没有合适的资源?快使用搜索试试~ 我知道了~
15物院弘毅 陈亦林 计算物理期末论文-关于随机行走和扩散过程的研究和模拟1
需积分: 0 3 下载量 163 浏览量
2022-08-03
18:10:21
上传
评论 1
收藏 1.16MB PDF 举报
温馨提示
试读
13页
摘要:本次实验中主要是通过Python语言编程对随机行走过程和扩散过程进行了研究和模拟。考虑和模拟了一维和二维的随机行走的具体过程和粒子与原点的距离的平均值,以
资源推荐
资源详情
资源评论
FINAL TERM OF COMPUTATIONAL PHYSICS
- 1 -
关于随机行走和扩散过程的研究和模拟
陈亦林
(武汉大学 物理科学与技术学院 15 级弘毅班,2015301020152)
摘 要: 本次实验中主要是通过 Python 语言编程对随机行走过程和扩散过程进行了研究和模拟。考虑和
模拟了一维和二维的随机行走的具体过程和粒子与原点的距离的平均值,以及距离的平方的平均值与步长
的关系。并且讨论了相同和不同的方向概率对其的影响。对于扩散过程,通过数学推导,得出了多维扩散
方程的形式,以及各维度中粒子距离原点的距离与时间(步数)的关系满足高斯分布的结论,并且对其中
的具体影响因素进行了讨论。最后还根据书上的公式,简单的讨论了一下二维扩散体系的熵随时间的变化。
关键词: 随机行走;扩散过程;高斯分布;熵;Python
Study and Simulation of Random Walk
and Diffusion
Yilin Chen
(Hongyi Class,School of Physics and Technology ,Wuhan University, 2015301020152)
Abstract: The random walk and diffusion are studied and simulated mainly through Python in this experiment.
I have considered and simulated the specific process of one dimensional and two-dimensional random walk,
the mean distance between particles and the origin, and the relationship between the mean value of distance
and the step numbers. For the diffusion process, the form of multidimensional diffusion equation is obtained
by mathematical deduction, and the relationship between the distance from the origin and the time (step number)
in each dimension satisfies the Gauss Distribution, and the specific influencing factors are discussed. Finally,
according to the formula in the book, we simply discuss the change of entropy with time in the two-dimensional
diffusion system.
Key words: Random Walk;Diffusion;Gaussian Distribution;Entropy;Python
一.引言
英国植物学家布朗(Robert Brown)发现浸没在液体中的花粉颗粒做无规则的运动,此现象后被
命名为布朗运动,一个基于随机行走概念的数学理论即将出现。爱因斯坦(Albert Einstein)于 1905 年
解释了布朗运动的原因,认为花粉粒子受到周围介质分子撞击的不均匀性造成了布朗运动。
“随机行走”最初由 Karl Pearson 在 1905 年提出。从数学角度来看,布朗运动是一个随机行走
过程(Random Walk)。具体的说,是连续时间、连续状态空间的马尔科夫过程。而随机行走过程在
其它许多领域有着十分重要的应用。而经典的扩散过程(Diffusion),包括扩散方程在内,也是可
以基于随机行走理论导出的。
FINAL TERM OF COMPUTATIONAL PHYSICS
2
二. 随机行走
2.1 基本模型
以一维情况为例,假设一个人在 x 轴上作一维的随机行走, 初始位置在原点。他只有两个运动
方向:向左或向右。并且设其每次移动步长为 1,
是一个随机变量,并且令:
=
1 第步向右行走
−1 第步向左行走
( i=1,2,3…) (1)
且第 i 此运动向左和向右的概率分别为:
(
=1)= ,(
=1)= (2)
显然p + q = 1,该人第 n 次移动后所在的位置设为
,则有:
=
=
(3)
该人经历 n 次移动后,其距离原点的平均距离为<x>,则有:
〈〉=(
)=
=
=(
)
=
=(−)=(2−1) (4)
即<x>与 n 成正比。
该人经历 n 次移动后,其距离原点的平均距离为<x
2
>,则有:
〈
〉=(
)=(2−1)
+4(1−) (5)
可以由上式看出:当 p=q=0.5 时,<x
2
>=n;当 p 与 q 不相等时,<x
2
>是 n 的二次函数。
2.2 一维随机行走
2.2-1 一维随机行走,向左向右等概率时
对于一维随机行走,当 p=q=0.5 时,由于设置步长为 1,因此用步数代指时间。
首先做出三次随机行走的 x(人与原点距离)与 t(时间/步数)的关系图,如下:
图 1 一维随机行走 x-t 图
FINAL TERM OF COMPUTATIONAL PHYSICS
3
由上图可以看出,这三次完全独立随机行走,人距离原点的距离与步数的关系是完全杂乱无章,
看似没有规律的。
接下来考察多个人的情况,增加行走的人相当于对于一个人增加其随机行走的次数。其与原点
的距离的平均值在不同实验次数下与步数的关系图:
上图中分别考察了 100 个,500 个,2000 个,10000 个人进行相互独立的一维随机行走,其与
原点的平均距离与步数的关系。根据之前的理论推导,其理论值为:
〈〉=(2−1)
当 p=0.5 时
〈〉=0
即其与原点的平均距离在多次实验下,应该在 0 附近小幅度变动,无论步数是多少。
上面四条曲线表面,随着试验次数的不断增加,〈〉的指逐渐趋于 0。其从 100 次的偏离很大,
到 10000 次时基本在 0 附近做很小的偏离。很好的符合了理论预测。
图 2 一维随机行走<x>-t 图
剩余12页未读,继续阅读
资源评论
我就是月下
- 粉丝: 26
- 资源: 336
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功