来自系列:了解离散事件仿真
将坎贝尔,Mathworks
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是随机的,在此Matlab中®坎贝尔的技术谈话。随机过程对离散事件仿真尤为重要,因为它们是一种方法,您可以使用它来近似您不能或选择不为模型的系统的细节。视频探讨了为什么选择不同的随机分布,以及为什么你会混合确定主义和非确定性。它探讨了概率术语的仔细安置,使您可以进行有意义的分析,而不会超越模型。
让我们在离散事件模拟的背景下讨论随机过程。随机过程是系统的各个方面是随机化的。由于没有明确的结果,即如何随着时间的推移而发展,它们通常被称为“非确定性”。随机过程对离散事件模拟尤为重要,作为近似我们无法或选择不为模型的系统的细节的方法。如果我们完全忽略这些细节并将我们的模型的所有参数定义为常量,则模拟将是微不足道的和无关的。
为了说明这一概念,考虑乘客登机飞机的离散事件仿真。实现这一目标的一种方法是将过道塑造为一系列的队列和服务器,在这种情况下,乘客,直到他们到达分配的座位。当他们到达正确的行时,乘客在将他们的座位上的座位上占据了架空箱子里的随身携带。您所要做的就是定义每个乘客完成这些任务所需的时间,以模拟飞机完全板需要多长时间。
这个过程的一阶近似是假设每个乘客都需要完全相同的时间来完成将携带持有的任务完成并进入座位。但我们都知道这是个人经历,这不是这种情况;有些人比其他人慢得多。因此,模拟任务持续时间的模型变异性以提供更有意义的结果。问题是如何最好地了解这一点。我们不能在座位上坐在座位上的每个人的行为的每一个细微差别模拟。但是,我们可以通过随机化每次乘客在服务器中花费的时间来移动更接近现实。
当然,我们必须在模型上给一些约束,以便随机值是合理的。我们可以通过定义实体在服务器中花费的时间分布来实现这一点。分布只是被选中的特定号码的几率。一个策略是使用统一分布,其中在指定范围内的每个值下放置相同的赔率。在我们的情况下,我们可以说它需要2到10秒之间的乘客才能进入座位。
但是,如果您实际上测量了花费完成此任务的时间乘客,您可能会发现它们在此范围中间的特定值周围丛生,而极端则发现更少。这是一个常见的统计结果,这就是为什么你经常看到模型中使用的高斯或正常分布。然而,在乘客装载的情况下,高斯分布可能不是最佳选择。由于任务不可能取低于零秒,因此泊松或威布尔分布可能更有意义。但无论你选择的任何分布都要取决于你试图表征的现象。
现在,在采用离散事件模拟中的概率方面并非全部或全部都无任何东西。您可以选择模型的确定性,并依赖于填补其余的概率。通常,您要专注于包括不符合概率分布的系统细节。例如,进入飞机上座位所需的时间很大程度上取决于是否坐着的乘客在路上。如果该人必须起床腾出空间,则座位过程的持续时间显着增加。因此,在这种情况下,您真的需要采用特定于情况的概率而不是单个毯子规则。
这是这种混合确定主义和非确定性的技术,使离散事件模拟如此有价值。明智地放置概率术语使您能够进行有意义的分析,而不会超越模型。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。