数学建模30种基本模型_数学建模：利用Simpy模拟简单排队模型

模型还是出自姜启源老师翻译的第三版《数学建模》，章节是第五章“模拟方法建模”。这本书年代比较老了，很多建模方法过于基础，但是仍旧不失为经典的建模教材。

之前我们做过简单差分方程组的探索：

忘荃的趣味编程：简单差分方程组模型的可视化-使用Processing​zhuanlan.zhihu.com

那么今天我们就进一步探讨更复杂的模型：事件模拟模型。这类模型之间的特点是，各个事件是强耦合的，也就是彼此制约的关系很大。不像是以前的差分方程组描述的各个事件是孤立的，这里的事件因为要排队占用一些资源，或者因为彼此之间的合作关系，所以常常会出现“你等我来我等你”的紧张有序的局面。

这个时候学习过“操作系统”的同学，肯定就会发现，这不就是我们常说的各种多进程同步算法（信号量，PV操作）吗？还真是。使用Simpy来进行这种仿真的最大优势是，能让你专注于描述自己的事件模型，而不必操心整个仿真系统在编程中应该如何实现。使用Simpy做出来的仿真，都自然是高效易懂可扩展的。

虽然现在Simpy文档有中文版翻译了，但是翻译质量真的不敢恭维，所以还是建议拿起翻译工具去看英文文档。

问题场景

仿真代码：

"""

那么先来看看一次仿真的具体情况（将my_print中的注释取消就行了）：

到达时间 

这里用到了一个小技巧，就是通过在船名SHIPXX 前面加对应个数的空格，大大增加了输出结果的可读性。从这个结果中，大致可以看到，SHIP00，SHIP01和SHIP02都没有等待，而SHIP03和SHIP04则都是到港后等了一会才进港的。而书中则也提供了一次仿真的结果展示：

可以看出我们的这次仿真和书中的仿真结果是有相似之处的。

而书中也提到了，100艘船的仿真结果中的数字指标：

可以看出其中的平均等待时间的波动还是比较大的，那么我们直接在自己的程序中将总船数设置为5000，看看更精确的平均等待时间究竟是多少呢？

是45.05。

可以看出，这个数字和书中的数据100船平均等待时间相比是偏大的，那么我们大胆地提出一个猜测：模拟的时间越久，就越可能会有卸货很慢很慢的船到来，而这种船会造成严重的拥堵，从而让大家都陷入苦苦等待的情况。而卸货快的船对于平均等待时间的减少则效果不太明显，这就是“一个老鼠屎，坏了一锅粥”的道理吧。

但是，我们做这个仿真模型的意义不止于此，首先我们可以探索各个模型参数对于结果的影响，其次再加上限制条件，目标函数和优化方法，我们就可以做出一个漂亮的模型优化方案了。比如说问题是这样的：“现在给你多少的钱来提升港口效率，增加一个码头要花a元钱，增加一个卸货工人要花b元钱”，那么如何花这笔钱才能最大地提升港口效率呢？