离散系统仿真结果分析.docVIP

PAGE 1 PAGE 22 第十四章 离散事件系统仿真结果分析 14.1 概述 例14.1 考虑M/M/1系统，顾客到达时间间隔是均值为5min的指数随机变量，为每个顾客服务的时间是均值为4min的指数随机变量。表14.1给出了 M/M/1系统仿真结果： 仿真长度(n) 理论值 1000 2000 3000 4000 5000 d(n) 16.0 19.723 17.856 15.563 16.826 16.982 Q(n) 3.2 3.916 3.620 3.181 3.326 3.425 可以看到，仅从某一次仿真结果来推断系统的性能并不一定保证是正确的。 问题：如何恰当选择运行长度？或者说，如何控制仿真运行次数？ 终止型仿真 这种仿真的运行长度是事先确定的。由于仿真运行时间长度有限，系统的性能与运行长度有关，系统的初始状态对系统性能的影响是不能忽略的。 为了消除由于初始状态对系统性能估计造成的影响，需要多次独立运行仿真模型，从统计学的观点来看，理论上要独立运行无穷多次。在实际中如何确定运行次数以便得到较好的性能估计，这是终止型仿真结果分析需要讨论的问题。 例14.2 考虑Ｍ／Ｍ／１系统通过仿真估计顾客平均排队等待时间。 初始队长为0, 服务台初始状态为闲, 则: 其中是第j次运行时顾客排队等待时间的平均值, 即 实际上, 不可能无穷大, 需要研究如何由有限的次运行得到的好的估计值。 ２、稳态型仿真 这类仿真研究仅运行一次，但运行长度却是足够长，仿真的目的是估计系统的稳态性能。显然，由于仿真长度没有限止， 系统的初始状态对仿真结果的影响可以忽略。然而，需要确定仿真运行长度到底多长就可以认为是“足够”了。 例14.３ 考虑估计Ｍ／Ｍ／１的稳态排队等待时间，它应满足： 实际中，不可能无穷大，需要讨论如何由一次有限的仿真运行中得到的好的估计值。 14.2 终止型仿真结果的分析 终止型仿真的要求是每次运行的初始条件相同，但必须是相互独立的。实现独立运行的方法是每次采用不同的随机数据流。 如果Xi是第次运行时得到的某一系统性能的仿真结果，由于每次运行相互独立，则可以认为Xi是独立同分布的随机变量, 从而可以用经典统计分析的方法构造的置信区间。 根据对置信区间的精度要求, 终止型仿真结果分析有两类基本方法, 即固定样本长度法及序贯法。 1 固定样本长度法 由用户规定独立运行的次数。 假定每次运行的结果除了满足独立同分布的条件外, 而且是正态随机量, 则随机变量X的期望值的估计值为: 其中称为置信水平, 而 估计值：依赖于是正态随机变量这一假设。根据中心极限定理，若产生的样本点数越多，即每次仿真运行的长度越长，则越接近正态分布。因此，在终止型仿真中，每次仿真运行的长度不能太短，否则的分布可能不对称而造成歪斜，因而由建立的置信区间覆盖真值的程度将会降低。 2 序贯程序法 固定样本长度法对构造的信区间长度未加控制。 置信区间长度：不但与的方差有关，而且与仿真运行次数有关（区间长度与成反比）。为了减少置信区间的长度，需要加大n。根据这一特点，我们可以得到有规定精度的置信区间，这就是基于固定样本长度法的序贯法。 置信区间的半长称为它的绝对精度, 用表示, 而将置信区间半长与点估计的绝对值之比称为置信区间的相对精度, 用表示。 为了得到规定的, 可先运行n次, 若得到的或太大, 可再增加n。一种解析地确定n的做法是, 设的总方差估计S2(n)随着n加大而没有显著变化, 则 或 注意,式中还假设随n加大也没有明显变化, 即认为。 实践表明, 随着n的加大, 认为S2(n)保持不变的条件过于苛刻, 从而按上式计算得到的或 偏大, 因而往往采用序贯程序法, 这种方法的步骤如下: (1) 预定独立仿真运行的次数, 并置, 独立运行n (2) 计算该n次运行的X1,X2,…,Xn, 以及相应的 (3) 计算出 (4) 若, 则置信区间为: 并将其作为在近似意义下的置信区间, 从而结束仿真, 否则, (5) 再进行一次独立的仿真运行得到 (6) 令n=n+1, 并返回第(2)步。 14.3 稳态型仿真的置信区间 仿真研究的另一种常见的情况是估计的稳态性能, 此时, 一般是执行一次长度很大的仿真运行。 令Y2,Y2,…,Ym是从某次运行得到的输出过程, 则的稳态平均响应由下式定义: 这要求的极值存在, 这样与仿真的初值无关。 介绍：批均值法，稳态型序贯法，重复产生法，重复删除法。 1 批均值法 基本思想是：设仿真运行长度为m(m足够大), 则得到输出过程Y1, Y2,…,Ym, 将{Yi,i=1,12,…m}分为n批, 每批长度为l, 则得到每批数据如下: