Monte Carlo Methods – algorytmy wykorzystujące losowanie do rozwiązywania problemów.

Metody Monte Carlo to zbiór technik numerycznych opartych na zasadzie losowego próbkowania, stosowanych do rozwiązywania problemów matematycznych, fizycznych i inżynierskich. Polegają na generowaniu dużej liczby losowych prób i wykorzystaniu statystycznych własności tych prób do przybliżenia rozwiązań lub obliczania wartości trudnych do analitycznego określenia funkcji, takich jak całki wielowymiarowe, rozkłady prawdopodobieństwa czy optymalizacje. Metody te charakteryzują się prostotą implementacji oraz elastycznością, umożliwiającą zastosowanie w szerokim spektrum zagadnień.

W kontekście sztucznej inteligencji i uczenia maszynowego, techniki Monte Carlo odgrywają ważną rolę w modelowaniu procesów stochastycznych, symulacjach oraz rozwiązywaniu problemów optymalizacyjnych i decyzyjnych, zwłaszcza gdy przestrzeń rozwiązań jest zbyt rozległa lub złożona dla metod deterministycznych. Przykłady zastosowań obejmują między innymi symulacje łańcuchów Markowa, algorytmy Monte Carlo Tree Search oraz metody inferencyjne w probabilistycznych modelach graficznych. Efektywność tych metod zależy od liczby generowanych próbek oraz jakości zastosowanych generatorów liczb losowych.