Назначение и возможности инструментальной среды AnyLogic введение имитационное моделирование
жүктеу/скачать 1,01 Mb.
|
Эни-Лоджик
| Стохастическое моделирование
Существуют различные способы описания стохастического поведения: использование различных законов распределения и/или статистики для описа- ния времени между событиями; реализация недетерминированных алгоритмов, например, утеря с определенной вероятностью заявки. В случае, если несколько событий должны произойти в одно и то же время, AnyLogic позволяет выбрать событие, которое должно произойти, случайно, используя равномерное распре- деление. AnyLogic поддерживает Stat::Fit – специализированное программное обеспечение для обработки статистики, которое позволяет подбирать распреде- ления по имеющейся выборке. Рассмотрим средства для разработки стохастических моделей в AnyLogic. В AnyLogic включено 37 генераторов случайных величин с наиболее часто встречающимися вероятностными распределениями: равномерным, экс- поненциальным, Бернулли, биномиальным и т.п. Их описание можно найти в руководстве пользователя AnyLogic. Все классы вероятностных распределений унаследованы от класса Distr. Они называются DistrExponential, DistrChi, DistrNormal и т.д. Класс Distr имеет только один абстрактный метод get(), возвращающий случайное значение, сгенерированное по этому закону распределения. Пользователь может опреде- лить свое вероятностное распределение, для чего нужно создать свой класс распределения и унаследовать его от базового класса Distr. Методы классов распределений подробно описаны в справочнике классов AnyLogic. Вызвать метод очень просто, например, exponential(0.6) или uniform(-1,1), который вернет соответствующее случайное значение. В общем случае все параметры производительности систем, функциони- рующих в условиях неопределенности, являются стохастическими. AnyLogic включает средства, позволяющие выполнять анализ случайных величин и ви- зуализировать их распределения. Случайная величина (СВ) здесь задается на- бором данных, в котором хранятся не только все ее конкретные значения, но и автоматически подсчитываются статистические характеристики: количество реализаций, среднее, минимальное и максимальное значения, дисперсия, сред- не-квадратичное отклонение (СКО) и доверительный интервал для среднего значения. На выходе стохастической модели СВ легко представить графически в виде гистограммы. жүктеу/скачать 1,01 Mb. Достарыңызбен бөлісу:
|