物流仿真模型3.ppt

南开大学物流技术研究中心 目录 随机变量及其生成方法 随机变量及其生成方法 确定随机变量时的三种情形 随机变量分布类型已知，需要由观测数据确定该分布的参数； 由观测数据确定随机变量的分布类型，并确定参数； 由已有的观测数据难以确定该随机变量的理论分布。 分布参数类型 位置参数 比例参数 形状参数 位置参数γ 确定了一个分布函数取值范围的横坐标 当改变时，分布函数仅平移而无其它变化，又称位移参数 例均匀分布函数U(a,b)，密度函数 比例参数β 决定分布函数在其取值范围内取值的比例尺 其改变只压缩或扩张分布函数，不改变基本形状 例：指数分布函数EXP(β)，密度函数 形状参数 确定分布函数的形状，从而改变分布函数的性质 例：韦伯分布Weibull(α,β)，密度函数： 随机变量及其生成方法 随机变量及其生成方法 随机变量及其生成方法 产生随机数的方法 1.随机数表 1927年,4万随机数表,以后有100万随机数表（可以输入内存，随时调用） 2.硬件设备 从真实物理现象的随机因素中产生随机数，放射性粒子的放射源，电子晶体管的固有噪音等，单位时间内放射出的粒子数是随机的。 优点：真正的随机数； 缺点：外部设备，无法重复 产生随机数的方法 3.数学公式 产生伪随机数：用数学公式或位移寄存器的移位操作来产生的随机数，称为伪随机数。伪随机数并非概率论意义下的真正的随机数。因为真实的随机数，只能从客观真实的随机现象本身产生出来，所以产生理想的伪随机数列不是一件容易的事。一般伪随机数要保证有较好的统计特性 以下将伪随机数与随机数等同 对于产生伪随机数的方法，有如下要求 要求伪随机数列有较理想的随机性和均匀性，即对其随机性和均匀性进行统计检验时，有合乎要求的精度 产生伪随机数的程序应当运算速度快、占用计算机的内存少 伪随机数列的循环周期应当尽可能地大，以满足模拟的需要 伪随机数列中，前后之间和各子列之间要求相互独立 随机变量及其生成方法 线性同余发生器 递推公式： 所有参数值均为非负整数，Z0称为随机数源 则[0,1]区间上的随机数 可证明： 显然本质上非随机且取值有限 作业1：m=16，a=5，C=3，Z0=7 求十个该线性同余发生器生成的随机数 该发生器特点 适当的m,a,c可使Zi循环产生，循环周期称为发生器周期，记为P；当P=m时，称发生器具有满周期 适当的m,a,c可使每个周期内每个数仅出现一次，即具有均匀性 当m足够大且发生器满周期、均匀时，Ui在[0,1]上均匀分布，且取值足够密 一般要求取m0，且am，cm，x0m （满周期条件）定理：当且仅当满足下列条件，线性同余发生器满周期 m与c无公因子 若q能整除m，则q能整除a-1 若m能被4整除，则a-1也能被4整除 当c0时称混合乘同余法，c=0称乘法线性同余法 素数取模乘同余法（PMMLCG） m是小于2b的最大素数，而a的选择满足al-1被m整除的最小整数l=m-1，也就是说能被m整除的al-1的最小整数为am-1-1，那么得到的zj 的周期为m-1，且在每个周期内，1,2,…,m-1这些整数严格地只出现一次。 两个经过检验性能较好的PMMLCG 组合发生器 为提高性能，可用一个发生器控制另一个发生器产生随机数，两种方式 发生器1产生 ，发生器2产生[1,k]上均匀分布的随机整数I，取出并重新产生UI 发生器1，2产生 和 ， 在二进制下循环移位 次得 ，再次与 “异或”后得 思路： 减少递推公式的自相关性，提高独立性 加长发生器周期，提高随机数密度和均匀性 一、反变换法 常用且直观，以概率积分变换定理为基础 设随机变量x的分布函数为F(x)，则x的抽样值可按如下方法求： 产生在[0,1]上的均匀分布的独立随机变量u，由反分布函数 得到的值即为所需要的随机变量x 该方法对分布函数进行反变换，故此得名 例：连续随机变量 对指数分布 产生x抽样值 解：用随机数发生器产生 由上面的例子可以看到，用反变换法产生随机变量时首先必须用随机数发生器产生在[0,1]上均匀分布的独立的u，以此为基础得到的随机变量x才能保证分布的正确性，可见，选择一个均匀性及独立性较好的随机数发生器在产生随机变量中是十分重要的 当x是离散随机变量时，其反变换法的形式略有不同，原因在于离散随机变量的分布函数也是离散的，因而不能直接利用反函数来获得随机变量的抽样值 对有离散随机变量 x，分别以概率 取值 ， 其中 ，由此可划分n个子区间： 用随机数发生器产生