《讲计算机模拟》PPT课件

《《讲计算机模拟》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、计算机模拟实验目的实验内容学习计算机模拟的基本过程与方法。1、模拟的概念。4、实验作业。3、计算机模拟实例。2、产生随机数的计算机命令。连续系统模拟实例:追逐问题离散系统模拟实例:排队问题用蒙特卡洛法解非线性规划问题返回计算机模拟实例模拟的概念模拟就是利用物理的、数学的模型来类比、模仿现实系统及其演变过程，以寻求过程规律的一种方法。模拟的基本思想是建立一个试验模型，这个模型包含所研究系统的主要特点．通过对这个实验模型的运行，获得所要研究系统的必要信息模拟的方法1、物理模拟：对实际系统及其过程用功能相似的实物系统去模仿。例如，军事演习、船艇实验、沙盘

2、作业等。物理模拟通常花费较大、周期较长，且在物理模型上改变系统结构和系数都较困难。而且，许多系统无法进行物理模拟，如社会经济系统、生态系统等。在实际问题中，面对一些带随机因素的复杂系统，用分析方法建模常常需要作许多简化假设，与面临的实际问题可能相差甚远，以致解答根本无法应用。这时，计算机模拟几乎成为唯一的选择。在一定的假设条件下，运用数学运算模拟系统的运行，称为数学模拟。现代的数学模拟都是在计算机上进行的，称为计算机模拟。2、数学模拟计算机模拟可以反复进行，改变系统的结构和系数都比较容易。蒙特卡洛（MonteCarlo）方法是一种应用随机数来进行计

3、算机模拟的方法．此方法对研究的系统进行随机观察抽样，通过对样本值的观察统计，求得所研究系统的某些参数．例1在我方某前沿防守地域，敌人以一个炮排（含两门火炮）为单位对我方进行干扰和破坏．为躲避我方打击，敌方对其阵地进行了伪装并经常变换射击地点．经过长期观察发现，我方指挥所对敌方目标的指示有50％是准确的，而我方火力单位，在指示正确时，有1/3的射击效果能毁伤敌人一门火炮，有1/6的射击效果能全部消灭敌人．现在希望能用某种方式把我方将要对敌人实施的20次打击结果显现出来，确定有效射击的比率及毁伤敌方火炮的平均值。分析：这是一个概率问题，可以通过理论计算

4、得到相应的概率和期望值.但这样只能给出作战行动的最终静态结果，而显示不出作战行动的动态过程.为了能显示我方20次射击的过程，现采用模拟的方式。需要模拟出以下两件事：1.问题分析[2]当指示正确时，我方火力单位的射击结果情况[1]观察所对目标的指示正确与否模拟试验有两种结果，每一种结果出现的概率都是1/2．因此，可用投掷一枚硬币的方式予以确定，当硬币出现正面时为指示正确，反之为不正确．模拟试验有三种结果：毁伤一门火炮的可能性为1/3(即2/6)，毁伤两门的可能性为1/6，没能毁伤敌火炮的可能性为1/2(即3/6)．这时可用投掷骰子的方法来确定：如果出

5、现的是１、２、３三个点：则认为没能击中敌人；如果出现的是４、５点：则认为毁伤敌人一门火炮；若出现的是６点：则认为毁伤敌人两门火炮．2.符号假设i：要模拟的打击次数；k1：没击中敌人火炮的射击总数；k2：击中敌人一门火炮的射击总数；k3：击中敌人两门火炮的射击总数．E：有效射击比率；E1：20次射击平均每次毁伤敌人的火炮数．3.模拟框图初始化:i=0,k1=0,k2=0,k3=0i=i+1骰子点数?k1=k1+1k2=k2+1k3=k3+1k1=k1+1i＜20?E=(k2+k3)/20E1=0*k1/20+1*k2/20+2*k3/20停止硬币正面

6、?YNNY1，2，34，564.模拟结果5.理论计算6.结果比较返回虽然模拟结果与理论计算不完全一致，但它却能更加真实地表达实际战斗动态过程．用蒙特卡洛方法进行计算机模拟的步骤：[1]设计一个逻辑框图，即模拟模型．这个框图要正确反映系统各部分运行时的逻辑关系。[2]模拟随机现象．可通过具有各种概率分布的模拟随机数来模拟随机现象．1．［a，b］均匀分布U（a，b）当只知道一个随机变量取值在（a，b）内，但不知道（也没理由假设）它在何处取值的概率大，在何处取值的概率小，就只好用U（a，b）来模拟它。当研究对象视为大量相互独立的随机变量之和，且其中每一种

7、变量对总和的影响都很小时，可以认为该对象服从正态分布。机械加工得到的零件尺寸的偏差、射击命中点与目标的偏差、各种测量误差、人的身高、体重等，都可近似看成服从正态分布。若连续型随机变量X的概率密度函数为其中>0为常数，则称X服从参数为的指数分布。指数分布的期望值为排队服务系统中顾客到达率为常数时的到达间隔、故障率为常数时零件的寿命都服从指数分布。指数分布在排队论、可靠性分析中有广泛应用。设离散型随机变量X的所有可能取值为0,1,2,…,且取各个值的概率为其中>0为常数，则称X服从参数为的帕松分布。帕松分布在排队系统、产品检验、天文、物理等领域有广泛应

8、用。帕松分布的期望值为如相继两个事件出现的间隔时间服从参数为的指数分布，则在单位时间间隔内事件出现的次数服从参数为的泊松分