系统模拟和建模技术--1. 介绍

概述

● 建模一个系统

● 研究系统的不同方法

● 模型的分类

● 介绍模拟

● 模拟生命周期

建模一个系统

什么是模型？

● 模型是关于系统的信息体，为了研究系统而收集

●  模型只包含真实系统的本质部分；那些对系统行为没有显著贡献的方面被排除

●  研究的目的将决定应收集的信息性质

●  对于一个系统并没有唯一的模型

建模一个系统 - 例子

1. 开发一个模型来研究从点A到点B（家到办公室）的行程时间：   其中x是距离，v是平均速度，t是行程时间。
2. 开发一个模型来估计单服务队列中的等待时间：  其中W是预期等待时间，λ是到达率，μ是服务率。

研究系统的不同方法

什么是模拟？

●  模拟是随着时间的推移对现实世界过程或系统操作的模仿。

●  在进行模拟之前，首先必须开发模型。

●  模型代表系统本身，而模拟代表系统随时间的操作。

分析建模与模拟

• 数学模型：用逻辑和定量关系表示系统，然后通过数学方程操纵以查看模型对不同参数的反应。
• 模型的解决方案：
  • 分析解决方案：如果存在确切的分析（或封闭形式）解决方案（例如，某些排队模型）。
  • 模拟：如果分析解决方案极其复杂，并且需要大量计算资源。
• 通常，如果系统可以通过分析方法解决，我们不会进行模拟。

设计系统的步骤 

●  开发系统的模拟模型

●  通过模拟试验模型  ==> 模型的完善。

●  开发原型并进行试验 ==> 模型的完善。

●  实施和测试系统 ==> 模型的完善。

模型的分类：静态 vs 动态

静态与动态模型

• 随时间不变的系统是静态的，而随时间变化的系统是动态的。
• 静态：时间不变，这类模型描述的是那些不随时间改变的系统。静态模型不涉及时间因素，通常用于解决时间不变的问题，比如计算某个固定形状的面积。在这种模型中，时间不是一个影响因素。
• 动态：时间依赖，与静态模型相反，动态模型用于描述那些随时间发生变化的系统。这些模型通常包含时间作为一个关键变量，并用于模拟和分析随时间变化的过程或行为。例如，M/M/1队列模型是一个典型的动态模型，它用于研究在单一服务点的等待队列系统，其中顾客到达和服务都是随时间而变化的。

确定性 vs 随机模型

●  确定性模型：没有随机变量。

    ■ 确定性模型具有一组已知的输入，这将导致一组独特的输出。

    ■ 例如：患者按预约时间到达诊所（确定性到达）。

●  随机（非确定性或概率）模型：有一个或多个随机变量。

    ■ 例如：在银行中，客户之间的随机到达和服务时间。

蒙特卡罗模拟

• 描述既随机又静态的系统。
• 可用于研究不够了解的复杂现象，或者当非概率模型的解决方案过于复杂或计算成本过高时。
• 例如：金融、工程、经济预测、商业风险分析、游戏等。

离散 vs 连续时间模型

• 离散时间模型：状态变量在时间上的离散点改变，例如，服务器的队列长度。
• 连续时间模型：状态变量可能持续改变，例如，教室内的温度。

    ■ 建模的系统是动态的，但可能是确定性的或随机的。

    ■ 连续模拟模型在机械、生产和电气工程中得到广泛应用。

    ■ 例如：水温的增减是一个连续过程，可以在连续模拟中用一组微分方程来表示。

组合离散/连续模型（混合模型）

• 系统模型中的某些变量是离散的，某些是连续的。

    ■ 例如：卸货码头，油轮排队通过管道卸载石油。

    ■ 离散 - 油轮到达。

    ■ 连续 - 石油流动。

• 注意：模拟模型的选择取决于系统的特性和研究的目标。

介绍模拟

什么是模拟器？

• 模拟器是模型的一种实现（例如，一个计算机程序，用来模仿现实世界系统的行为）。
• 模拟器的输出是一组关于系统可观察反应和性能的测量数据。
• 警告：测量数据只是对现实世界系统实际情况的估计。

模拟器的输出

• 测量数据为什么只是估计？

    ■ 因为模拟的只是现实世界系统的一个抽象！

• 例子：估计银行柜台的等待时间
  • 系统：银行
  • 输入
    • 客户到达
    • 服务员的服务率
  • 输出
    • 平均排队时间
    • 平均服务时间

为什么使用模拟？

• 通常，我们选择模拟而不是在现实世界系统中进行实验，因为
  • 系统尚未存在
  • 使用系统进行实验
    • 太昂贵
    • 耗时太长
    • 太危险
  • 在系统中进行实验不合适，例如灾害规划

模拟的优点

• 允许控制实验
• 允许时间压缩，以便可以做出政策决策，例如天气预报
• 允许在实施之前评估操作性能
• 允许在不干扰实际系统的情况下比较各种操作方案

模拟的缺点

• 构建和验证模型可能需要大量时间（人力）
• 通常需要进行大量模拟运行 - 计算成本高
• 隐藏的关键假设可能导致模型与现实脱节
• 模型参数可能难以初始化

应用领域

• 制造业
• 半导体制造
• 建筑工程
• 军事应用
• 供应链/物流
• 交通
• 业务流程
• 医疗保健

模拟生命周期