系统工程课件--第章系统仿真-公开课件.pptVIP

排队系统的优化目标 与最优化问题 一、M／M／1／∞ 系统的最优平均服务率?* 设 C1——当?=1时服务系统单位时间的平均费用 CW——平均每个顾客在系统逗留单位时间的损失； y——整个系统单位时间的平均总费用。 其中C1，C2均为可知(下同)。则目标函数为 排队系统的优化目标 与最优化问题 将L= ? ／(? -?)，代入上式，得 易见y是关于决策变量?的一元非线性函数 由一阶条件 解得驻点 排队系统的优化目标 与最优化问题 根号前取正号是为了保证?1，即?* ? ，这样，系统才能达到稳态。又由二阶条件 (因?? ） 可知(6-53)给出的?*为(?,∞)上的全局唯一最小点。将?*代入 中，可得最小总平均费用 兴建一座港口码头，只有一个装卸船只的泊位。要求设计装卸能力。装卸能力单位为（只/日）船数。已知：单位装卸能力的平均生产费用a=2千元，船只逗留每日损失b=1.5千元。船只到达服从泊松分布，平均速率λ=3只/日。船只装卸时间服从负指数分布。目标是每日总支出最少。 应 用 举 例 解：λ=3 μ待定 模型 M/M/1/∞/∞ 队长 Ls =λ/(μ-λ) 总费用 C=aμ+bLs=aμ+bλ/(μ-λ) 求极值（最小值） 应 用 举 例 求导 dc/du=a+(-bλ)/(μ-λ)2 = 0 得: μ-λ=+ - (bλ/a)1/2（根据题意舍负） 所以 μ=λ+(bλ/a)1/2=3+(2.25)1/2=4.5(只/日) 一、MC 的起源和发展 随机模拟方法，也称为Monte Carlo方法，是一种基于“随机数”的计算方法。这一方法源于美国在第一次世界大战进行的研制原子弹的“曼哈顿计划”。该计划的主持人之一、数学家冯·诺伊曼用驰名世界的赌城—摩纳哥的Monte Carlo—来命名这种方法，为它蒙上了一层神秘色彩。冯·诺伊曼是公理化方法和计算机体系的领袖人物，Monte Carlo方法也是他的功劳。 事实上，Monte Carlo方法的基本思想很早以前就被人们所发现和利用。早在17世纪，人们就知道用事件发生的“频率”来决定事件的“概率”。18世纪下半叶的法国学者Buffon提出用投针试验的方法来确定圆周率π的值。这个著名的Buffon试验是Monte Carlo方法的最早的尝试！ 历史上曾有几位学者相继做过这样的试验。不过呢，他们的试验是费时费力的，同时精度不够高，实施起来也很困难。然而，随着计算机技术的飞速发展，人们不需要具体实施这些试验，而只要在计算机上进行大量的、快速的模拟试验就可以了。 Buffon试验 假设平面上有无数条距离为1的等距平行线，现向该平面随机投掷一根长度为 的针( )， 则我们可计算该针与任一平行线相交的概率。这里，随机投针指的是：针的中心点与最近的平行线间的距离 均匀的分布在区间 。上，针与平行线的夹角 （不管相交与否）均匀的分布在区间 上。 因此，针与线相交的充要条件是 Buffon试验 从而针线相交的概率为 根据上式，若我们做大量的投针试验并记录针与线相交的次数，则由大数定理可以估计出针线相交的概率 ，从而得到 的估计值。 针与线的位置关系： ? 二、MC 的原理 应用Monte Carlo方法求解工程技术问题可以分为两类： 确定性问题 随机性问题 确定性系统 随机性系统 模拟 自然界 Monte-Carlo模拟，即随机模拟（重复“试验”） 重复试验 计算机模拟 蒙特卡洛模拟在风险分析方面 的应用 投资项目的风险分析 【例9?4】现准备开发一种新产品的投资项目，其初始投资额为200万元，有效期为3年。该项目一旦投入运营后，第一年产品的销量是一个服从均值为200万件而标准差为60万件的正态分布，根据这种产品的生命周期规律，第二年销量将在第一年的基础上增长20%，而第三年销量将在第二年基础上增长?50%。三年内每年还需投入固定成本100万元。新产品的单位变动成本在2元到4元之间均匀分布。委托咨询机构对产品销价的市场调研结果见下表。如果此投资项目的贴现率定为10%，试分析此投资项目的风险。 蒙特卡洛模拟在风险分析方面 的应用 风险分析的输出结果 模拟中随机数的生成