Trình mô phỏng trong Python là gì?

Mô hình hóa và mô phỏng trong Python

Lập mô hình và mô phỏng trong Python#

của Allen B. Downey

Lập mô hình và mô phỏng trong Python là một cuốn sách miễn phí. Nó có sẵn theo Creative Commons Ghi công-Phi thương mại-Chia sẻ tương tự 4. 0 Quốc tế (CC BY-NC-SA 4. 0), có nghĩa là bạn có thể tự do sao chép và sửa đổi nó, miễn là bạn ghi nhận tác phẩm và không sử dụng nó cho mục đích thương mại

Sách miễn phí khác của Allen Downey có sẵn từ Green Tea Press

Chạy sổ ghi chép

Tải sổ ghi chép xuống dưới dạng tệp Zip

Hoặc sử dụng các liên kết này để chạy sổ ghi chép trên Colab

  • Chương 1

  • chương 2

  • Chương 3

  • Chương 4

  • Chương 5

  • Chương 6

  • Chương 7

  • Chương 8

  • Chương 9

  • Chương 10

  • chương 11

  • Chương 12

  • Chương 13

  • Chương 14

  • Chương 15

  • Chương 16

  • Chương 17

  • Chương 18

  • Chương 19

  • Chương 20

  • Chương 21

  • Chương 22

  • Chương 23

  • Chương 24

  • Chương 25

  • Chương 26

tiếp theo

lời nói đầu

Trong bài viết này, tôi chỉ cho bạn cách tạo một lớp Simulation đơn giản trong Python. Mục đích của lớp là chạy mô phỏng nhiều lần và sau đó trả về số liệu thống kê (e. g. , trung bình, trung bình, v.v. ) trên kết quả mô phỏng

Hãy bắt đầu với một lớp Die đơn giản có phương thức Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241240 trả về một số nguyên trong khoảng từ 1 đến 6 (bao gồm)

import random class Die: def __init__(self, sides=6): self.sides = sides def roll(self): return random.randint(1, self.sides)

Chúng tôi muốn lớp Simulation của chúng tôi nhận hai đối số. một chức năng để chạy và số lần để chạy nó (Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241240) và sau đó để chạy chức năng Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241240 lần và trả về một báo cáo như thế này

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.8964124124124124

Đây là lớp Simulation thực hiện điều này

import statistics as stats class SimulationNumeric: """Runs a function that returns a number n times and prints stats Args: fnct_to_run (function): The function to run iterations (integer): The number of times to run it""" def __init__(self, fnct_to_run, iterations): self._fnct_to_run = fnct_to_run self._iterations = iterations self._results = [] self.run() @property def mode(self): try: return stats.mode(self._results) except: return None def run(self): for i in range(self._iterations): result = self._fnct_to_run() self._results.append(result) self.report() def report(self): max_num = max(self._results) min_num = min(self._results) mean = stats.mean(self._results) median = stats.median(self._results) mode = self.mode std_dev = stats.stdev(self._results) variance = stats.variance(self._results) print( f"""Number of Simulations: {self._iterations:,} Max: {max_num} Min: {min_num} Mean: {mean} Median: {median} Mode: {mode} Standard Deviation: {std_dev} Variance: {variance}""" ) die = Die() sim = SimulationNumeric(die.roll, 1000)

Lớp này sẽ hoạt động tốt với một hàm trả về một số

Lưu ý rằng lý do Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241243 được viết dưới dạng thuộc tính là không phải tất cả các tập kết quả đều có chế độ. Ví dụ: nếu hai số được cuộn cùng số lần và cả hai số đó được cuộn thường xuyên hơn bất kỳ số nào khác, thì sẽ không có chế độ. Trong trường hợp đó, Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241244 sẽ báo lỗi. Mã của chúng tôi bắt lỗi đó và trả về Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241245 cho chế độ trong trường hợp đó

Mô phỏng đang bắt chước các hoạt động diễn ra trong một hệ thống để nghiên cứu hành vi của nó. Phân tích và tạo mô hình của một hệ thống để dự đoán hoạt động của nó được gọi là mô hình hóa mô phỏng

Mô phỏng bắt chước một quy trình thực tế để xác định hoặc dự đoán phản ứng của toàn bộ hệ thống. Điều này giúp hiểu được sự phụ thuộc của từng bộ phận trong hệ thống, mối quan hệ và tương tác của chúng. Quá trình mô phỏng trong cuộc sống thực có thể tốn kém. Do đó, chúng tôi xây dựng một mô hình để giải quyết các ý tưởng tốn kém và phức tạp một cách hiệu quả. Xây dựng mô hình mô phỏng trong cơ quan, tổ chức giúp tăng lợi nhuận

Một mô hình là một bản sao của một bản gốc / vật thật. Một mô hình có thể là tất định hoặc xác suất. Một mô hình tất định là một mô hình không liên quan đến bất kỳ sự ngẫu nhiên nào. Đối với một điều kiện ban đầu nhất định, bạn luôn nhận được cùng một điều kiện cuối cùng

Một mô hình xác suất bao gồm tính ngẫu nhiên của các yếu tố. Ví dụ. tung đồng xu, có thể là ngửa hoặc sấp

