5.1.10. Проведение экспериментов

AnyLogic предоставляет пользователю возможность провести следующие эксперименты:

простой эксперимент; оптимизация; варьирование переменных; сравнение прогонов; Монте-Карло; анализ чувствительности; калибровка; нестандартный.

Последние пять экспериментов доступны только в AnyLogic Professional.

5.1.10.1. Простой эксперимент

Простой эксперимент запускает модель с заданными значениями параметров, поддерживает режимы виртуального и реального времени, анимацию, отладку модели.

При создании модели автоматически создается один простой эксперимент, названный Simulation. Именно такой эксперимент мы с вами и рассматривали до сих пор.

Эксперимент этого типа используется в большинстве случаев. Другие эксперименты нужны тогда, когда важную роль играют значения параметров модели. То есть вам нужно проанализировать, как они влияют на поведение или эффективность моделируемой системы или если вам нужно найти оптимальные параметры вашей модели.

Далее в рамках данного пособия мы остановимся на доступных в версии AnyLogic University экспериментах оптимизации и варьирования переменных, овладев методиками проведения которых, вы самостоятельно сможете выполнять в AnyLogic Professional и другие эксперименты.

5.1.10.2. Связывание параметров

Начиная создавать модель в AnyLogic, мы ничего не говорили об экспериментах и особенностях их проведения. Поэтому все исходные данные разместили на Исходные_данные_ПД (рис. 5.3) и Исходные_данные_Д (рис. 5.9) так, как нам представлялось удобным для построения модели и управления ею в ходе проведения простого эксперимента.

217

При проведении эксперимента и наличии в модели, как у нас, вложенных объектов, нужно связывать параметры корневого объекта и вложенных объектов, так как изменять в ходе эксперимента можно только параметры корневого объекта. В результате связывания значение параметра любого уровня вложенного объекта будет равно значению параметра объекта самого верхнего уровня.

Но следует иметь в виду, что связываются только параметры одного типа и что передача значения параметра производится лишь параметру объекта, находящемуся ниже уровнем в иерархи-

ческом дереве модели. То есть связываются параметры последовательно от одного уровня к другому, а не через уровень или уровни.

Разместите элементы, как показано на рис. 5.17. Внесите соответствующие изменения в модель. Обратите внимание на различие имён связываемых параметров, например, КССР_1.

Свяжите параметры корневого типа агента Main с параметрами вложенного объекта типа агента Degyrstvo.

1.Откройте диаграмму типа агента Main.

2.Выберите на диаграмме вложенный объект degyrstvo.

3.Перейдите на панель Свойства. В таблице Параметры в поле Значение введите имя параметра типа агента-владельца Main, значение которого нужно передавать параметру вложенного объекта. В результате у вас должно быть так, как на рис. 5.18.

Рис. 5.17. Размещение элементов на Исходные_данные_ПД

218

Рис. 5.18. Фрагмент страницы Параметры после связывания параметров

219

5.1.10.3. Первый эксперимент Оптимизация стохастических моделей

Эксперимент Оптимизация может проводиться в AnyLogic оптимизатором OptQuest для детерминированных и стохастических моделей.

Наша модель Система связи стохастическая. Создайте оптимизационный эксперимент стохастической модели с целью определения максимального коэффициента прибыли в зависимости от количества резервных СС и мастеровремонтников.

1. В панели Проект Щёлкните правой кнопкой мыши элемент модели Система_связи и из контекстного меню выберите Coздать/ Эксперимент. В появившемся диалоговом окне из спис-

ка Тип эксперимента: выберите Оптимизация (рис. 5.19).

Рис. 5.19. Диалоговое окно Новый эксперимент

220

2.В поле Имя: введите имя эксперимента, например, Си-

стема_связи_Оптимизация1. Имя эксперимента должно начинаться с заглавной буквы — правило названия классов в Java.

3.В поле Агент верхнего уровня: выберите Main. Этим действием вы задали корневой (главный) класс эксперимента. Объект этого класса будет играть роль корня иерархического дерева объектов модели, запускаемой оптимизационным экспериментом.

4.Если вы хотите применить к создаваемому эксперименту временные установки другого эксперимента, оставьте установлен-

ным флажок Копировать установки модельного времени из: и

выберите эксперимент из расположенного справа выпадающего списка. В данном случае оставьте, так как есть: Simulation.

5.Щёлкните кнопку Готово. Появится страница Основные панели Свойства (рис. 5.20).

6.Установите опцию максимизировать.

7.Целевая функция доступна как root. Поэтому в поле Це-

левая функция введите root.degurstvo.koefPribil.

8.На странице Случайность установите Фиксированное начальное число (воспроизводимые прогоны).

9.В поле Начальное число введите 5672.

10.Оставьте установленным флажок Количество итераций:.

Под итерацией понимается один опыт (одно наблюдение). Количество итераций — это цель стратегического планирования эксперимента — определение количества наблюдений и уровней факторов

вних для получения полной и достоверной информации о модели.

11.Число итераций модели при полном факторном эксперименте, то есть число всех возможных сочетаний факторов, определяется по формуле:

I = k1 k2 ... ki ... km ,

где ki — число уровней i-го фактора, i =1,m .

