https://pydocument.hatenablog.com/entry/2023/04/13/000204

モンテカルロ法は、乱数を用いて数値計算やシミュレーションを行う手法の総称です。確率的な現象の解析や、解析的に解くことが難しい問題の近似解を求める際に用いられます。

[PR]

click.linksynergy.com

SimPyとは

SimPyは、Pythonで離散事象シミュレーションを行うためのライブラリです。プロセス間の相互作用やリソースの共有など、複雑なシステムの振る舞いをモデル化し、シミュレーションすることができます。モンテカルロ法のような、乱数を用いたシミュレーションにも利用できます。

SimPyのインストール

SimPyはpipコマンドで簡単にインストールできます。

pip install simpy

モンテカルロシミュレーションの実装

以下のようなルールのサイコロゲームのシミュレーションをPythonで実装していきます。

ルール

サイコロを1回振る
出目に応じて得点を計算する
- 1が出たら-1点
- 2か3が出たら+1点
- 4, 5, 6が出たら+2点
上記を多数回繰り返し、最終的な得点の分布を確認する

出目	得点
1	-1
2	+1
3	+1
4	+2
5	+2
6	+2

基本的な実装

まず、SimPyを使わずに、基本的なロジックを実装します。

import random

def roll_dice():
    return random.randint(1, 6)

def calculate_score(number):
    if number == 1:
        return -1
    elif number <= 3:
        return 1
    else:
        return 2

def simulate_game(num_trials):
    total_score = 0
    for _ in range(num_trials):
        total_score += calculate_score(roll_dice())
    return total_score

final_score = simulate_game(1000)
print(f"Final score after 1000 trials: {final_score}")

random.randint(1, 6) で1から6のサイコロの目をシミュレートします。
calculate_score関数で出目に応じた得点を計算します。
simulate_game関数で指定回数シミュレーションを繰り返し、総得点を計算します。

SimPyを使った実装

次に、SimPyを用いて、時間経過の概念を取り入れ、より現実に近いシミュレーションを行います。

import simpy
import random

def dice_game(env, num_trials):
    total_score = 0
    for i in range(num_trials):
        yield env.timeout(1)  # 1単位時間経過
        number = random.randint(1, 6)
        total_score += calculate_score(number)
    print(f"Final score after {num_trials} trials: {total_score}")

env = simpy.Environment()
env.process(dice_game(env, 1000))
env.run()