8第八章-系统仿真结果分析

第八章第八章 系统仿真结果分析系统仿真结果分析 采用统计方法来估计系统的性能 利用统计分析方法要求样本数据具有统 计独立性 但实际上在很多情况下这个条件并不能满足 解决这一难题的途径无非两条 一是对样本序列进行处理 使之尽量满足 统计独立性条件 二是在经典统计方法的基础上进行修正使之适合于处理相关 的样本序列 终态仿真是指仿真实验在某个持续事件段上运行 稳态仿真则是通过系统的仿真实验 希望的得到一些系统性能测度指标在 系统达到稳态时的估计值 有必要采用方差减小技术 即在相同的仿真运行次数下获得较小方差的仿 真输出结果 8 1 终态仿真的结果分析终态仿真的结果分析 8 1 1 重复运行法重复运行法 所谓重复运行方法是指选用不同的独立随机数序列 采用相同的参数 初 始条件以及用相同的采样次数 n 对系统重复进行仿真运行 对于一终态仿真的系统 由于每次运行是相互独立的 因此可以认为每次 仿真运行结果是独立同分布的随机变量 是服从正态分布的随 niXi 2 1 机变量 随机变 X 量的期望值 E X 地估计值 为 8 1 nnStX n j n jn 2 1 1 1 1 2 其中 8 2 1 2 1 2 nXnXnS n j j 8 3 n j jn XX 1 1 为置信水平 根据中心极限定理 若产生的样本点 Xj越多 即仿真运行的次数越多 则 Xj越接近于正态分布 因此在终态仿真中使用仿真方法运行的重复次数 n 不能 选取得太小 8 1 2 序贯程序法序贯程序法 在终态仿真结果分析得重复运行法中 通过规定次数得仿真 可以得到随 机变量取值的置信区间 置信区间的长度与仿真次数的平方根成反比 显然 若要缩小置信区间的长度就必然增加仿真次数 n 这样就产生了另一个方面的 问题 即在一定的精度要求下 规定仿真结果的置信区间 无法确定能够达到 精度要求的仿真次数 这样就可以对置信区间的长度进行控制 避免得出不适 用的结论 一般说来 在同样精度要求下 采用序贯程序法得出的仿真重复运行次数 比利用解析法得到的次数要少 由式 8 1 可知 样本 X 的 100 1 置信区间的半长为 8 4 Xtn 2 1 式中 8 5 nSX S 为样本的标准差 n 为重复运行次数 设给定一准确的临界值 即限 定置信区间的长度为 并给定精度 1 为了达到此精度要求 XX 需要取足够大的仿真运行次数 n 使之满足 8 6 1 XXP 假设仿真已经重复运行了 n0次 n02 为了满足置信区间半长的临界值 必须选择重复运行次数 n 使得 nn0 8 7 且 8 8 n Stn 02 1 初始运行仿真运行的次数应当至少大于 2 最好取 4 或 5 由式 8 8 可以推出 n 应当满足 8 9 2 02 1 Stn n 显然 n 的解就是满足式 8 9 的最小整数 8 10 2 02 1 min Stn iin 注意这里假定 n 次独立重复运行结果总体方差 2的估计值 S2 n 随着增加 n 次运行没有显著的变化 因此可以用 n0的总体方差代替 实际上 利用次仿真运行的方差来替代 n 次仿真运行的方差 会 0 n 0 2 nS 使得计算得出的 n 值偏大 为了消除这种影响 一般采用序贯程序法 其步骤 为 1 预定独立仿真运行的初始次数 置 n 独立运行 n 次 2 0 n 0 n 2 计算该 n 次运行的样本以及相应的 n XXX 2 1 2 nS 3 利用下式计算值 n nS n t 2 1 2 如果 则得到置信度为的满足精度要求的置信区间 1 从而确定了相应的仿真次数 n nXnX 4 否则令 n n 1 进行仿真得到样本值 1 n X 5 返回步骤 2 8 2 稳态仿真的结果分析稳态仿真的结果分析 研究系统的稳态性能 需要研究一次运行时间很长的仿真 在仿真运行过 程中 每隔一段时间即可获得一个观测值 从而可以得到一组自相关时间序 i Y 列的采样值 其稳态平均值定义为 n YYY 21 8 11 n i i Y n n1 1 lim 如果 的极值存在 则 与仿真的初始条件无关 8 2 1 批均值法批均值法 批均值法的基本思想是 设仿真运行时间足够长 可以得到足够多的观测 值 将分为 n 批 每一批中有 l 个观测值 则每批 m YYY 21 miYi 2 1 观测数据如下 第一批 l YYY 21 第二批 lll YYY 221 第 n 批 nllnln YYY 2 1 1 1 首先对每批数据进行处理 分别得出每批数据的均值 8 13 l k kljl jYY 1 1 1 由此可得总得样本均值为 8 14 n j m i im j n YYY 11 11 此即 的点估计 为了构造 的置信区间 需要假定是独立的且服从正态分布的随机变jY 量 并具有相同的均值和方差 此时 的近似置信区间的计算公式为 8 15 n nS n j tY 