Nader M.A.穆罕默德。 生成麦克斯韦随机变量的有效算法。 （英语） Zbl 1252.82009年 《统计物理学杂志》。 145，第6期，1653-1660（2011）. 小结：从麦克斯韦分布中导出了一种快速、易于实现和高效的采样算法。该算法基于拒绝接受抽样方法，使用简单指数衰减函数作为Maxwell分布的包络函数。与直接算法和Johnk算法相比，派生算法每次迭代所需的随机数更少，每次采样所消耗的随机数也更少，所需的计算函数也更少。该算法的速度约为直接算法的1.6倍，约为Johnk算法的1.5倍。由于所提出的麦克斯韦分布抽样算法效率高、速度快，瓦特随机变量可以通过对所提出算法生成的麦克斯韦尔随机变量进行变换而生成。使用该算法生成瓦特随机变量的速度约为Kalos算法的1.1倍。 MSC公司： 82-08 计算方法（统计力学）（MSC2010） 82B80型 平衡统计力学中的数值方法（MSC2010） 65二氧化碳 蒙特卡罗方法 65立方厘米 数值分析中的随机数生成 关键词：拒收验收抽样;生成麦克斯韦随机变量 软件：AS 241标准;MCNP公司 PDF格式BibTeX公司 XML格式引用 \textit{N.M.A.Mohamed}，J.Stat.Phys.杂志。145，第6号，1653--1660（2011；Zbl 1252.82009） 全文： 内政部 参考文献： [1] Lamarch，J.R.：《核工程导论》，Addison-Wesley，Reading（1983） [2] X-5蒙特卡洛团队。MCNP–通用蒙特卡罗N粒子输运代码，版本5。洛斯阿拉莫斯国家实验室（2003） [3] Devroye，L.：非均匀随机变量生成。柏林施普林格（1986）·Zbl 0593.65005号 [4] Bielajew，A.F.：中性粒子和带电粒子输运的蒙特卡罗方法基础。密歇根大学安娜堡分校（2001年） [5] Kalos，M.H.，Whitlock，P.A.：蒙特卡罗方法。威利，纽约（1986） [6] Thomas，D.B.，Luk，W.：具有任意分布的随机变量的有效硬件生成。摘自：第14届IEEE现场可编程定制计算机年会（FCCM’06）。IEEE，纽约（2006） [7] Wichura，M.J.：算法AS 241：正态分布的百分点。申请。统计师。37(3), 477–484 (1988) ·数字对象标识代码：10.2307/2347330 [8] Fog，A.：取样方法。http://www.agner.org/random (2008) ·Zbl 1138.62008号 [9] Sun，Q.，Fan，J.，Boyd，I.D.：直接模拟蒙特卡罗方法的改进采样技术。计算&；液体38、475–479（2009）·Zbl 1237.76147号 ·doi:10.1016/j.compfluid.2008.04.010 [10] Everett，C.J.，Cashwell，E.D.：第三个蒙特卡洛采样器，LA-9721-MS.洛斯阿拉莫斯国家实验室（1983） [11] Walck，C.：实验学家统计分布手册。斯德哥尔摩大学（2007） [12] Box，G.E.P.，Muller，M.E.：关于随机偏差生成的注释。安。数学。统计师。29, 610 (1956) ·Zbl 0085.13720号 ·doi:10.1214/aoms/1177706645 [13] Brown，F.B.：讲座：蒙特卡洛进展与；挑战。2005年8月24日至9月2日，德国卡尔斯鲁厄，弗雷德里克·乔利奥特/奥托·哈恩暑期学校 [14] 瓦特，B.E.：U235热裂变中子的能谱。物理学。修订版87（6），1037-1041（1952）·doi:10.1103/PhysRev.87.1037 [15] Kalos，M.H.，Naksche，R.，Celnik，J.：反应堆计算中的蒙特卡罗方法，反应堆物理中的计算方法。Gordon and Breach，纽约（1968） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。