سلسلة ماركوف مونت كارلو (MCMC) هي طريقة حسابية قائمة على المحاكاة تستخدم في مجموعة واسعة من المجالات مثل الفيزياء والأحياء والهندسة المدنية وما إلى ذلك. وتعتمد الطريقة على أخذ عينات عشوائية من الإجابات المحتملة لمشكلة معينة حتى يتم التوصل إلى حل قريب يتم الحصول على ما يكفي للإجابة المطلوبة.
تم اقتراح MCMC لأول مرة من قبل أندريه أندريفيتش ماركوف في أوائل القرن العشرين كوسيلة لنمذجة عملية عشوائية. الفكرة الأساسية هي بناء سلسلة ماركوف تتكون من عدد كبير من الحالات المحتملة واستخدامها لاستكشاف الفضاء الاحتمالي للمشكلة. يتم تعيين احتمال معين لكل حالة ومن خلال أخذ عينات عشوائية من الحالات المحتملة، يتم الحصول على الحل.
تعد MCMC طريقة شائعة في الإحصاء وقد تم استخدامها على نطاق واسع في تحليل بايزي منذ منتصف الخمسينيات. الفكرة الأساسية لـ MCMC هي سحب عينات من التوزيع الخلفي للمعلمات محل الاهتمام من أجل التوصل إلى استنتاجات. ويتم ذلك عن طريق بناء سلسلة ماركوف ذات توزيع ثابت يقارب التوزيع الخلفي. يمكن استخدام العينات التي تم الحصول عليها من السلسلة لتقدير المعلمات وإجراء استنتاجات حول العملية الأساسية.
بالإضافة إلى كونها تقنية قوية في الإحصاء، فقد تم تطبيق MCMC أيضًا على علوم الكمبيوتر. وقد تم استخدامه لتحسين بايزي، وهي عملية تحسين مجموعة من المعلمات عن طريق تقليل القيمة المتوقعة لوظيفة الهدف. وقد شهدت MCMC أيضًا استخدامًا في الذكاء الاصطناعي والتعلم الآلي، حيث تم استخدامها لتقريب الاحتمالات المستعصية.
بشكل عام، تعتبر سلسلة ماركوف مونت كارلو (MCMC) طريقة قوية تعتمد على المحاكاة ويتم استخدامها في مجموعة واسعة من المجالات للحصول على حلول تقريبية للمشكلات المعقدة. إنها تقنية شائعة في الإحصاء ومؤخرًا في علوم الكمبيوتر أيضًا. تعتبر هذه الطريقة مفيدة بشكل خاص لتقريب الاحتمالات المستعصية ويمكن استخدامها لتحسين بايزي ومهام التعلم الآلي الأخرى.
