16.몬테카를로 시뮬레이션(Monte Carlo Simulation)

Q. 확률적 방법중 몬테카를로 시뮬레이션(Monte Carlo Simulation) 이란 무엇인가요

 

몬테 카를로 시뮬레이션은, 모든 경우의 수를 다 고려하기 힘든 상황에서 (포커, 물리학, 금융 등), 시뮬레이션을 통해
확률을 추정하기 위해 사용됩니다.

예를 들자면, 포커 게임의 승률을 계산하는 것은 매우 복잡하다 (모든 경우의 수를 전부 고려해야 함). 하지만 포커 게임의
규칙은 단순하고, 이를 바탕으로 게임 시뮬레이션을 돌릴 수 있다.

어떤 플레이어A가 다른 플레이어를 (수많은) 시뮬레이션에서 대략 60%정도 이겼다면, A의 승률 또한 60%정도로 추정할
수 있음. 다만 시뮬레이션은 현실의 모든 가능성을 고려할 수 없음 (선수가 감기에 걸리는 등).

 

 

예: 포커게임의 승률은?

포커게임규칙은 간단하고 시뮬레이션은 비교적 간단. 복잡한 확률계산없이.

•예를 들자면,

•A와 유사한 실력을 가진 포커 인공지능과

•상대방과 유사한 실력을 가진 인공지능 둘을 준비

•그리고 이 둘의 경기를 매우 많은 횟수로 시뮬레이션함

•이후 A와 비슷한 실력을 가진 인공지능이 60%의 확률로 이겼다면

•실제로 A가 이길 확률로 60%와 비슷할 것

 

 

 

몬테 카를로 시뮬레이션은, 모든 경우의 수를 다 고려하기 힘든 상황에서 (포커, 물리학, 금융 등), 시뮬레이션을 통해
확률을 추정하기 위해 사용됩니다.

예를 들자면, 포커 게임의 승률을 계산하는 것은 매우 복잡하다 (모든 경우의 수를 전부 고려해야 함). 하지만 포커 게임의
규칙은 단순하고, 이를 바탕으로 게임 시뮬레이션을 돌릴 수 있다.

어떤 플레이어A가 다른 플레이어를 (수많은) 시뮬레이션에서 대략 60%정도 이겼다면, A의 승률 또한 60%정도로 추정할
수 있음. 다만 시뮬레이션은 현실의 모든 가능성을 고려할 수 없음 (선수가 감기에 걸리는 등). 변수가 있을수있음

 

Greedy : 단기적으로(현재상황에서) 가장 유리한 선택지를 고르는것