1 / 10

Optimalizace v simulačním modelování

Optimalizace v simulačním modelování. Obecně o optimalizaci. Optimalizovat znamená maximalizovat nebo minimalizovat určité kritérium v závislosti na daných parametrech (např. počet obslužných linek, řád fronty,..). Optimalizace pomocí simulace.

kaia
Download Presentation

Optimalizace v simulačním modelování

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Optimalizace v simulačním modelování

  2. Obecně o optimalizaci • Optimalizovat znamená maximalizovat nebo minimalizovat určité kritérium v závislosti na daných parametrech (např. počet obslužných linek, řád fronty,..).

  3. Optimalizace pomocí simulace • Vyskytují se náhodné veličiny – nelze použít výpočet • Pro odhad proměnných je nutné spustit simulaci několikrát • Lze prozkoumat pouze omezený počet variant • Neexistuje přesně definované jednoznačné řešení

  4. Základní pojmy • Vstupy/Faktory = vstupní proměnné • Kvalitativní • Kvantitativní • Výstupy/Efekty/Odezvy = výstupní proměnné

  5. 1. Kvalitativní faktory • Řád fronty FIFO(fronta), LIFO(zásobník), SIRO (náhodně), PRI (dle priorit) • Typ rozdělení Exponenciální, normální, rovnoměrné, … • Pravidla pro pohyb entit Rozdělení dle procent, dle typu entity, …

  6. 2. Kvantitativní faktory • Diskrétní • Počet obslužných zařízení • Kapacita fronty • Počet příchozích požadavků za čas.jednotku • Spojité • Průměrná délka obsluhy • Intervaly mezi příchody • Doba bezporuchového provozu

  7. Nalezení „optima“ při malém počtu variant • Malý počet variant = málo vstupních faktorů, každý z nich má jen několik různých úrovní • Lze provést simulační běhy pro každou variantu zvlášť • Dle zkoumaných proměnných srovnat výsledky a navrhnout optimální variantu

  8. Nalezení „optima“ při velkém počtu variant • Velký počet variant = mnoho faktorů či u každého faktoru mnoho úrovní • Nelze prozkoumat všechny varianty • Možnosti: • Pomocí experimentu Monte Carlo • Metoda Friedmana a Savage • Metoda RSM, …

  9. Experiment Monte Carlo • Numerické řešení pomocí několikrát opakovaných náhodných pokusů • Postup při velkém počtu variant: • Vygeneruj variantu • Proveď několik simulačních běhů • Srovnej výsledky - pokud jsou lepší než předešlé, ulož nové a označ variantu jako nejvhodnější • Postup opakuj dokud nebyl prozkoumán požadovaný počet variant nebo dokud nebyla dosažena přijatelná úroveň výsledků

  10. Metoda Friedmana a Savage Postup: • Všechny proměnné x2 … xN se zafixují na zvolených hodnotách • Nezafixovaná proměnná x1 se mění po intervalech zvolené délky, dokud není nalezeno optimální řešení • Poté je x1 zafixována, mění se x2 a hledá se lepší řešení • …atd.

More Related