蒙特卡洛模拟电动汽车充电matlab

1、如何用MATLAB蒙特卡洛模拟出电动汽车，程序不会写，哪位大神能告诉告诉我

我有一个现成的，需要的话给你，是用canny算子提取边缘轮廓的

2、如何使用MATLAB进行蒙特卡洛模拟 小小知识站

贴一个蒙特卡洛方法的matlab程序，供大家使用。 {3 x& K/ i1 i( D8 C0 c$ O % Example Monte Carlo Simulation in Matlab 0 O5 \; P" t# t7 v8 c& @ % Function: y = x2^/x1 5 Z0 W4 e9 q, d5 B+ c % % Generate n samples from a normal distribution 4 s! c6 y, I6 H" d) K+ v. Y; X: Q % r = ( randn(n,1) * sd ) + mu 4 U F* Q) t, T# q* w/ K' Q % mu : mean / E( P8 U" c* o! G8 s/ x % sd : standard deviation % % Generate n samples from a uniform distribution 2 u# ^& K. [0 z% F) @1 y % r = a + rand(n,1) * (b-a) - D+ }& U$ w- M9 @& Q9 W, Z % a : minimum % b : maximum n = 100000; % The number of function evaluations 7 x5 a" @- F& O- Z; w5 j % --- Generate vectors of random inputs ! K& x0 ^# X+ q( V6 { % x1 ~ Normal distribution N(mean=100,sd=5) % x2 ~ Uniform distribution U(a=5,b=15) x1 = ( randn(n,1) * 5 ) + 100; 2 B' l3 n) V) D$ ~ x2 = 5 + rand(n,1) * ( 15 - 5 ); \: O: Y( w3 [9 d: V4 r( k4 { % --- Run the simulation % Note the use of element-wise multiplication - ~% x$ `7 A6 v9 R* F y = x2.^2 ./ x1; ' g$ O7 U; R* F% ` % --- Create a histogram of the results (50 bins) hist(y,50); / M9 m+ s( [* w" J2 I% s/ X % --- Calculate summary statistics y_mean = mean(y) y_std = std(y) ; R7 A2 y M/ T" p, h* m y_median = median(y)

3、如何使用MATLAB进行蒙特卡洛模拟

蒙特卡洛方法于MATLAB中的使用 以我目前粗浅的理解 就是给定参数范围 利用for等循环语句 来进行大量次数的模拟 得出最接近理想值的结果

4、matlab如何实现蒙特卡洛算法？

1、打开MATLAB软件，来如图所示，输入一源下指令。

2、它会提示你没有找到，这个帮助，接着，我们会看到一行蓝色的连接，如图中所示，我们点击进去。

3、接着就会跳出一个界面，如图所示，等待完成搜索，就可以看到MATLAB中所有与之相关的信息。

4、接着，我们可以单击右上方的“在命令框运行”。

5、接着，在命令窗口，会出现很多句英文的提示；然后会看到一个"***.m"；单击进去。

6、会出来一个脚本提示，如图所示；我们单击运行该脚本。

5、对于一个蒙特卡洛算法的matlab程序实现（见下文），哪一行是实现随机数不断生成进行模拟的呢？

randn('state', 0);是用来生成随机数的

地下是相关的一些介绍。
RAND('state',0) resets the generator to its initial state.
RAND('state',J), for integer J, resets the generator to its J-th state.
RAND('state',J) and RAND('state',S) cause the MATLAB 5 generator to be used.
你可以内看matlab里面的help文档撒。容

6、用matlab结合 蒙特卡洛法 生成随机数

clear
y=random('Normal',70,16.667,1,100000);
x=round(y);
r=minmax(x);
t=r(1):1:r(2);
for i=1:1:(r(2)-r(1)+1)
  num(i)=sum(x(:)==t(i));
end
plot(t,num,'*')

