh peralatan komputasi yang sangat sederhana. Sejak digunakannya komputer elektronik pada tahun 1945, Monte Carlo mulai dipelajari secara mendalam. Pada tahun 1950-an, metode ini digunakan di Laboratorium Nasional Los Alamos untuk penelitian awal pengembangan bom hidrogen, dan kemudian sangat populer dalam bidang fisika dan riset operasi. Rand Corporation]]an Angkatan Udara AS merupakan dua institusi utama yang bertanggung jawab dalam pendanaan dan penyebaran informasi mengenai Monte Carlo waktu itu, dan mereka mulai menemukan aplikasinya dalam berbagai bidang.
Penggunaan metode Monte Carlo memerlukan sejumlah besar bilangan acak, dan hal tersebut semakin mudah dengan perkembangan pembangkit bilangan pseudoacak, yang jauh lebih cepat dan praktis dibandingkan dengan metode sebelumnya yang menggunakan tabel bilangan acak untuk sampling statistik.
Aplikasi metode Monte Carlo
- Grafis, terutama untuk ray tracing
- Permodelan transportasi ringan dalam jaringan multi lapis / multi-layered tissues (MCML)
- Metode Monte Carlo dalam bidang finansial
- Simulasi prediksi struktur protein
- Dalam riset peralatan semikonduktor, untuk memodelkan transportasi pembawa arus
- Pemetaan genetik yang melibatkan ratusan penanda genetik dan analisis QTL
Referensi
- Bernd A. Berg, Markov Chain Monte Carlo Simulations and Their Statistical Analysis (With Web-Based Fortran Code), World Scientific 2004, ISBN 981-238-935-0.
- P. Kevin MacKeown, Stochastic Simulation in Physics, 1997, ISBN 981-3083-26-3
- Harvey Gould & Jan Tobochnik, An Introduction to Computer Simulation Methods, Part 2, Applications to Physical Systems, 1988, ISBN 0-201-16504-X
- C.P. Robert and G. Casella. "Monte Carlo Statistical Methods" (second edition). New York: Springer-Verlag, 2004, ISBN 0-387-21239-6
- Pembuat paket komersial yang mengimplementasikan algoritma Monte Carlo algorithms, Palisade Corporation (@Risk), Decisioneering (Crystal Ball) dan Vanguard Software (DecisionPro)
- Mosegaard, Klaus., and Tarantola, Albert, 1995. Monte Carlo sampling of solutions to inverse problems. J. Geophys. Res., 100, B7, 12431-12447.
- Tarantola, Albert, Inverse Problem Theory (versi PDF bebas), Society for Industrial and Applied Mathematics, 2005. ISBN 0-89871-572-5