Моделирование в [закрытом] Java

Придумайте проблему сначала.

Нет таких вещей как универсальное "моделирование". Существует много методов там.

Если Вы - просто геймер, который хочет иметь псевдофизику, возможно, что-то вроде этого было бы тем, что Вы имели в виду.

Короткий ответ - то, что это зависит.

Если Вы не можете сделать вопрос более конкретным, нет никакого способа дать ответ.

Что Вы хотите моделировать?

Например, если Вы хотите моделировать добавление двух чисел, можно сделать это с помощью чего-то как:

a = b + c;

Если Вы хотите моделировать возврат шара, можно сделать то использование определенных математических уравнений и графических библиотек.

Если Вы хотите моделировать веб-браузер, можно сделать это также.

Таким образом, точный ответ зависит, на каком моделировании Вы хотите сделать.

Дискретно-событийная симуляция является хорошим вариантом для проблем, которые могут быть смоделированы как одиночные соревнования, которые проходят в определенные времена. Ключевые операции:

• случайным образом генерирующие времена и продолжительности на основе эмпирических данных, и
• при накоплении статистики, поскольку работает моделирование.

Например, Вы могли моделировать действие в гараже как записи и отъезды автомобили и утрата клиентов, которые не могут войти, потому что гараж полон. Это может быть сделано с двумя образцовыми классами, Автомобилем и Гаражом и тремя классами инфраструктуры, Класс событий (описанный ниже), Расписание для управления событиями и Монитором для накопления данных.

Вот краткий эскиз того, как он мог работать.

Событие

Событие имеет время и представляет вызов определенного метода на объекте определенного класса.

Расписание

Расписание сохраняет очередь Событий, заказанных временем События. Расписание управляет полным моделированием с простым циклом. Пока там остаются Событиями (или до События, которое отмечает конец выполненного моделирования):

1. возьмите самое раннее Событие от очереди,
2. установите "мировые часы" на время того события, и
3. вызовите любое действие, которое указывает Событие.

Автомобиль

Автомобильный класс содержит межприбытие и length-stay статистику.

Когда Автомобиль прибывает, это:

1. регистрирует его прибытие с Монитором,

2. консультируется с мировыми часами, определяет, сколько времени, прежде чем следующий Автомобиль должен прибыть и отправляет то Событие прибытия в Расписании.

3. спрашивает Гараж, полно ли это:

   1. если полный, Автомобиль регистрирует свой отъезд как потерянного клиента с Монитором.

   2. если не полный, Автомобиль:

      1. регистрирует его запись с Монитором,

      2. говорит Гаражу, что он вошел (так, чтобы Гараж мог уменьшить свою полезную мощность),

      3. определяет, сколько времени это останется и отправляет свое исходное Событие с Расписанием.

Когда Автомобиль отбывает, это:

1. говорит Гараж (таким образом, Гараж может увеличить полезную мощность), и

2. регистрирует его отъезд с Монитором.

Гараж

Гараж отслеживает Автомобили, которые являются в настоящее время внутри, и знает о его полезной мощности.

Монитор

Монитор отслеживает статистику, которой Вы интересуетесь: число клиентов (успешно прибывающие Автомобили), число потерянных клиентов (кто прибыл, когда партия была полна), средняя длина пребывания, доход (на основе уровня, взимаемого за парковку), и т.д.

Моделирование выполняется

Запустите моделирование путем помещения двух Событий в расписание:

1. прибытие первого Автомобиля (смоделированный путем инстанцирования Автомобиля возражают и вызова "прибывать" событие), и

2. конец моделирования.

Повторите основной цикл моделирования, пока с событием конца моделирования не встретятся. В той точке попросите, чтобы Гараж сообщил относительно своих текущих жителей и попросил, чтобы Монитор сообщил о полной статистике для сессии.

При создании модели Monte-Carlo для дискретного события имитационная или имитационная модель для оценки производных, необходимо найтиплатформакод, что уже существует тело там. При выполнении численного моделирования, такого как модель конечного элемента, Вы будете основывать свое моделирование на матрицавычислениебиблиотеке . Другие типы моделирования существуют, но это два наиболее вероятных случая.

Я никогда не писал модель конечного элемента и знаю почти ничего о них, хотя у меня действительно был случай для портирования того на DEC Визуальный ФОРТРАН однажды. Хотя программа (SAFIR, если кто-либо заботится) была прокомментирована на французском языке, осуществление портирования состояло из изменения двух функций даты для в общей сложности 6 строк кода ФОРТРАНА - и запись make-файла.

Модели Монте-Карло состоят из измерения некоторого основного населения для получения дистрибутивов одной или нескольких переменных интереса. Затем Вы берете генератор Псевдослучайного числа с хорошими статистическими и геометрическими свойствами (алгоритм Вихря Мерсенна широко используется для этого), и запишите функцию для преобразования вывода этого к случайной переменной с соответствующим распределением. Вы, вероятно, сможете найти библиотека функции, которые делают это, если Ваши переменные не имеют действительно необычное распределение.

Затем Вы создаете или получаете платформу моделирования и пишете стандартную программу, которая берет случайные переменные и делает любое вычисление, которое Вы хотите сделать для модели. Вы выполняете его, храня результаты каждого моделирования, пока ошибка не в некотором желаемом уровне терпимости. После этого Вы вычисляете статистику (средства, дистрибутивы и т.д.) от всех выполнений имитационной модели.

Существует довольно много ресурсов в сети и многих книг по имитационному моделированию, особенно в области оценки производных. Необходимо искать вокруг и видеть то, что можно найти.

Как в стороне, random модуль на Python имеет функции преобразования для довольно многих дистрибутивов. Если Вы хотите тот, Вы могли бы получить это и портировать соответствующую функцию преобразования на Java. Вы могли использовать вывод Python один с тем же семенем случайного числа для тестирования правильности Java один.