Optimalizace v simulačním modelování. Obecně o optimalizaci  Optimalizovat znamená maximalizovat nebo minimalizovat parametrech (např. počet obslužných.

Slides:



Advertisements
Podobné prezentace
Lineární klasifikátor
Advertisements

Základní typy rozdělení pravděpodobnosti diskrétní náhodné veličiny
Analýza experimentu pro robustní návrh
Sedm základních nástrojů managementu jakosti
Matematické modelování a operační výzkum
Modely hromadné obsluhy Modely front
Třídění dat OA a VOŠ Příbram. Třídění  rozdělení jednotek souboru do takových skupin, aby co nejlépe vynikly charakteristické vlastnosti zkoumaných jevů.
Počítačová grafika III – Monte Carlo integrování II Jaroslav Křivánek, MFF UK
Prezentace společnosti B&C Dopravní systémy s.r.o. Společnost se zabývá aplikováním sofistikovaných metod využitelných pro poznávání, řízení a regulaci.
Aplikace teorie grafů Základní pojmy teorie grafů
Úvod Klasifikace disciplín operačního výzkumu
Operační systémy. OPERAČNÍ SYSTÉMY pomoc operátorovi, podpora vlastností reálného času, víceuživatelských a více úlohových systémů.
Systémy hromadné obsluhy
Lekce 1 Modelování a simulace
Genetické algoritmy. V průběhu výpočtu používají náhodné operace. Algoritmus není jednoznačný, může projít více cestami. Nezaručují nalezení řešení.
David Kramoliš Vedoucí práce: Doc. RNDr. René Kalus, Ph.D.
Získávání informací Získání informací o reálném systému
KEE/POE 8. přednáška Numerický výpočet derivace a integrálu
LOGISTICKÉ SYSTÉMY 4/14.
Pravděpodobnost a statistika opakování základních pojmů
Obsah prezentace Náhodná proměnná Rozdělení náhodné proměnné.
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně © Ing. Václav Rada, CSc. Cvičení – 8. APLIKACE.
ROZHODOVACÍ ÚLOHY.
STANOVENÍ NEJISTOT PŘI VÝPOŠTU KONTAMINACE ZASAŽENÉHO ÚZEMÍ
Vybraná rozdělení spojité náhodné veličiny
Matematická teorie rozhodování
Generování náhodných veličin (2) Spojitá rozdělení
Systémy hromadné obsluhy
Systém rizikové analýzy při statickém návrhu podzemního díla Jan Pruška.
Náhodný jev A E na statistickém experimentu E - je určen vybranou množinou výsledků experimentu: výsledku experimentu lze přiřadit číslo, náhodnou proměnnou.
Modelování a simulace MAS_02
Charakteristiky výstupního procesu systémů hromadné obsluhy Martin Meca ČVUT, Fakulta strojní.
Optimalizace versus simulace 9.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Data s diskrétním rozdělením
LOGISTICKÉ SYSTÉMY /14.
Dokumentace informačního systému
Vybraná rozdělení spojité náhodné veličiny
Ekonomické modelování Analýza podnikových procesů Statistická simulace je vhodný nástroj pro analýzu stochastických podnikových procesů (výrobní, obchodní,
Odhad metodou maximální věrohodnost
Tvorba simulačních modelů. Než vznikne model 1.Existence problému 2.Podrobnosti o problému a o systému 3.Jiné možnosti řešení ? 4.Existence podobného.
Systémy hromadné obsluhy
Základy zpracování geologických dat
Nelinearity s hysterezí Přerušení platnosti relace vytváří dvě různé charakteristiky, jejichž platnost je podmíněna směrem pohybu Hystereze přepínače x.
2. Vybrané základní pojmy matematické statistiky
 Zkoumáním fyzikálních objektů (např. polí, těles) zjišťujeme že:  zkoumané objekty mají dané vlastnosti,  nacházejí se v určitých stavech,  na nich.
Opakování lekce 4,5,
Plánování trajektorie pro bezpilotní letoun za účelem sledování pozemních objektů pomocí inerciálně stabilizované kamerové platformy Michal Kreč Vedoucí.
Cíl přednášky Seznámit se
Monte Carlo simulace Experimentální fyzika I/3. Princip metody Problémy které nelze řešit analyticky je možné modelovat na základě statistického chování.
Kendalova klasifikace SHO
Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně © Ing. Václav Rada, CSc. Únor CVIČENÍ APLIKACE FRONT + HO … - i pro.
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
(Popis náhodné veličiny)
Diference a diferenciál Způsoby vyčíslování termodynamických dat.
Dita Matesová, David Lehký, Zbyněk Keršner
Poissonovo rozdělení diskrétní náhodné veličiny
příklady použití základních reálných opcí
Úvod do praktické fyziky Seminář pro I.ročník F J. Englich, ZS 2003/04.
FEL ČVUT, katedra ekonomiky, manažerství a humanitních věd © Oldřich Starý, 2012 Finanční management Analýza projektu.
Měřické chyby – nejistoty měření –. Zkoumané (měřené) předměty či jevy nazýváme objekty Na každém objektu je nutno definovat jeho znaky. Mnoho znaků má.
Ověření modelů a modelování Kateřina Růžičková. Posouzení kvality modelu Ověření (verifikace) ● kvalitativní hodnocení správnosti modelu ● zda model přijatelně.
Korelace. Určuje míru lineární vazby mezi proměnnými. r < 0
Simulace podnikových procesů
Monte Carlo Typy MC simulací
Metoda molekulární dynamiky
Systémy hromadné obsluhy
Příklad (investiční projekt)
Statistika a výpočetní technika
Rozdělení pravděpodobnosti
Poissonovo rozdělení diskrétní náhodné veličiny
Transkript prezentace:

Optimalizace v simulačním modelování

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

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

Základní pojmy  Vstupy/Faktory = vstupní proměnné 1.Kvalitativní 2.Kvantitativní  Výstupy/Efekty/Odezvy = výstupní proměnné

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, …

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

Nalezení „optima“ při malém počtu variant málo vstupních faktorů  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

Nalezení „optima“ při velkém počtu variant mnoho faktorů  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, …

Experiment Monte Carlo  Numerické řešení pomocí několikrát opakovaných náhodných pokusů  Postup při velkém počtu variant: 1.Vygeneruj variantu 2.Proveď několik simulačních běhů 3.Srovnej výsledky - pokud jsou lepší než předešlé, ulož nové a označ variantu jako nejvhodnější 4.Postup opakuj dokud nebyl prozkoumán požadovaný počet variant nebo dokud nebyla dosažena přijatelná úroveň výsledků

Metoda Friedmana a Savage Postup:  Všechny proměnné x 2 … x N se zafixují na zvolených hodnotách  Nezafixovaná proměnná x 1 se mění po intervalech zvolené délky, dokud není nalezeno optimální řešení  Poté je x 1 zafixována, mění se x 2 a hledá se lepší řešení  …atd.