Bây giờ hãy hiểu mô hình mô phỏng trong một lượt

Giả sử bạn phải mở một nhà hàng pizza và biết bạn sẽ cần bao nhiêu nhân viên để điều hành tốt. Các loại pizza khác nhau cần nhiều thời gian khác nhau để chuẩn bị. Ngoài ra, đơn đặt hàng không đến thống nhất với thời gian. Bạn muốn cung cấp cho họ dịch vụ tốt nhất có thể trong khi vẫn duy trì ngân sách của mình. Bạn không thể thuê rồi sa thải nhân viên để tìm ra số lượng tối ưu cần thiết để thiết kế một mô hình mô phỏng. Chúng ta có thể giải bài toán tìm số lượng nhân viên tối ưu ở trên bằng cách xây dựng mô hình mô phỏng theo các cách sau

  • thiết kế. xem xét các dịch vụ khác nhau do công ty cung cấp và do đó, các loại nhân viên khác nhau được yêu cầu cho các công việc khác nhau
  • Cuộc thí nghiệm. Xu hướng khách hàng đến vào các ngày trong tuần, cuối tuần và các dịp đặc biệt và do đó cần có nhân viên phù hợp
  • Tối ưu hóa. Tối ưu hóa số lượng công nhân sử dụng lâu dài bằng cách xem xét thử nghiệm
  • phân tích. Nếu tạo công ăn việc làm cho nhiều người đó phải chăng hoặc yêu cầu nhân viên làm thêm giờ, có thể kiếm thêm nhân công vào mùa lễ hội
  • Cải thiện. Tiếp tục giảm việc làm để đưa ra khi trực quan hóa kết quả phân tích

Các mô hình mô phỏng được xây dựng trước khi xây dựng một hệ thống mới hoặc thay đổi một hệ thống hiện có để tối ưu hóa hiệu suất của hệ thống và giảm khả năng xảy ra lỗi. Một trong những mô hình mô phỏng hàng đầu trong kịch bản ngày nay là Mô phỏng Monte Carlo

Mô phỏng Monte Carlo

Mô phỏng Monte Carlo là một kỹ thuật toán học giúp ước tính phân bố xác suất của các kết quả sự kiện khác nhau. Dựa trên những xác suất đó, nhóm phân tích rủi ro quyết định xem họ có sẵn sàng chấp nhận rủi ro hay không. Kỹ thuật này liên tục lấy các số ngẫu nhiên giữa giới hạn tối thiểu và tối đa và dự đoán kết quả của nó. Thông thường, việc lấy mẫu được thực hiện trên quy mô lớn, vì vậy chúng tôi nhận được tất cả các kết quả có thể xảy ra. Sau đó, chúng tôi vẽ biểu đồ phân phối xác suất bằng cách sử dụng các nhà phân tích rủi ro tính toán xác suất rủi ro

Ví dụ: hãy xem xét ví dụ trên, sự xuất hiện của khách hàng có thể thay đổi trong một phạm vi cụ thể. Chúng tôi có thể tạo một mô hình tạo ra một số ngẫu nhiên giữa số lượng tối đa và tối thiểu và có thể hình dung phạm vi công nhân được yêu cầu tương ứng

Hãy lấy một ví dụ cơ bản khác để hiểu mô phỏng Monte Carlo bằng cách tung xúc xắc. Giả sử chúng ta tung hai con xúc xắc và chúng ta muốn dự đoán xác suất nhận được tổng là 12.  

Dưới đây là mã python để thực hiện với các nhận xét để hiểu rõ hơn

Python3




Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241243

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241244 Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241245

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241244 Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241247

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241244 Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241249

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241240

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241240

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241242

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412440 Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412441

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412442Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412443 Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412444Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412445Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412446Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412447Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412448

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241240

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241240

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412451

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412452

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412453Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412454 Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412455

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412456 Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412457Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412458 Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412459Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412440Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412441Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412446Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412443Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412444

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412442Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412446Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412454 Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412448Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412449Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412448

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412442Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412472

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241240

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.89641241241241240

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412475

Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412476Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412454Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412478Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412479Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412454Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412441Number of Simulations: 1,000 Max: 6 Min: 1 Mean: 3.522 Median: 4.0 Mode: 4 Standard Deviation: 1.7018849586304041 Variance: 2.896412412412412448

đầu ra

Từ đường cong phân phối xác suất trên, ta nhận được giá trị của xác suất là 0. 025 để nhận được 12. Tương tự, chúng ta có thể áp dụng kỹ thuật Monte Carlo để giải các bài toán khác nhau

Trình mô phỏng trong Python là gì?

Mô phỏng là bắt chước các hoạt động diễn ra trong một hệ thống để nghiên cứu hành vi của hệ thống đó . Phân tích và tạo mô hình của một hệ thống để dự đoán hoạt động của nó được gọi là mô hình hóa mô phỏng.

Tại sao giả lập được sử dụng cho?

Mô phỏng có thể được sử dụng để điều chỉnh hiệu suất, tối ưu hóa quy trình, cải thiện độ an toàn, thử nghiệm lý thuyết, đào tạo nhân viên và thậm chí để giải trí trong trò chơi điện tử! Scientifically modelling systems allows a user to gain an insight into the effects of different conditions and courses of action.

Giả lập trong lập trình hệ thống là gì?

Trình mô phỏng là gói máy tính cho phép một người mô phỏng hệ thống có trong một lớp hệ thống cụ thể mà không cần hoặc có rất ít lập trình . Ví dụ: hiện tại có sẵn các trình mô phỏng cho một số loại hệ thống sản xuất, máy tính và thông tin liên lạc [7].

Python có được sử dụng để mô phỏng không?

Python là ngôn ngữ lập trình cho mô phỏng thần kinh .

Chủ đề