Сейчас вопрос о эффективности МС не стоит. МС стал вроде эталона, с чем сравнивают другие метод, так как натурный эксперимент не всегда возможен. К тому же, на современном уровне ЭВМ, для простых ситуаций метод МС удается получить результаты с приличной точностью (0.1%) за вполне короткое время (минуты). Если же говорит об итерационной свертке функций распределений по пробегам, то этот способ сам по себе неэффективен. Для реальных простых ситуаций (типа отражение электронов кэВ-ных энергий от полубесконечного медного образца) проигрывает по времени счета даже методу МС (если задаться одной и той же точностью).

Для задачи нахождения функции распределения частиц по пробегам, отраженных от полубесконечной мишени, можно получит сравнительно простой итерационный алгоритм из уравнения для функции распределения частиц по пробегам. Оно похоже на уравнение Амбарцумяна, но более сложно тем, что там имается член с двойным интегрированием: это интеграл по телесному углу и сверткой по пробегам. Поэтому возникают проблемы с сеткой, если мы будем брать эти интегралы численно. Но главная проблема не в этом. Если стартовать с однократного рассеяния, то получим решение в виде ряда по кратностям рассеяния. Для реальной ситуации дифференциальные сечения рассеяния очень вытянуты. Поэтому необходимо учитывать существенно многократные рассеяния. При увеличении кратности рассеяния увеличивается количество интегралов которые необходимо как-то находить (они тройные по азимутальному и полярному углам и по пробегу). Поэтому данный алгоритм чрезвычайно неэффективен.
Если использовать какие-нибудь приближения, то получаем решения которые в иных ситуациях будут страшно далеки от реальности.
Задача многократно усложняется для слоя.
Пока для нахождения точной функции распределения частиц по пробегам альтернативы МС нет.

Надь, я не понимаю, как в итерационной процедуре заменить интегрирование аналитическим для аппроксиирующей фукции. Может ты имеешь ввиду метод Гаусса? Но опять таки дело не в интегрировании, а в том, что этих интегралов сотни. В этом смысле итерационный метод идентичен методу МС.
Другое дело если стартовать не с однократного рассеяния. Но сложность в том, что нужно очень точно подобрать начальное приближение, чтобы получить приемлемый результат (в смысле устойчивости и точности). Я пока не знаю такой функции. Приближенные формулы существуют, но мы хотим большего