第11章 随机模拟及教案.ppt

数学建模讲义第11章 随机模拟 黄可坤 嘉应学院 1 模拟的概念 2 matlab产生随机数的函数 3 连续系统模拟实例: 追逐问题 4 离散系统模拟实例: 排队问题 5 用蒙特卡洛法解非线性规划问题 实验 见实验指导。 * * 教学目的 教学内容 学习计算机模拟的基本过程与方法。 模拟的概念（简单模拟实例） matlab产生随机数的函数 模拟实例 排队问题 追逐问题 非线性规划问题 实验作业 模拟就是利用物理的、数学的模型来类比、模仿现实系统及其演变过程，以寻求过程规律的一种方法。 1、物理模拟： 对实际系统及其过程用功能相似的实物系统去模仿。 例如，军事演习、船艇实验、沙盘作业等。 2、数学模拟： 运用数学运算模拟系统的运行。 蒙特卡洛（Monte Carlo）法：是一种应用随机数来进行计算机模拟的方法。 例1：在我方某前沿防守地域，敌人以一个炮排（含两门火炮）为单位对我方进行干扰和破坏．为躲避我方打击，敌方对其阵地进行了伪装并经常变换射击地点． 经过长期观察发现，我方指挥所对敌方目标的指示有50％是准确的，而我方火力单位，在指示正确时，有1/3的射击效果能毁伤敌人一门火炮，有1/6的射击效果毁伤敌人两门火炮． 请确定射中的比率及毁伤敌方火炮的平均值。 分析：这是一个概率问题，可以通过理论计算得到相应的概率和期望值.但这样只能给出作战行动的最终静态结果，而显示不出作战行动的动态过程. 为了能显示我方20次射击的过程，现采用模拟的方式。 需要模拟出以下两件事： 1. 问题分析 [2] 当指示正确时，我方火力单位的射击结果情况 [1] 观察所对目标的指示正确与否 模拟试验有两种结果，每一种结果出现的概率都是1/2． 因此，可用投掷一枚硬币的方式予以确定，当硬币出现正面时为指示正确，反之为不正确． 模拟试验有三种结果：毁伤一门火炮的可能性为1/3(即2/6)，毁伤两门的可能性为1/6，没能毁伤敌火炮的可能性为1/2(即3/6)． 这时可用投掷骰子的方法来确定： 如果出现的是１、２、３三个点：则认为没能击中敌人； 如果出现的是４、５点：则认为毁伤敌人一门火炮； 若出现的是６点：则认为毁伤敌人两门火炮． 2. 符号假设 i：要模拟的打击次数； k1：没击中敌人火炮的射击总数； k2：击中敌人一门火炮的射击总数；k3：击中敌人两门火炮的射击总数． E：有效射击比率； E1：20次射击平均每次毁伤敌人的火炮数． 3. 模拟框图 初始化:i=0,k1=0,k2=0,k3=0 i=i+1 骰子点数? k1=k1+1 k2=k2+1 k3=k3+1 k1=k1+1 i＜20? E=(k2+k3)/20 E1=0*k1/20+1*k2/20+2*k3/20 停止 硬币正面? Y N N Y 1，2，3 4，5 6 4. 模拟结果 5. 理论计算 6. 结果比较 虽然模拟结果与理论计算不完全一致，但它却能更加真实地表达实际战斗动态过程． 用蒙特卡洛方法进行计算机模拟的步骤： 设计一个逻辑框图，即模拟模型．这个框图要正确反映系统各部分运行时的逻辑关系。 模拟随机现象．可通过具有各种概率分布的模拟随机数来模拟随机现象． 2．产生m*n阶［０，１］均匀分布的随机数矩阵：rand (m, n) 1．产生m*n阶［a，b］均匀分布U（a，b）的随机数矩阵： unifrnd (a,b,m, n) 当只知道一个随机变量取值在（a，b）内，但不知道（也没理由假设）它在何处取值的概率大，在何处取值的概率小，就只好用U（a，b）来模拟它。 例 1的计算机模拟 当研究对象视为大量相互独立的随机变量之和，且其中每一种变量对总和的影响都很小时，可以认为该对象服从正态分布。 机械加工得到的零件尺寸的偏差、射击命中点与目标的偏差、各种测量误差、人的身高、体重等，都可近似看成服从正态分布。 若连续型随机变量X的概率密度函数为 其中 0为常数，则称X服从参数为 的指数分布。 指数分布的期望值为 排队服务系统中顾客单位时间的平均到达数为常数时的到达间隔、故障率为常数时零件的寿命都服从指数分布。 指数分布在排队论、可靠性分析中有广泛应用。 例 顾客到达某商店的间隔时间服从参数为0.1的指数分布 指数分布的均值为1/0.1=10。 指两个顾客到达商店的平均间隔时间是10个单位时间.即平均10个单位时间到达1个顾客. 顾客到达的间隔时间可用exprnd(10)模拟。 设离散型随机变量X的所有可能取值为0,1,2,…,且取各个值的概率为 其中