蒙特卡洛算法(Monte Carlo Algorithm)
在這本書里面，前面我們已經學到的算法都是屬於確定性算法。有這樣一種情況，一個確定性算法不得不仔細判斷大量的甚至指數級的可能事件。在這種情況下，我們用到了下面現在我們要學習的一種特殊類的概率算法。該算法在不同的運行步數下提供隨機性的選擇，在應對決策問題的情況下，這種算法叫做蒙特卡洛算法。
A Monte Carlo algorithm for a decision problem uses a sequence of tests. The probability that the algorithm answers the decision problem correctly increases as more tests are carried out. At each step of the algorithm, possible responses are “true,” which means that the answer is “true” and no additional iterations are needed, or “unknown,” which means that the answer could be either “true” or “false.” After running all the iterations in such an algorithm, the final answer produced is “true” if at least one iteration yields the answer “true,” and the answer is “false” if every iteration yields the answer “unknown.” If the correct answer is “false,” then the algorithm answers “false,” because every iteration will yield “unknown.” However, if the correct answer is “true,” then the algorithm could answer either “true” or “false,” because it may be possible that each iteration produced the response “unknown” even though the correct response was “true.” We will show that this possibility becomes extremely unlikely as the number of tests increases.
決策問題只有“對”與“錯”兩種答案。在每一步迭代中，如果決策是“對”，意味着回答是“對”，並且與算法的其他迭代無關；也可能回應“未知”，意味着答案可能是“對”也可能是“錯”。在全部均迭代過后，如果至少有一次迭代中生成了結果“對”，那么結果就為”對“；如果每個重復生成的回答都是”未知“，那么結果就為”錯“。
然而，如果正確答案是”對“，而算法可以回答”對“或”錯“，有可能所有的迭代均得到的回答是”未知“。（這就是其中的小概率的錯誤概率。）
（這一段是我對書上的翻譯，我理解下來，這段描述的其實是拉斯維加斯算法吧，是不是我理解錯了，希望明白的人能指正一下）
對於蒙特卡洛算法，是實驗樣例越多，得到的結果也就愈發靠近正確的結果。
與蒙特卡洛算法相對的另一種隨機算法，叫做拉斯維加斯算法，同樣是隨機抽樣，樣本數越多，這個算法增加的只有找到正確結果的概率，他得到的只有對與錯，沒找到正確的結果就沒有意義。
參考其他資料對蒙特卡洛算法的理解是，蒙特卡洛算法是利用一種滿足平均分布的隨機抽樣達成的計算數學期望的方法。其主要計算的是近似真值。也就是說他主要是從樣本數中找對的結果，然后計算”對“的結果占全部樣本數的概率，其方法重點是在於抽樣的過程。
Ps.果然《離散數學》里面的各方面內容都只是各領域最簡單的內容，關於蒙特卡洛算法，這里連抽樣(sample)的單詞都並沒有用到，用了一些常用（多義）的單詞，不看其他資料，完全不能理解呀。
參考資料：
[1]http://www.zhihu.com/question/20254139
[2]http://www.cnblogs.com/daniel-D/p/3388724.html
[3]https://en.wikipedia.org/wiki/Monte_Carlo_method