양자 몬테카를로, 보다 구체적으로 확산 몬테카를로 방법은 또한 Feynman-Kac 경로 적분체의 평균 필드 입자 몬테카를로 근사치로 해석될 수 있다. [23] [24] [25] [26] [27] [28] [29] 양자 몬테 카를로 방법의 기원은 종종 1948 년에 개발 엔리코 페르미와 로버트 Richtmyer 중성자 연쇄 반응의 평균 필드 입자 해석에 기인한다,[30] 하지만 첫 번째 휴리스틱 과 같은 유전 형 입자 알고리즘 ( a.k.a. 재샘플링 또는 재구성 몬테 카를로 방법) 양자 시스템의 지상 상태 에너지를 추정하기 위한 (감소 된 매트릭스 모델에서) 1984 년 잭 H. 헤더링턴에 기인 [29] 분자 화학에서, 유전 휴리스틱 같은 입자의 사용 방법론 (일명 가지 치기 및 농축 전략)은 마샬의 정액 작업으로 1955 년으로 거슬러 올라갈 수 있습니다. N. 로젠블루스와 아리아나. 더블유 로젠블루스. [31] 몬테 카를로 트리 검색은 Go,[82] 탄트릭스,[83] 전함,[84] 하바나,[85] 및 아리마와 같은 게임을 하는 데 성공적으로 사용되었습니다. [86] 이미 소개에서 제안 된 바와 같이, 몬테 카를로 방법의 인기와 개발은 폰 노이만 (위 사진)이 개척자였던 1940 년대에 컴퓨팅 기술의 출현과 매우 관련이 있다. 로스 알라모스 과학 연구소에 의해 1957 년에 발표 몬테 카를로 방법에 대한 보고서에서, 우리는 이미 읽을 수 있습니다 : 몬테 카를로 나무 검색 (MCTS) 방법은 네 단계가 있습니다 :[81] 당신은 단위 디스크의 영역을 계산하는 코드를 실행하는 경우, 당신은 우리가 약 100 mi가 필요하다는 것을 발견 할 것이다 llion 샘플은 네 번째 소수점(3.1415)까지 (pi)의 숫자를 근사화합니다.
그것은 숫자를 추정하는 효율적인 방법 (pi)? 대답은 분명히 아니오입니다. 그렇다면 몬테 카를로 방법이 그렇게 효율적이지 않다면 왜 몬테 카를로 메서드가 필요합니까? 이전 단원에서 이미 언급했듯이 이 솔루션을 표현하여 분석적으로 계산할 수 있는 방정식에는 닫힌 형식 솔루션이 있다고 합니다. 그러나 많은 방정식에는 이러한 폐쇄형 솔루션이 없으며, 심지어 그럴 때에도 복잡성은 무한한 시간 동안만 해결할 수 있습니다. 이러한 문제 나 방정식은 난치성이라고합니다. 그러나 주어진 문제의 가능한 결과에 대한 예측을 전혀 하지 않는 것보다 는 종종 더 낫습니다. 그리고 몬테 카를로 방법은 때때로 이러한 방정식이나 문제를 추정 할 수있는 유일한 실용적인 방법입니다. 메트로폴리스와 울람이 몬테 카를로 방법(참조 섹션 참조)에 대한 정액 논문에 넣었듯이: 개인용 컴퓨터용 스프레드시트 애플리케이션의 출현은 전문가가 일상적인 분석 작업에서 몬테 카를로 시뮬레이션을 사용할 수 있는 기회를 제공했습니다.