แนะนำการจำลองแบบ discrete-event

การจำลองเหตุการณ์แบบไม่ต่อเนื่องด้วย Python

Diogo Costa (PhD, MSc)

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

โมเดล discrete-event vs. โมเดลแบบต่อเนื่อง

โมเดลแบบต่อเนื่อง (Continuous models)

รันด้วยช่วงเวลาคงที่
เวลาเป็นตัวแปรสมมติ
- ไม่มีการอัปเดตเวลาภายใน loop
ใช้ for-loop สำหรับเวลา
```
for t in range(time_range):
```

โมเดลแบบ discrete-event

รันด้วยช่วงเวลาที่ยืดหยุ่น
- รัน/กำหนดเวลา event ที่มีระยะเวลาต่างกัน
เวลาเป็น state-variable
- เวลาถูกอัปเดตภายใน while-loop
- เวลาไม่ใช่ตัวแปรสมมติ

มักใช้ while-loop

while (time < 365):
time += process_duration

องค์ประกอบของโมเดล discrete-event

State-variables
นาฬิกา (Clock)
รายการ event (หรือ Process list)
เงื่อนไขสิ้นสุด

องค์ประกอบของโมเดล

ตัวอย่าง: โมเดลบริษัทแท็กซี่

while (time < 10):

    # Process 1
    time_duration_1 = manage_requests()
    time += time_duration_1

    # Process 2
    time_duration_2 = dispatch_taxi()
    time += time_duration_2

เงื่อนไขสิ้นสุด (Ending condition)

while (time < 10)

เงื่อนไขที่ทำให้การจำลองสิ้นสุดลง

องค์ประกอบของโมเดล

ตัวอย่าง: โมเดลบริษัทแท็กซี่

while (time < 10):

    # Process 1
    time_duration_1 = manage_requests()
    time += time_duration_1

    # Process 2
    time_duration_2 = dispatch_taxi()
    time += time_duration_2

นาฬิกา (Clock)

time += time_duration_1
time += time_duration_2

time ติดตามเวลาปัจจุบันของการจำลอง
นาฬิกาข้ามไปยังเวลาเริ่มต้นของ event ถัดไปขณะที่การจำลองดำเนินไป
เวลา กระโดด เนื่องจาก event เกิดขึ้นทันที

องค์ประกอบของโมเดล

ตัวอย่าง: โมเดลบริษัทแท็กซี่

while (time < 10):

    # Process 1
    time_duration_1 = manage_requests()
    time += time_duration_1

    # Process 2
    time_duration_2 = dispatch_taxi()
    time += time_duration_2

State-variable

time

ลดเวลาระหว่างที่ลูกค้าเรียกแท็กซี่จนถึงการส่งถึงจุดหมาย
ตัวแปรที่บ่งบอกผลลัพธ์และประสิทธิภาพของระบบ

มาฝึกกันเถอะ!

การจำลองเหตุการณ์แบบไม่ต่อเนื่องด้วย Python