2 1 1 2 式中 8 16 2 1 1 1 2 n j jnj YYnS n 为观测值的批数 8 2 2 稳态序贯法稳态序贯法 在利用批均值法进行计算时 假定每批观测值的均值是独立的 但实际上 是相关的 为了得到不相关的 直观的做法是 保持批数 n 不 n YYY 2 1 jY 变 不断增大 l 直到满足不相关的条件为止 但是如果 n 选择过小 则的方差加大 结果得到的置信区间就会偏大 jY 为此 n 也必须足够大 这样为了达到精度要求就必须选择足够大的 n 和 l 使 得样本总量特别大 而仿真过程中时间的消耗也是必须考虑的重要因lnm 素 稳态序贯法是一种尽可能减少 m 的方法 较好地解决了批长度的确定以及 仿真运行总长度的确定问题 并能满足规定的置信区间精度的要求 设仿真运行观测值的批长度为 l 已经有观测值批 考察相隔n 2 为 i 的两批观测值批均值的相关系数 1 2 1 1 nj j Y j YCovl i 随 l 的变化规律大致有三种情况 l i 1 为递减函数 见图 8 1 l i 2 的值一次或多次改变方向 然后严格地减少到 0 见图 8 2 l i 3 0 或者随着 l 变化没有一定的规律 l i 根据的以上 3 种特性 基于批均值法的稳态序贯法原理如下 l i 1 给定批数因子 n f 以及仿真长度 是的整数倍 的判 1 m 1 mfn l i 断值为 u 置信区间的相对精度 置信水平 令 i 1 2 进行长度为的仿真运行 获得个观测值 i m i m i m YYY 2 1 3 令 计算 fn i ml 1 2 1 jlnf j nfk k Y可以取 4 如果 则说明太小 需加大 可以令 i i 1 且ulnf j i m 返回第 2 步获取其余个观测值 1 2 i m i m 1 i m 5 如果 则表明增长仿真运行长度无助于的判断 执行0 lnf j l j 第 8 步 6 如果 计算 判ulnf j 0 1 2 2 2 2 1 2 jlnf j nfkl k Y 断是否具有第 2 类特征 如果 则说明该确实 l j 2 2 lnf j lnf j l j 具有第 2 类特征 需要进一步加大 令 i i 1 且 返回第 2 步获 i m 1 2 i m i m 0 l 0 l l i l i 图 8 1 为单调递减函数 l i 图 8 2 多次改变方向然后递 l i 减 取其余个观测值 1 i m 7 如果 则说明已经具有第 1 类特征 而且达 2 2 lnf j lnf j l j 到判断值 n 的 l 已经得到 可以相信的值满足独立性要求 此时 l j fln j 用批均值法计算该 n 批长度为 fl 的置信区间 8 计算以及置信区间的半长 最后得 flnYfln k Y n S n t 2 2 1 1 flnY 9 如果 说明精度不满足要求 令 i i 1 且 返回第 2 1 2 i m i m 步获取其余个观测值 1 i m 10 如果 则精度满足要求 可以令估计值 仿真停 flnY 止 稳态序贯法较好地解决了批长度的确定以及仿真运行总长度的确定问题 并能满足规定的置信区间精度的要求 8 2 3 再生法再生法 在批均值法中 选取批长度的原则尚未完全确定 因此有必要考虑其它有 效的方法 再生法的思想就是要找出稳态仿真过程中系统的再生点 由每个再生点开 始的再生周期中所获得的统计样本都是独立同分布的 可以采用经典统计方法 对参数进行评估并构造参数值的置信区间 在仿真过程中 随着仿真时钟的推进 系统的状态变量在不断地发生变化 如果在某一时刻观测到了系统一组状态变量的数值 而在其后的若干时间之后 又重新观测到系统的完全相同的一组状态变量的数值 则称所观测到的系统为 再生系统 也就是说 在稳态仿真中 系统从某一初始状态开始运行 若干时 间后重新达到该状态 这时可以认为系统重新达到该状态后的过程相对于以前 的过程是独立的 这就相当于系统在此时重新运行 显然在若干时间后这种情 况将重新发生 因此这个重复的过程称为系统的再生周期 而系统初始状态重 复出现的时刻点称为系统的再生点 再生法的缺点在于系统再生点的数量要求足够多 而且每个再生周期应该 是独立的 而实际系统的仿真运行中可能不存在再生点或者再生周期过长 这 样就要求仿真运行的总长度要足够大 假设在 M M 1 系统的观测中有 p 个完整的再生周期 令为第 j 个再生周 j Y 期中各个实体等待时间的总和 j n k kjj Y 1 为第 j 个再生周期中受到服务的实体个数 和 都是独立同分布 j n j Y j n 的随机序列 然而和并不相互独立 因为较大的值可指望有较大的 j Y j n j Y 值伴随产生 j n 假设总观测次数为 N 各个实体的等待时间分别为 则实体 N 21 的平均等待时间的估计值由下式给出 N i iN W 1 