经典蒙特卡罗方法（classical Monte-Carlo method），理学-物理学-凝聚态物理学-强关联体系，一类用于模拟物理过程和近似计算高维积分的随机算法。蒙特卡罗方法通过在大量随机生成的样本上进行统计来计算期望值及其误差。蒙特卡罗计算的误差随着样本数量的增大而减小。对于高维空间的问题，一类重要的产生样本的方式是从遵循马尔可夫链的随机的时间序列中采样。这类算法称为马尔可夫链蒙特卡罗算法，是最普遍应用的蒙特卡罗方法。由于其随机采样的特点，经典蒙特卡罗方法非常适合于大规模并行化计算。蒙特卡罗方法在物理、材料、工程和经济等领域具有广泛的应用。