蒙地卡罗模拟的应用.PPTVIP

作業研究 二版 Ch.19 模擬 第十九章 模擬 Simulation 章節大綱 前言 模擬的優缺點 典型範例 產生亂數 產生各種分配的隨機觀測值 蒙地卡羅模擬 收集與分析統計觀測值 變異數降低技術 19.1 前言 模擬（simulation） 使用電腦進行一系列的實驗，以模仿一個完整系統的作業過程 目前是所有OR方法中，實務上最為廣泛應用的技術 應用範圍 等候系統、存貨控制系統 企業與經濟問題（如消費者行為、價格策略） 工廠製造流程 賭博遊戲 戰爭的戰略與戰術 19.2 模擬的優缺點 優點 可很容易地應用在複雜的系統 很容易地處理「如果……，將會如何？」的問題 模擬經常可取代實際的實驗，且成本較低 模擬可很方便地得到近似最佳解。 模擬的結果可用於觀察系統存在的一些現象或性質，作為發展相關理論的基礎 缺點 模擬所得到的結果不是解析解，而是近似解 對於大型的複雜系統，模擬有時需要相當高的成本 對於較複雜的模擬，必須必須聘請專業人員 19.3 典型範例 亂數表 模擬10位顧客的結果 模擬20位顧客的系統狀態圖 估計等候系統的績效基準 估計等候系統的績效基準 估計等候系統的績效基準 19.4 產生亂數 範例19.1 /以LCG產生亂數 19.4 產生亂數 LCG 乘法LCG 目前最常用的乘法LCG： 混合LCG 假亂數（pseudo-random number） 19.5 產生各分配的隨機觀測值 簡易的離散分配 可用直接亂數對應的方式產生隨機觀測值 範例17.2 丟銅板的模擬 可用一位數的亂數模擬。例如，讓0、1、2、3、4代表正面；讓5、6、7、8、9代表反面 範例19.3 /擲骰子的模擬 模擬一顆骰子 可用一位數的亂數予以模擬 例如，讓1代表1點，2代表2點、……；捨棄0、7~9 模擬兩顆骰子 範例19.3 /擲骰子的模擬 反函數轉換法 範例19.4 /指數分配 範例19.5 /連續均勻分配 離散型分配 範例19.6 範例19.7 合成法 範例19.8 /合成法的應用 範例19.8 /合成法的應用 迴旋法 範例19.9 /迴旋法的應用 範例19.10 /迴旋法的應用 產生常態分配隨機觀測值 範例19.12 /迴旋法的應用 接受拒絕法 接受拒絕法（acceptance-rejection method） 適用於反函數較為複雜而不易求得時 考慮三角分配（triangular distribution）triang(a,b,c)，其pdf如右： 產生三角分配隨機觀測值 19.6 蒙地卡羅模擬 動態模擬（dynamic simulation） 法 下一個事件模擬法（next-event simulation） 每一次模擬的時間點是當下一個事件發生時 固定時間增量法（fixed-time incrementing method） 每次增加一段固定的時間，然後決定這段時間是否有事件發生，並記錄系統更新後的狀態 靜態模擬（static simulation） 蒙地卡羅模擬（Monte Carlo simulation） 範例19.13 /蒙地卡羅模擬的應用 範例19.13 /蒙地卡羅模擬的應用 範例19.13 /蒙地卡羅模擬的應用 模擬N=15次的結果 19.7 收集與分析統計觀測值 模擬的觀測值必須滿足三個條件： 在穩定狀態下取得 將暫時期間去除，再開始收集可使用的觀測值資料 取自常態分配的母群體 在收集觀測值時，應收集樣本的平均作為觀測值， 彼此相互獨立 使用樣本平均作為觀測值，則相關性可大為降低 收集模擬觀測值的三個方法： 子區間法 重複法 再生法（或稱循環法） 子區間法 子區間法（subinterval method） 將模擬的結果，在去除暫時期間後，分為幾個子區間（或批次） 子區間法 範例19.14 /子區間法的應用 重複法 重複法（replication method） 重複多次獨立的實驗，每次均將暫時期間去除，並僅取平均值作為一個觀測值 再生法 再生法 範例19.15 /再生法的應用 範例19.15 /再生法的應用 範例19.15 19.8 變異數降低技術 變異數降低技術（variance reduction technique；VRT） 共同亂數 互補亂數 分層抽樣 共同亂數 共同亂數（common random number） 當比較不同系統時，使用相同的隨機觀測值 範例17.16 範例19.16 互補亂數 互補亂數（complementary random number） 適用於單一系統 基本概念：每次產生一對（兩個）總和為1的