12. В нашей модели нужно менять количество резервных средств связи КССР_1…КССР_5 и количество мастеровремонтников Kol_master, то есть всего m=6 факторов. Факторы имеют следующие уровни: k1 =3, k2 = k3 = k4 = 6, k5 = k6 =5. Тогда

число итераций

I = k1 k2 k3 k4 k5 k6 =3 6 6 6 5 5 =16 200.

221

Рис. 5.20. Вкладка Основные оптимизационного эксперимента

222

13.Введите 500 в поле Количество итераций:, так как данная версия AnyLogic ограничена этим количеством итераций.

14.Задайте параметры, значения которых будут меняться. В таблице на рис. 5.21 перечислены все параметры агента верхнего уровня Main.

15.Чтобы разрешить варьирование параметров оптимизатором, перейдите на строку с параметром КССР_1. Щёлкните мышью в ячейке Тип. Выберите тип параметра, отличный от значения фиксированный. Так как параметр KCCР_1 целочисленный типа int, выберите дискретный.

16.Задайте диапазон допустимых значений параметра. Для чего введите в ячейку Мин. минимальное значение 1, в ячейку Макс. максимальное значение, например, для КССР1, 3. Так как параметр дискретный, в ячейке Шаг укажите величину шага 1.

17.Задайте так же остальные параметры, как на рис. 5.20.

18.Перейдите на страницу Репликации панели Свойства.

19.Установите флажок Использовать репликации.

20.Число репликаций (прогонов) в одной итерации (наблюдении) может быть фиксированным или переменным. Фиксированное число репликаций, например, при доверительной вероятности

α=0,95 , точности ε =0,1 и стандартном отклонении σ =0,1 мо-

жет быть определено по формуле:

N =tα2 σ2		=1,962 0,12	=3,8416 ≈ 4,
ε	2	2
		0,1

где tα =1,96 — табулированный аргумент функции Лапласа.

Возможность переменного количества репликаций позволяет оптимизатору OptQust проверять на статистическую значимость разницу между средним значением целевой функции в текущей итерации и лучшим значением, найденным за предыдущие итерации (лучшее значение). Целью такой проверки является удаление худших решений без потери времени на их получение. Таким образом, процесс может быть ускорен за счёт прекращения поиска неподходящих решений вместо выполнения заданного максимального количества репликаций модели.

21. На странице Репликации выберите опцию Фиксирован-

ное количество репликаций и в поле Количество репликаций за итерацию: установите рассчитанное число репликаций (прого-

нов) модели 4.

223

22. Вернитесь на страницу Основные. Щёлкните кнопку Создать интерфейс. После щелчка удаляется содержимое презентации эксперимента и создаётся интерфейс эксперимента заново (рис. 5.21) согласно его текущим установкам (набору оптимизационных параметров и их свойствам и т. д.). Поэтому создавать ин-

терфейс нужно только после окончания задания параметров экс-

перимента. На интерфейсе видны знаки вопросов напротив оптимизационных параметров.

Рис. 5.21. Интерфейс оптимизационного эксперимента

224

Рис. 5.22. Результаты первого оптимизационного эксперимента

225

23.В меню запуск выполните Система_связи / Систе-

ма_связи_Оптимизация1.

24.Щёлкните Запустить. Начнёт выполняться эксперимент, в ходе которого можно видеть на графике изменения значения целевой функции. После 200*4=800 прогонов ( рис. 5.22) эксперимент остановится.

25.Результаты оптимизационного эксперимента приведены на рис. 5.22. Наилучшее значение целевой функции — коэффициент прибыли равен 0,497. Получен он на 28-й итерации при следующих оптимальных значениях параметров: KCCP_1 = KCCP_2 = KCCP_4 = KCCP_5 = Kol_master =1, KCCP_3 = 6.

Создайте и проведите второй оптимизационный эксперимент при тех же условиях с целью определения коэффициента готовности системы связи.

5.1.10.4. Изменение порядка отображения параметров	на
странице свойств своего объекта

При размещении параметров для ввода исходных данных и последующем их связывании мы не задумывались над тем, как они будут размещены на страницах свойств и тем более в интерфейсе оптимизационного эксперимента.

Но теперь нас не устраивает то, что оптимизируемые параметры размещены последними в интерфейсе первого оптимизационного эксперимента (рис. 5.20, 5.21, 5.22).

Разместите оптимизируемые параметры в верхних частях страниц свойств соответствующих объектов.

1.На панели свойств агента верхнего уровня Main откройте страницу Предв. просмотр параметров.

2.Выделите параметр КССР_1 и, щёлкая по верхней стрелке, расположенной справа от поля параметра, переместите его в верхнюю часть страницы свойств (рис. 5.23).

3.Проделайте то же для параметров КССР_2… КССР_5 и Kol_master. У вас должно быть так, как на рис. 5.24.

4.Закройте панель свойств типа агента Main.

5.Выделите тип агента Degurstvo. На панели свойств открой-

те страницу Предв. просмотр параметров.

6.Переместите последовательно параметры КССР1…КССР5

иkol_master в верхнюю часть страницы свойств.

7.Перейдите к созданию второго оптимизационного эксперимента.

226

Рис. 5.23. Перемещение параметра на странице предварительного просмотра

Рис. 5.24. Оптимизируемые параметры перемещены в верхнюю часть страницы свойств типа агента Main

227