ExtendSim仿真实例课件.ppt

ExtendSim7 优化案例 模型优化 这个方程中唯一没有定义的参数是#deliveries，它可以通过deliveryTimes参数计算出来。 将deliveryTimes参数转化为#deliveries的方程是： #deliveries = int((endTime-1)/deliveryTimes + 1) 完成后将注释方程和转换后的目标方程输入Optimizer模块。 ExtendSim7 优化案例 模型优化 运行最优化 打开Optimizer模块的对话框 选择Run Parameters 分页。由于模型中有随机因素，点击Random model部分的Quicker Defaults 按钮。这将快速设置一个随机模型中所有参数所需的多重样本，但是在默认情况下约束了样本的数量，所以可以快速得到结果。 通过点击Optimizer模块对话框中的New Run，或者点击工具栏中的Run Optimization工具，或者通过Run Run Optimization命令来运行最优化过程。当最优化过程在运行时，可以看到在Results分页表格的第一行的MaxProfit数值的变化。同时也可以看到MaxProfit和收敛数值的增加 当运行结束的时候，Optimizer模块自动打开并显示Results分页。 ExtendSim7 优化案例 拓展思考 研究问题实际化 运货时间固定，基于批量的优化策略 运货批量固定，基于时间的优化策略 有竞争的情况下该如何处理 ExtendSim7 优化案例 时间策略模型 ExtendSim7 优化案例 批量策略模型 ExtendSim7 优化案例 竞争情况 ExtendSim7 优化案例 一.优化概述 仿真优化即最优化（Optimization），是指寻找最佳的参数值，以使得目标性能最优。ExtendSim 使用的是Optimization模块（Value库）进行优化操作，该模块嵌套的是遗传算法。 对于ExtendSim来说搜寻最优解需要重复运行模型多次，运行的时间越长，找到最优解的概率越大。 ExtendSim7 优化案例 二.背景介绍 我们今天探讨的案例是一种果汁在某一区域的配送、运输、销售的例子。我们给定模型这样一个背景条件：在公园的某个报亭销售桶装的果汁，订单必须在前一天晚上下达，公司将按订单要求的时间每次一桶进行配送。如果报亭老板下单间隔过小、每次订量大公司在第二次配送时将取回第一次送过来的桶，未售完的果汁将浪费掉，如果下单间隔太大、每次订量小，将会出现缺货情况，造成缺货损失。试分析，最佳的订货时间间隔和订货量是多少？ ExtendSim7 优化案例 离散建模 连续建模 该选什么建模类型呢？ ExtendSim7 优化案例 两种主要的建模方法是连续的和离散事件建模。连续建模（过程建模）被用于描述一组数值。离散事件模型描述的是一组离散的数据。 在连续模型中，时间间隔从仿真开始时确定，并且以等长增加，值随着时间的改变而改变。在此类模型中值反应了各个时间点系统的状态。 在离散事件模型中，当且仅当有事件发生时，系统的状态才会改变。时间的改变不一定会使模型发生变化。它与连续模型不同的是仿真时间是随着事件的变化而变化，而不是相同的时间间隔。 ExtendSim7 优化案例 离散和连续建模的简单对比： 建模方法 连续 离散事件 ExtendSim库 Value库 Item库 建模对象 过程 独立项目 状态改变原因 时间改变 事件发生 典型应用 科学、经济和金融等 制造业、服务业等 ExtendSim7 优化案例 四、模型构建 要通过仿真模拟哪些过程呢？ 1.顾客到达购买果汁 2.送货车按时间表进行配货 3.缺货发生的损失 4.记录总销量，便于计算利润 先有模型， 再想问题 ————仿真之大忌 ExtendSim7 优化案例 三、约束条件概述： ? 饮料使用饮料桶进行分配，其容量范围是1000-8000 (在案例模型中，1000是饮 料桶的最初容量设置) ? 一辆卡车在一天开始时运送饮料桶并在一天中按照一定周期交换(模型最初设 置为在240分钟后运送第二个饮料桶) ? 卡车用相同容量的饮料桶交换。饮料运送的成本为1000 $ ，饮料的成本是 1 $/ drink ? 假定饮料公司知道一天中何时运送饮料桶以及运送的容量，饮料桶的容量和运 送周期在一天中开始就要安排好 ExtendSim7 优化案例 ? 顾客购买饮料服从一个随机分布；饮料单位售价为$2.50 ? 如果饮料桶在交换之前空的话，由于已经在排队等待的顾客会去其他地方购买以及新来的顾客也会流失导致每分钟大约损失$ 100 ? 如果你交换饮料桶过于频繁的话，由于旧桶中的饮料会和桶一起运回