蒙特卡罗方法（Monte Carlo method），又称随机抽样或统计模拟方法，是一种以概率统计理论为指导的一类非常重要的数值计算方法。蒙特卡罗方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。

     蒙特卡罗方法的基本原理及思想如下：当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过某种“实验”的方法，以这种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。

     一、蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。蒙特卡罗方法与一般计算方法有很大区别，一般计算方法对于解决多维或因素复杂的问题非常困难，而蒙特卡罗方法对于解决这方面的问题却比较简单。其特点如下：I、直接追踪粒子，物理思路清晰，易于理解。II、采用随机抽样的方法，较真切的模拟粒子输运的过程，反映了统计涨落的规律。III、不受系统多维、多因素等复杂性的限制，是解决复杂系统粒子输运问题的好方法。

     二、数据拟合、参数估计、插值等数据处理算法我们通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具。数据拟合在数学建模比赛中中有应用，与图形处理有关的问题很多与拟合有关系，观察数据的走向进行处理。此类问题在MATLAB 中有很多现成的函数可以调用，熟悉MATLAB，这些方法都能游刃有余的用好。

     三、线性规划、整数规划、多元规划、二次规划等规划类问题

     数学规划是数学建模中常用的，不少的模型都可以归结为一组不等式作为约束条件、几个函数表达式作为目标函数的问题，通常用 Lindo 、 Lingo 等软件来进行解决。