7、怎样用matlab实现蒙特卡洛仿真

贴一个蒙特卡洛方法的matlab程序，供大家使用。

{3 x& K/ i1 i( D8 C0 c$ O
% Example Monte Carlo Simulation in Matlab 0 O5 \; P" t# t7 v8 c& @
% Function: y = x2^2/x1 5 Z0 W4 e9 q, d5 B+ c
%
% Generate n samples from a normal distribution 4 s! c6 y, I6 H" d) K+ v. Y; X: Q
% r = ( randn(n,1) * sd ) + mu 4 U F* Q) t, T# q* w/ K' Q
% mu : mean / E( P8 U" c* o! G8 s/ x
% sd : standard deviation
%
% Generate n samples from a uniform distribution 2 u# ^& K. [0 z% F) @1 y
% r = a + rand(n,1) * (b-a) - D+ }& U$ w- M9 @& Q9 W, Z
% a : minimum
% b : maximum
n = 100000; % The number of function evaluations 7 x5 a" @- F& O- Z; w5 j
% --- Generate vectors of random inputs ! K& x0 ^# X+ q( V6 {
% x1 ~ Normal distribution N(mean=100,sd=5)
% x2 ~ Uniform distribution U(a=5,b=15)
x1 = ( randn(n,1) * 5 ) + 100; 2 B' l3 n) V) D$ ~
x2 = 5 + rand(n,1) * ( 15 - 5 ); \: O: Y( w3 [9 d: V4 r( k4 {
% --- Run the simulation
% Note the use of element-wise multiplication - ~% x$ `7 A6 v9 R* F
y = x2.^2 ./ x1; ' g$ O7 U; R* F% `
% --- Create a histogram of the results (50 bins)
hist(y,50); / M9 m+ s( [* w" J2 I% s/ X
% --- Calculate summary statistics
y_mean = mean(y)
y_std = std(y) ; R7 A2 y M/ T" p, h* m
y_median = median(y)

8、用matlab进行蒙特卡洛模拟，模拟服从二维正态分布，求高手帮忙，十分感谢

用randn()可以生成高斯分布的随机数。
不过只有先生成随机数才有方差和均值，反过来版可难了。

也只能使均值和方权差近似等于0和6，
用下面方法：
x=randn(1,100)*sqrt(6);
while abs(mean(x))>=0.01 | abs(var(x)-6)>=0.01
x=randn(1,100)*sqrt(6);
end

这样生成的随机数列x，平均值约等于0，方差越等于6，误差不超过0.01。
当然你也可以把精度调得更高一些，但很可能很久都找不到合适的随机数。

mean()是求平均值，var()是求方差，
取随机数之后乘以sqrt(6)是因为randn()取出的随机数方差在1左右，所以要放大一下。

还有随机数的个数我这里是100个，你可以随意修改。

9、如何使用MATLAB进行蒙特卡洛模拟

蒙特卡洛方法于MATLAB中的使用
以我目前粗浅的理解
就是给定参数范围
利用for等循环语句
来进行大量次数的模拟
得出最接近理想值的结果

10、matlab蒙特卡洛模拟程序是什么？

蒙特卡洛模拟法求解步骤应用此方法求解工程技术问题可以分为两类:确定性问题内和容随机性问题。解题步骤如下：

根据提出的问题构造一个简单、适用的概率模型或随机模型，使问题的解对应于该模型中随机变量的某些特征（如概率、均值和方差等），所构造的模型在主要特征参量方面要与实际问题或系统相一致

2 .根据模型中各个随机变量的分布，在计算机上产生随机数，实现一次模拟过程所需的足够数量的随机数。通常先产生均匀分布的随机数，然后生成服从某一分布的随机数，方可进行随机模拟试验。

3. 根据概率模型的特点和随机变量的分布特性，设计和选取合适的抽样方法，并对每个随机变量进行抽样（包括直接抽样、分层抽样、相关抽样、重要抽样等）。

4.按照所建立的模型进行仿真试验、计算，求出问题的随机解。

5. 统计分析模拟试验结果，给出问题的概率解以及解的精度估计。