被选择的新积分变量要伩矩阵元平方的峰变平坦。此时就可以 良用自适应卡洛抽样程序的自调功能來得到耪确结。 量氨抽祥沽的非权量事例产生器程序产生τ例的基本步骤 (1)找出一个被积微分面如(x)函数的近似裹达式。该 近似衰达式在相间內应当是解析可积的。外且其函教 必须具有与如冈的犄确襄达式有相鳳的峰結袍。 (2)根攪该微分微面近似裹达式的分布,随机抽取事例 样本。 (3)对产生的事例加权堂,其权量因子等于该事例对应 的贛确面值与对应的近似微分面值之比。 (4)采用會选法抽取非权堂事例。取[0,1区间上均勻 分布随机,考≤v/Wm,则接收该事例;之,则會 弃该事例。这祥得到的事例即为非加权事例。 (5)量复(2)-(4)过程,直至获得所册教量的事例 显然,这种方法与具体处理的风应过程关系很密切。不同的 研究过程。甚至不同实验参教微断值的选取。郐猾要选择不同的 近似函数,甚至采用不属的事例产生程序。因而与自适应抽样法 产生事例相比,置要抽样产生言例存在不具通用性的困难。 量抽袢法存在的第二个困难也同样是出现在当矩阵元平 方的峰值特性复条的情况。此时难于到糖确結果。这个困难有被选择的新积分变量要使矩阵元平方的峰变平坦。此时就可以 使用自适应蒙特卡洛抽样程序的自调整功能来得到精确结果。 重要抽样法的非权重事例产生器程序产生事例的基本步骤 为： （1） 找出一个被积微分截面 (x) dx d G G σ 函数的近似表达式。该 近似表达式在相空间内应当是解析可积的，并且其函数 必须具有与 (x) dx d G G σ 的精确表达式有相同的峰值结构。 （2） 根据该微分截面近似表达式的分布，随机抽取事例 样本。 （3） 对产生的事例加权重，其权重因子 等于该事例对应 的精确截面值与对应的近似微分截面值之比。 w （4） 采用舍选法抽取非权重事例。取[0，1]区间上均匀 分布随机数ξ ，若 max ξ ≤ w/ w ，则接收该事例；反之，则舍 弃该事例。这样得到的事例即为非加权事例。 （5） 重复（2）—（4）过程，直至获得所需数量的事例 数。 显然，这种方法与具体处理的反应过程关系很密切。不同的 研究过程，甚至不同实验参数截断值的选取，都需要选择不同的 近似函数，甚至采用不同的事例产生程序。因而与自适应抽样法 产生事例相比，重要抽样产生事例存在不具通用性的困难。 重要抽样法存在的第二个困难也同样是出现在当矩阵元平 方的峰值特性复杂的情况。此时难于得到精确结果。这个困难有