Simulační modely I
-
Upload
kadeem-lopez -
Category
Documents
-
view
34 -
download
1
description
Transcript of Simulační modely I
Simulační modely I
Houška M.,Švasta J.:
Simulační modely I
Témata 1. přednášky• Podstata simulace
• Metoda TOP20– Deterministický optimalizační model
• Modelování neurčitosti– Matematické funkce pro generování
pseudonáhodných čísel– Generování náhodných veličin
• Metoda Monte Carlo– Simulační výpočet určitého integrálu
Podstata simulace
• Napodobení chování reálných systémů• Umožňuje vyhodnotit důsledek rozhodnutí bez jeho
realizace• Experimentování s modelem v případech, kdy reálné
experimenty nejsou možné– Experiment nelze uskutečnit (zemětřesení)– Experiment je příliš nákladný– Experiment je nebezpečný (požár, řízení auta)
• Taylorova definice:Simulace je numerická metoda, která spočívá v
experimentování se speciálním matematickým modelem reálných systémů na počítači
Simulační modely
• Soubor matematických a logických vztahů, které vyjadřují chování prvků modelovaného systému (vzhledem k cíli modelování)
• Zahrnutí náhodných vlivů v podobě pravděpodobnostních charakteristik
• Zahrnutí času
• Opakované výpočty, změny vstupních údajů
Podle zahrnutí náhodných vlivů:
• Stochastická simulace
• Deterministická simulace
Podle zobrazení času:
• Statické modely• Dynamické modely
– S pevným časovým krokem
– S proměnlivým časovým krokem
– S kombinovaným časovým krokem
Výhody:• Náhrada experimentování
s reálným systémem• Pro případy, které
neumíme řešit analyticky• Pro modely, které jsou
analyticky velmi složité• Použitelné při velkém
počtu náhodných vlivů• Schopné modelovat čas
Nevýhody:• Neexistuje univerzální
model – každá simulace je individuální
• Speciální simulační jazyky nejsou příliš rozšířené a drahé
• Správnost konstrukce je třeba ověřovat
TOP20
• Simulace se mnohokrát opakuje s různými vstupními údaji
• Dosažené výsledky se ihned po výpočtu porovnávají s předešlými a v paměti se uchovává 20 nejlepších
• Je nutné určit kritérium porovnávání – účelovou funkci
Příklad
Na ploše 10 ha se mají pěstovat 2 plodiny:
řepka a kukuřice. Zisk z 1 ha řepky je 7 tisíc Kč, zisk z 1 ha kukuřice je 4 tisíce Kč. Potřeba traktorových hodin na 1 ha řepky je 150, na 1 ha kukuřice 45.K dispozici je 600 traktorových hodin celkem. Na jakých plochách se budou plodiny pěstovat, aby celkový zisk byl maximální?
1 2
1 2
1 2
1 2
1 2
0; 0
10
150 45 600
7 4 max
:
1,43 8,57
x x
x x
x x
x x
optimum
x x
start
1 2 10; 10
0,1
0
x x x
x
OPT
1 2150 45 600x x
1 27 4x x OPT
ano
1 2
1 1 2 2
150 45
; ;opt opt
OPT x x
x x x x
ano
1 9,99x
konec
ne
ne
ne
1 1
2 110
x x x
x x
ano
x1 x2 UF optimumstart 0 10 40 40
0,1 9,9 40,3 40,30,2 9,8 40,6 40,60,3 9,7 40,9 40,90,4 9,6 41,2 41,20,5 9,5 41,5 41,50,6 9,4 41,8 41,80,7 9,3 42,1 42,10,8 9,2 42,4 42,40,9 9,1 42,7 42,7
1 9 43 431,1 8,9 43,3 43,31,2 8,8 43,6 43,61,3 8,7 43,9 43,91,4 8,6 44,2 44,21,5 8,5 nevyhovuje 1,6 8,4 nevyhovuje 1,7 8,3 nevyhovuje 1,8 8,2 nevyhovuje
Metoda Monte Carlo
• Numerické řešení úloh pomocí mnohokrát opakovaných náhodných pokusů
• Pro dostatečný počet pokusů se relativní četnost blíží pravděpodobnosti
• Použití:– Velký počet náhodných proměnných– Funkce závislé na čase– Rušivé náhodné vlivy– Propojené modely
Příklad
Vypočítejte, pro které(á) x se funkce rovná 0:
1. Nakreslit graf průběhu funkce
2. Zkoumat zvolený interval v jemnějším a jemnějším členění
3 2: 2 16f x y x x
-1000
-500
0
500
1000
-10 -8 -6 -4 -2 0 2 4 6 8 10
x y
-10 -916
-9 -664
-8 -464
-7 -310
-6 -196
-5 -116
-4 -64
-3 -34
-2 -20
-1 -16
0 -16
1 -14
2 -4
3 20
4 64
x y
1,1 -13
1,2 -13
1,3 -12
1,4 -11
