随机解算器
何时使用随机的解决者
所述随机模拟算法提供用于模拟在本质上随机反应的实用的方法。用少量的分子模型可以现实地随机模拟，即，允许所述结果包含概率的元件，不像确定性溶液。
模型的前提条件模拟了随机求解
型号先决条件包括：
模型中的所有反应必须有自己的
KineticLaw属性设置为MassAction。如果模型包含的事件，你可以模拟使用随机
SSA求解。其他随机解算器不支持的事件。金宝app您的模型不能包含剂量。没有随机求解器支持剂量。金宝app
此外，如果你对他们的模型执行个体或群体配件Configset对象指定一个随机求解器和选项，要知道，配件SimBiology期间®临时更改：
SolverType属性的默认求解器ode15sSolverOptions属性选项最后配置的确定性求解
什么在一个随机模拟发生了什么？
在模型的随机模拟，软件会忽略任何率，转让，或代数规则，如果出现在模型中。根据型号的不同，随机模拟可能需要更多的计算时间比确定性模拟。
小费
当使用随机求解仿真模型，你可以增加LogDecimation财产configset对象记录较少的数据点，减少运行时间。
随机模拟算法（SSA）
化学主方程（CME）描述了概率分布的时间演化方面的化学系统的动态特性。直接求解这种分布是不切实际的最现实的问题。随机仿真算法（SSA），而不是有效地产生是与所述CME一致个体模拟，通过模拟使用其倾向函数中的每个反应。因此，分析多个随机模拟，以确定所述概率分布比直接求解CME更有效。
优点
这种算法是精确的。
缺点
由于这种算法评估一次一个反应，它可能是有大量的反应模式太慢。
如果有任何反应物分子的数量是巨大的，它可能需要很长的时间来完成模拟。
明确的头，跳跃的算法
由于随机模拟算法可能是许多实际问题太慢，该算法旨在加快模拟一些精度的成本。该算法将每个反应为独立于其他的。它自动选择的时间间隔，使得在功能倾向对于每个反应的相对变化小于你的错误容限。选择时间间隔之后，算法计算该时间间隔期间发生的每个反应的次数，使所涉及的各种化学物质的浓度进行适当的更改。
优点
该算法可以是数量级比SSA更快。
您可以使用此算法对于大问题（如果该问题不在于数字僵硬）。
缺点
这种算法牺牲了一些精度速度。
该算法是不好的僵硬模式。
你需要指定的误差容限，这样所产生的时间步长在最快的时间刻度的顺序。
隐头，跳跃的算法
就像明确tau蛋白跳跃算法，隐含的tau蛋白跨越式算法也是仿真设计，可以加快一些精度的成本模拟的近似方法。它可以处理数字刚性问题较明确的tau蛋白跳跃算法更好。对于确定性系统，一个问题被认为是数字僵硬，如果有“快”和系统中存在的“慢”的时间尺度。对于这样的问题，明确tau蛋白跳跃方法执行，如果它继续好只取那些在最快的时间刻度的顺序的小的时间步骤。隐式的tau-跳跃方法可能采取更大的步骤，并且仍然是稳定的。该算法将每个反应为独立于其它的。它会自动选择的时间间隔，使得在每个反应的倾向函数的相对变化小于用户指定的误差容限。选择时间间隔之后，算法计算该时间间隔期间发生的每个反应的次数，使所涉及的各种化学物质的浓度进行适当的更改。
优点
该算法可以比SSA要快得多。这也是通常比明确的tau蛋白跳跃算法快。
您可以使用此算法对于较大的问题，也为数字刚性问题。
所采取的步骤的总数通常比明确化tau-跳跃算法更少。
缺点
这种算法牺牲了一些精度速度。
有每个步骤相比，明确tau蛋白跳跃算法更高的计算负担。这导致每一步一个更大的CPU时间。
这种方法经常衰减慢歧管通向关于均值还原态方差扰动。
参考
[1]吉布森M.A.，布鲁克J.（2000）“与许多物种和许多频道化学系统的精确随机模拟”，物理化学杂志，105：1876至1899年。
[2]的Gillespie D.（1977），“精确耦合化学反应的随机模拟”，物理化学杂志，81（25）的：2340至2361年。
[3]的Gillespie D.（2000），“化学Langevin方程，” [化学物理学，113（1）：297-306。
[4]的Gillespie D.（2001），“近似加速化学的随机模拟起反应系统” [化学物理学，115（4）：1716至1733年。
[5]的Gillespie D.，彼佐尔德L.（2004），“用于加速随机模拟改进飞跃尺寸选择，” [化学物理学报，119：8229-8234
[6] Rathinam M.，彼佐尔德L.，曹Y.，Gillespie的D.（2003），“在随机化学刚度起反应系统：隐τ-跨越的方法，”化学物理学报，119（24）：12784-12794。
[7] Moler，C.（2003），“刚性微分方程刚度是常微分方程的数值解一个微妙的，困难的，并且重要的概念，” MATLAB新闻和注记。
相关的例子
更多关于
您还可以选择从下面的列表中的网站：
