超立方体上的数值积分：求高效计算[0,1)^d积分的工具库

• Boost.Math 蒙特卡洛积分模块
  Boost的蒙特卡洛积分天生支持任意维度，靠随机采样而非规则网格，速度比你现在用的方法快得多，完全符合你优先速度的需求。它能直接接受带&捕获的lambda，只要lambda的参数能匹配输入的点类型（比如const std::array<double, d>&），调用起来也没什么复杂配置，拿来就能用。

• GSL 蒙特卡洛积分
  GNU科学库的蒙特卡洛积分同样适配任意维度，核心也是随机采样，速度表现出色。对于带捕获的lambda，你可以用std::function把lambda包一下，就能适配GSL的函数接口，或者直接利用C++11+的特性把lambda转成可调用对象传入，满足你的函数要求。

• 自己写极简蒙特卡洛实现
  如果不想依赖第三方库，手动写个蒙特卡洛积分也超简单高效：生成N个[0,1)^d里的随机点，算每个点的函数值取平均就行（因为区域体积是1，不用额外乘系数）。这种实现完全可控，速度拉满，而且天然支持带捕获的lambda——直接把lambda传进去就行。给个示例代码：

  #include <random>
  #include <functional>
  #include <array>
  
  template <size_t D>
  double fast_monte_carlo(const std::function<double(const std::array<double, D>&)>& func, size_t num_samples) {
      std::random_device rd;
      std::mt19937 gen(rd());
      std::uniform_real_distribution<double> dist(0.0, 1.0);
      double sum = 0.0;
      for (size_t i = 0; i < num_samples; ++i) {
          std::array<double, D> point;
          for (auto& coord : point) {
              coord = dist(gen);
          }
          sum += func(point);
      }
      return sum / num_samples;
  }
  

  调用的时候直接传带捕获的lambda：

  double weight = 3.5;
  auto result = fast_monte_carlo<4>([&](const std::array<double, 4>& p) {
      return p[0] * weight + p[1] + p[2] * p[3];
  }, 200000);
  

内容的提问来源于stack exchange，提问作者0xbadf00d