АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Метод Монте-Карло

Читайте также:
  1. I. ГИМНАСТИКА, ЕЕ ЗАДАЧИ И МЕТОДИЧЕСКИЕ ОСОБЕННОСТИ
  2. I. Методические основы
  3. I. Предмет и метод теоретической экономики
  4. II. Метод упреждающего вписывания
  5. II. МЕТОДИЧЕСКИЕ УКАЗАНИЯ ДЛЯ ВЫПОЛНЕНИЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ
  6. II. Методы непрямого остеосинтеза.
  7. II. Проблема источника и метода познания.
  8. II. УЧЕБНО-МЕТОДИЧЕСКАЯ КАРТА ДИСЦИПЛИНЫ
  9. III. Методологические основы истории
  10. III. Предмет, метод и функции философии.
  11. III. Социологический метод
  12. III. УЧЕБНО – МЕТОДИЧЕСКИЕ МАТЕРИАЛЫ ПО КУРСУ «ИСТОРИЯ ЗАРУБЕЖНОЙ ЛИТЕРАТУРЫ К. XIX – НАЧ. XX В.»

Метод Монте-Карло назван по имени города, известного своими игорными домами. Метод Монте- Карло - это метод имитации для приближенного воспроизводства реальных явлений. Он объединяет анализ чувствительности и анализ распределений вероятностей входящих переменных.

Метод Монте-Карло позволяет построить модель при минимуме данных, а также максимизировать зна­чение данных, используемых в модели. Он может быть применен для решения почти всех задач при условии, что альтернативы могут быть выражены количественно. Построение модели начинается с определения функ­циональных зависимостей в реальной системе. После этого метод Монте-Карло позволяет получить количест­венное решение, используя теорию вероятности и таблицы случайных чисел. Метод Монте-Карло широко при­меняется во всех случаях имитирования на ЭВМ.

Применение этого метода покажем на самом простом условном примере.

Пример. Необходимо обслужить покупателей какого-либо товара, имеющего постоянный спрос. Магазин работает круглосуточно, т.е. все 24 часа в сутки. Приход покупателей за товаром носит случайный характер. Покупатели обслуживаются только последовательно, т.е. один покупатель — одно обслуживание. Характеристи­ки поступивших требований на обслуживание покупателей следующие:

1) интервал между поступлениями требований составлял 1 час в 40 случаях из 100,2 часа в 60 случаях из 100;

2) продолжительность обслуживания также есть величина случайная, и составляет 0,5 часа в 20 случаях из 100,1,0 часа в 80 случаях из 100.

Исходя из вышеприведенных показателей, имеем:

1) среднее значение интервала между поступлением требований: 1 ч × 0,4 + 2 ч × 0,6 = 1,6 ч;

2) среднее время обслуживания: 0,5 ч × 0,2 + 1,0 ч × 0,8 = 0,9 ч;

3) среднее время бездеятельности: 1,6 - 0,9 = 0,7 ч.

Конечной целью данной задачи является получение ответа на вопрос: «Каково среднее время ожидания?» Для получения ответа на заданный вопрос строим имитирующую модель, в которой интервалы между прибыти­ем посетителей и временем обслуживания представлены последовательностью случайных чисел. Для интерва­лов между прибытием выбираем случайную последовательность: 0,1,2, 3,4, 5, 6,7, 8, 9.

Если выбрано число 0, 1, 2, 3, то продолжительность интервала между поступлением двух требований составляет 1 час. Если же выбрано число 4, 5, 6, 7, 8, 9, то продолжительность интервала равна 2 часам. Анало­гично определяем время обслуживания, которое наступает после окончания интервала прибытия. Для этого вы­бираем второе случайное число. Если выбрано число 0, 1, 2, 3, 4, 5, 6, 7, то время обслуживания составит 0,5 часа. Если же выбраны числа 8 или 9, то время обслуживания составит 1 час.

Решение этой задачи приведено в табл. 6. Предполагается, что первый покупатель прибывает в 00 часов (см. гр. 4 таблицы 1.2.2). Извлеченные произвольные числа приведены в гр. 2 и в 6 таблицы 2.1.2.

 

Таблица 2.1.2.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | 76 | 77 | 78 | 79 | 80 | 81 | 82 | 83 | 84 | 85 | 86 | 87 | 88 | 89 | 90 | 91 | 92 | 93 | 94 | 95 | 96 | 97 | 98 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.005 сек.)