Zdarzenia i procesy niedeterministyczne

Symulacja zdarzeń dyskretnych w Pythonie

Diogo Costa (PhD, MSc)

Adjunct Professor, University of Saskatchewan, Canada & CEO of ImpactBLUE-Scientific

Niedeterminizm zdarzeń

UWAGA: Terminy „zdarzenie" i „proces" stosowane zamiennie.

Czym jest niedeterminizm zdarzenia (lub procesu)?

Niemożność dokładnego przewidzenia przebiegu procesu
Proces określany jako „niedeterministyczny"

Dlaczego procesy deterministyczne są ważne?

Procesy naturalne i ludzkie często są niedeterministyczne
Za każdym razem przebiegają inaczej
Ich czas trwania nie może być dokładnie określony
Mogą znacząco wpływać na wynik systemu

Przykłady procesów i zdarzeń niedeterministycznych

Świat przyrody

Moment erupcji wulkanu
Dokładny moment opadu deszczu
Czas i miejsce uderzenia pioruna
Czas i miejsce powstania tornada

Procesy inicjowane przez człowieka

Moment awarii maszyny
Moment odczucia potrzeby skorzystania z toalety
Moment, w którym dziecko zaczyna płakać
Czy lot komercyjny zostanie opóźniony

Reprezentowanie zdarzeń niedeterministycznych w modelach dyskretnych

Procesy niedeterministyczne

Wywołują niepowtarzalny wpływ na system
Czas trwania jest nieznany

Statystyki

Reprezentują zmienność czasu trwania procesów

Pomocny jest pakiet random
Przykład: random.randint(start, end)

import random

# Non-deterministic processes
process_1 = [5, 15]

while time < simulation_time:

   # Update simulation time: process_1
   time += random.randint(
               process_1[0], 
               process_1[1])

Reprezentowanie zdarzeń niedeterministycznych w SimPy

Brak dedykowanych metod obsługi procesów niedeterministycznych
Zmienność czasu trwania obliczana jak w modelach bez SimPy
Przekaż odpowiednie statystyki do .timeout()

import random

# Non-deterministic processes
process_1 = [5, 15]

while True:

  # Update simulation time: process_1
  yield env.timeout(random.randint(
         process_1[0], 
         process_1[1]))

Czas na ćwiczenia!

Symulacja zdarzeń dyskretnych w Pythonie