从系列:理解离散事件仿真
威尔·坎贝尔,MathWorks公司
了解离散事件仿真如何使用随机过程,其中系统的各个方面随机,在此MATLAB®技术讲座由威尔·坎贝尔。随机过程离散事件仿真尤为重要,因为他们是一个方法,你可以用它来近似系统的细节,你要么不能或不选择的模式。视频探讨,为什么你会选择不同的随机分布,你为什么会混确定性和不确定性。它探讨概率方面的仔细放置如何使用户能够进行有意义的分析,而不过分复杂的模型。
让我们来讨论离散事件仿真的情况下随机过程。一个随机过程是其中的系统的各方面被随机化。由于没有明确的结果,至于过程如何随着时间的推移,它们通常被称为“非确定性”。随机过程离散事件仿真尤为重要,因为接近一个系统,我们要么不能或不选择模型的细节的方法。如果我们完全忽略了这些细节,定义所有的常量模型的参数,模拟将是微不足道的和不提供信息。
为了说明这个概念,考虑乘客登机的离散事件仿真。实现这一目标的方法之一是过道建模为一系列队列和服务器的实体,在这种情况下乘客,通过移动,直到他们达到其指定的座位。当他们到达正确的行,乘客的工作他们的方式进入自己的座位前,收起行李架内他们的随身行李。所有你需要做的就是定义需要对每名旅客以模拟花费飞机完全板多长时间完成这些任务的时间。
这个过程的一阶近似是假定每位乘客花费的时间是完全一样的量来完成充填随身行李,并进入自己的座位的任务。但我们都从个人的经验知道,这是不是这种情况;有些人只是比别人慢。因此,一个模拟应任务持续时间模型的变化,以提供更有意义的结果。现在的问题是如何最好地去了解这一点。我们可以为他们得到坐落在自己的座位不可能一个人的行为的每一个细节进行建模。但是,我们可以将通过随机每位乘客在服务器上花费的时间更接近现实。
现在当然,我们必须把一些约束的模型,这样的随机值是合理的。我们可以通过定义一个实体在服务器花费的时间的概率分布做到这一点。的分布被选择的特定数目的只是几率。一种策略是使用均匀的分布,其中相同赔率被放置在每一个值的指定范围内。在我们的例子中,我们可以说,它需要2到10秒之间人次,他们的座位就搞定了。
但是,如果你实际测量的花费完成这个任务的时间的乘客,你可能会发现,更多的人在这个范围的中间丛围绕一个特定的值,而较少在极端发现。这是一种常见的统计结果,这就是为什么你经常看到高斯或模型所用的正态分布。然而,在载客量的情况下,高斯分布可能不是最好的选择。由于这是不可能的任务,采取小于零秒,泊松或威布尔分布可能更有意义。但是,不管你分配选择是要取决于你试图表征现象。
现在,它不是全有或全无,当谈到使用离散事件仿真概率。你选择多少确定性建模和依靠概率填写休息。在一般情况下,你要专注于包括系统的细节,不能很好地符合的概率分布。举例来说,所需要的时间进入上飞机在很大程度上取决于坐着乘客是否是在路上一个座位。如果这个人已经起床,以腾出空间,的显著落座过程中增加的持续时间。因此,在这种情况下,你真的想聘请概率具体的情况,而不是单一的,毯子规则。
这是混合确定性和不确定性,使离散事件仿真如此宝贵的这种技术。概率方面的明智布局使用户能够进行有意义的分析,而不过分复杂的模型。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。