如何在蒙特卡洛C++代码中设置迭代次数并实现点存储与π估算？

以下是整合后的完整代码，同时实现指定迭代次数的随机点生成写入文件和蒙特卡洛法估算π的功能：

#include <iostream>
#include <fstream>
#include <random>
#include <cmath>
#include <stdexcept>

int main() {
    // 输入迭代次数
    int iterations;
    std::cout << "请输入迭代次数: ";
    std::cin >> iterations;

    // 输入合法性检查
    if (iterations <= 0) {
        std::cerr << "错误: 迭代次数必须大于0" << std::endl;
        return 1;
    }

    // 初始化高质量随机数生成器
    std::random_device rd;
    std::mt19937 gen(rd());
    std::uniform_real_distribution<double> dist(0.0, 1.0);

    // 打开输出文件
    std::ofstream out_file("points.txt");
    if (!out_file.is_open()) {
        std::cerr << "错误: 无法打开文件 points.txt" << std::endl;
        return 1;
    }

    int inside_circle = 0;

    // 一次循环完成点生成、写入和π统计
    for (int i = 0; i < iterations; ++i) {
        double x = dist(gen);
        double y = dist(gen);

        // 写入点到文件
        out_file << x << " " << y << std::endl;

        // 判断点是否在四分之一单位圆内
        if (x*x + y*y <= 1.0) {
            inside_circle++;
        }
    }

    // 计算π的估算值
    double pi_estimate = 4.0 * static_cast<double>(inside_circle) / iterations;

    // 输出结果
    std::cout << "估算的π值为: " << pi_estimate << std::endl;

    // 关闭文件
    out_file.close();
    return 0;
}

关键实现细节 #

• 随机数质量：使用std::mt19937伪随机数生成器搭配std::uniform_real_distribution，生成[0,1)区间内的均匀分布随机数，比传统rand()函数的随机质量更高。
• 高效整合：在同一次循环中完成随机点生成、文件写入和圆内点统计，避免重复迭代带来的性能损耗。
• 输入/文件检查：增加了迭代次数合法性校验和文件打开失败的错误处理，提升程序健壮性。
• π计算逻辑：蒙特卡洛法的核心是利用单位正方形内随机点落在四分之一单位圆内的概率等于π/4，因此用4 * 圆内点数 / 总点数得到π的近似值。

使用方法 #

1. 编译代码（以GCC为例）：

   g++ monte_carlo_pi.cpp -o monte_carlo_pi
   

2. 运行程序并输入迭代次数：

   ./monte_carlo_pi
   

3. 程序会生成points.txt文件（每行存储一个随机点的x、y坐标），同时在控制台输出估算的π值。

内容的提问来源于stack exchange，提问作者Asim Malik