1,5 -10
1,6 -9,3
1,7 -8,2
1,8 -6,9
1,9 -5,5
2 -4
2,1 -2,3
2,2 -0,5
2,3 1,5
2,2 -0,5
2,21 -0,3
2,22 -0,1
2,23 0,1
2,24 0,3
2,25 0,5
2,26 0,7
2,27 0,8
2,28 1,1
2,29 1,3
2,3 1,5
2,221 -0,1113
2,222 -0,0921
2,223 -0,0728
2,224 -0,0535
2,225 -0,0342
2,226 -0,0149
2,227 0,0044
2,228 0,02374
2,2261 -0,012993
2,2262 -0,011061
2,2263 -0,009129
2,2264 -0,007197
2,2265 -0,005264
2,2266 -0,003332
2,2267 -0,001399
2,2268 0,0005339
2,2269 0,0024669
Chyba menší než 0,001
start
10,0001;
0,0001
0,001
x
x
chyba
10x ano
3 22 16y x x
ano
0 y chyba
konec
ne
ne
x x x
Náhodná čísla
• Rovnoměrné rozdělení pravděpodobnosti
• Statisticky nezávislé
• Distribuční funkce• Střední hodnota • Rozptyl
• V Excelu: NAHCISLO()
• Tabulky náhodných čísel
• Fyzikální generátory• Matematické
generátory
0;1r
Ve vývojovém diagramu:
F x x
12E x
112D x
gen
Pseudonáhodná čísla
1. Lineární kongruentní funkce
c…přirozené číslor…reálné číslomod …modulo – vrací
zbytek po celočíselném dělení
Po p krocích se posloupnost opakuje
p=264…někdy nestačí
1
11
modn n
nn
c c p
cr
p
c rlambda 3 5 5 0,25mí 2 17 17 0,85p 20 53 13 0,65
41 1 0,055 5 0,25
17 17 0,8553 13 0,6541 1 0,05
5 5 0,2517 17 0,8553 13 0,6541 1 0,05
5 5 0,2517 17 0,8553 13 0,6541 1 0,05
2. Multiplikativní funkce
3. Aditivní lineární funkce nutno zadat j počátečních hodnot (aspoň cn-1,cn)
Perioda je delší, ale některá čísla se opakují
1
11
modn n
nn
c c p
cr
p
1
11
modn n n j
nn
c c c p
cr
p
Generování náhodných veličin
náhodná veličina se v daném intervalu vyskytuje se stejnou pravděpodobností
x a b a
1f x
b a
2
a bE x
2
12
b aD x
Typ rozdělení rovnoměrné
Vzorec pro generování
Hustota pravděpodobnosti
Střední hodnota
Rozptyl
Generování náhodných veličin
pravděpodobnost výskytu v daném intervalu je úměrná délce intervalu, procesy bez minulosti
intervaly mezi událostmi
1
ln 1
xr e
rx
xf x e
1E x
2
1D x
Typ rozdělení exponenciální
Vzorec pro generování
Hustota pravděpodobnosti
Střední hodnota
Rozptyl
Generování náhodných veličinnespojité
pravděpodobnost úspěchu v každém pokusu je pX počet úspěšných pokusů při n opakováních
n p
1n xxn
P X x p pp
.E x n p
. 1D x n p p
Typ rozdělení binomické
Vygeneruj n náhodných čísel, X je počet případů, kdy:
Pravděpodobnostní funkce
Střední hodnota
Rozptyl
Generování náhodných veličin X počet výskytů za jednotku času
!
xeP X x
x
Generování:
1. Stanovíme x=0, pokles=1,mez=
2. Vygenerujeme r; pokles=pokles.r
3. Pokles>=mez; x=x+1; celé opakovat
E x
D x
Typ rozdělení Poissonovo
Pravděpodobnostní funkce
Střední hodnota
Rozptyl
e
Příklad: výpočet určitého integrálu
1. Znázornit průběh funkce v daném intervalu2. Vypočítat plochu obdélníka ABCD3. Vygenerovat náhodné veličiny x v intervalu AB4. Ke každému x vypočítat y, tj. f(x)5. Vygenerovat náhodné y (z intervalu AD )6. Pokud náhodné y je menší než f(x), bod leží pod
křivkou, za každý takový pokus započteme 17. Vypočítáme procento pokusů s
jedničkou=procento plochy obdélníka ležící pod křivkou
10
3 2
4
2 16x x dx
0
200
400
600
800
1000
1200
4 5 6 7 8 9 10A
D C
B
Vygenerované x
Vypočtené f(x)
Vygenerované y
V ploše neleží
Vygenerované y
V ploše leží
Plocha obdélníka ABCD
• Strana AB:10-6=6
• Strana BC:
souřadnice C: (10;1084)
Délka stany BC: 1084
• Plocha obdélníka: 6.1084=6504
nahodne krivka leží pod dx y f(x) grafem x počet 18,6 119,6122 695,063 1 1-10 5
6 550,131 238,389 0 11-20 37 750,4403 383,234 0 21-30 5
6,6 828,2085 310,206 0 31-40 27,3 350,7105 432,257 1 41-50 57,7 431,8656 492,67 1 51-60 59,2 111,6864 837,442 1 61-70 28,7 725,2685 727,986 1 71-80 49,1 371,7867 822,773 1 81-90 65,4 618,5427 167,739 0 91-100 4
procento 41plocha 2666,6