1 如果将各个实体等待时间根据再生周期进行分组 则上式又可以写为 n Y nnn YYY W N N 21 21 式中 p j jp p j jp nn YY 1 1 1 1 是一个再生周期中实体等待时间综合的估计值 是一个再生周期中受Yn 到服务的实体个数的估计值 当 p 足够大时 是渐近无偏的 即 W lim WEWE P 而实际上 对 W 的估计值是有偏的 因而需要估计统计值的方差 WW 以确定平均等待时间的置信区间 由于和皆为随机变量 为了避免直接 j Y j n 处理随机变量之比 引入变量 j V jjj nWEYV 这是一个独立同分布的随机变量序列 同时我们可以得到 0 jjj nEWEYEVE 设为随机变量的方差 根据中心极限定理 当时 下列随机 2 j V p 变量 p V Z 为收敛于标准正态分布的随机变量 式中 8 17 nWEYnWEYVV p j p j jpjp p j jp 11 11 1 1 从而有 8 18 1 2 12 1 ZZP p V 式中为对应显著水平为的标准正态分布的临界限 2 1 Z 将式 8 17 代入式 8 18 可以得出 1 2 12 1 p Z p Z nWEYP 即 1 2 12 1 pn Z pn Z WWEWP 从而得到平均等待时间的近似置信区间为 1 100 pn Z W 2 1 8 3 方差减小技术方差减小技术 8 3 1 公用随机数法公用随机数法 CRN 公用随机数法是应用于对两个或者几个不同的系统模型进行比较的情况 采用公用随机数法的目的就是在其它环境条件完全相同的情况下 尽量消除因 为选取随机数造成的仿真运行结果的差异 而使得所观测到的差异仅仅只是来 源于系统模型本身的差异 公用随机数法的思想为 在不同模型的仿真运行过程中 采用相同的单位 均匀分布种子随机数流 考虑两个模型 设和分别是从第 1 个模型和第 2 个模型的仿真运 j X1 j X2 行中得到的第 j 个独立再生周期中的数据 对进行估计 如 2 1 j XE j XE 果对每个模型产生了 n 个再生周期 并且设定 nj j X j X j Z 2 1 21 则 而 j ZE n j j Z n nZ 1 1 是的一个无偏估计 由于是独立同分布的随机变量 因此 我们可以得 j Z 出 n j X j XCov j XD j XD n j ZD nZD 2 1 2 2 1 如果两个模型得运行是独立得 则和是独立的 即 j X1 j X2 而如果能够使得和是正相关的 即使0 2 1 j X j XCov j X1 j X2 这样得到的估计的方差就减小了 0 2 1 j X j XCov nZ 为了实施公用随机数法 需要使各个模型中的随机数同步 即在一个模型 中使用于一个具体目的的随机数 在所有其它模型中也应该使用于同一目的 在仿真中达到这种同步的一般原则为 1 如果能够有几个可以同时工作的不同随机数发生器 则可以用一个发 生器专门为一个指定的随机变量产生种子 不同的随机变量用不同的随机数发 生器 2 实现产生出所需要的随机数并存储起来 在对各个模型仿真运行时按 照需要取用这些随机数 3 使用逆变换法产生随机变量 因为这种方法每产生一个随机变量仅仅 只需要一个单位均匀分布的随机数 8 4 2 对偶变量法对偶变量法 AV 对偶变量法是一种应用于单个系统模型仿真运行时的方差减小技术 对于同一个系统模型 每一次仿真运行中得到的观测数据时存在差异的 同样这种差异可能由随机数的选取而引起 采用对偶变量法的目的就是尽量消 除这种差异 对偶变量法的中心思想就是在系统模型的两次仿真运行过程中 设法使得 第 1 次运行中的小观测值能够被第 2 次仿真运行中的大观测值所补偿 或者是 反过来 这就相当于采用两次运行中观测值的平均值作为分析的基准数据点 而这个平均值与所估计的观测值的期望更加接近 一般情况下 对偶变量法使用互补的随机数驱动系统模型的两次运行 也 就是说 如果是用于第 1 次运行中某一具体目的的单位均匀分布随机数 k U 则在第 2 次运行中将 1 用于同一目的 k U 考察系统模型所进行的两次仿真运行 设定每次运行产生 n 个再生周期 这样可以构成一系列观测值对 各观测值对相互独 2 1 2 1 1 1 n X n XXX 立 令 nj j X j X j X 2 1 2 1 2 1 而 n j j X n nX 1 1 为的点估计 由于是独立同分布的随机变量 因此有 j XE j X n j X j XCov j XD j XD n j XD nXD 2 1 2 2 1 如果两次运行是相互独立的 则 如果能设法使得0 2 1 j X j XCov 之间形成负相关 也就是使 方差便会减小 2 1 j X j X和0 2 1 j X j XCov 8 4 3 控制变量法控制变量法 控制变量法是利用随机变量之间