计算机模拟MATLAB实现课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《计算机模拟MATLAB实现课件.ppt》由用户(三亚风情)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 计算机 模拟 MATLAB 实现 课件
- 资源描述:
-
1、实验目的实验目的实验内容实验内容学习计算机模拟的基本过程与方法。学习计算机模拟的基本过程与方法。1 1、模拟的概念。、模拟的概念。4 4、实验作业、实验作业。3、计算机模拟实例。、计算机模拟实例。2、产生随机数的计算机命令。、产生随机数的计算机命令。连续系统模拟实例: 追逐问题追逐问题离散系统模拟实例: 排队问题排队问题用蒙特卡洛法解非线性规划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计算机模拟实例模拟的概念模拟的概念 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
2、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
3、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(蒙特卡洛(Monte CarloMonte Carlo)方法)方法是一种应用随机数来进行计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例1 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
4、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。分析分析: 这是一个概率问题,可以通过理论计算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. 问题分析问题分析2 2 当指示正确时,我方火力单位的射击结果情况当指示正确时,我方火力单位的射击结果情况1 1 观察所对目标的指示正确与否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
5、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可用投掷骰子的方法来确定:如果出现的是、三个点:则认为没能击中敌人;如果出现的是、点:则认为毁伤敌人一门火炮;若出现的是点:则认为毁伤敌人两门火炮2. 符号假设符号假设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. 模拟框图模拟框图初始化:i=0,k1=0,k2=0,k3=0i=
6、i+1骰子点数?k1=k1+1k2=k2+1k3=k3+1k1=k1+1i20?E=(k2+k3)/20 E1=0*k1/20+1*k2/20+2*k3/20停止硬币正面?YNNY1,2,34,564. 模拟结果模拟结果消灭敌人火炮数消灭敌人火炮数试验试验序号序号投硬币投硬币结果结果指示指示正确正确指示指示不正确不正确掷骰子掷骰子结果结果正正反正正反正正反反消灭敌人火炮数消灭敌人火炮数试验试验序号序号投硬币投硬币结果结果指示指示正确正确指示指示不正确不正确掷骰子掷骰子结果结果正反正反正正正正反正从以上模拟结果可计算出: E=7/20=0.35 20322041201301E=0.55. 理论计
7、算理论计算设:观察所对目标指示正确确观察所对目标指示不正10jA0:射中敌方火炮的事件;A1:射中敌方一门火炮的事件;A2:射中敌方两门火炮的事件则由全概率公式:E = P(A0) = P(j=0)P(A0j=0) + P(j=1)P(A0j=1) = 25. 02121021P(A1) = P(j=0)P(A1j=0) + P(j=1)P(A1j=1) = 613121021P(A2) = P(j=0)P(A2j=0) + P(j=1)P(A2j=1) = 1216121021E1 = 33. 012126116. 结果比较结果比较 理论计算和模拟结果的比较分类项目无效射击有效射击平均值模拟
8、理论 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产生模拟随机数的计算机命令产生模拟随机数的计算机命令 在Matlab软件中,可以直接产生满足各种分布的随机数,命令如下:2产生mn阶,均匀分布的随机数矩阵:rand (m, n)rand (m, n) 产生一个,均匀分布的随机数:
9、randrand1产生mn阶a,b均匀分布U(a,b)的随机数矩阵: unifrnd (a,b,m, n)unifrnd (a,b,m, n) 产生一个a,b均匀分布的随机数:unifrnd (a,b)unifrnd (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。例 1的计算机模拟3.产生 mn 阶均值为,方差为的正态分布的随机数矩阵: n no or rm mr rn nd d (,m, n)产生一个均值为,方差为的正态分布的随机数:normrnd (,) To Matlab(rnd)当研究
10、对象视为大量相互独立的随机变量之和,且其中每一种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。4产生 mn 阶期望值为的指数分布的随机数矩阵:e ex xp pr rn nd d (,m, n )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。000)(xxexft指数分布的期望值为 1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。注意:注意:Matlab
11、中,产生参数为 的指数分布的命令为exprnd( )1例例 顾客到达某商店的间隔时间服从参数为顾客到达某商店的间隔时间服从参数为0.10.1的指数分布的指数分布 指数分布的均值为指数分布的均值为1/0.1=101/0.1=10。 指两个顾客到达商店的平均间隔时间是指两个顾客到达商店的平均间隔时间是1010个单位时间个单位时间. .即平均即平均1010个个单位时间到达单位时间到达1 1个顾客个顾客. . 顾客到达的间隔时间可用顾客到达的间隔时间可用exprnd(10)exprnd(10)模拟。模拟。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
12、的帕松分布帕松分布。, 2 , 1 , 0,!)(kkekXPk5产生 mn 阶参数为的帕松分布的随机数矩阵:poissrnd poissrnd (,m, n)帕松分布在排队系统、产品检验、天文、物理等领域有广泛应用。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 的泊松分布即单位时间内该事件出现k次的概率为:, 2 , 1 , 0,!)(kkekXPk反之亦然。指数分布与帕松分布的关系: (1)(1)指两个顾客到达商店的平均间隔时间是指两个顾客到达商店的平均间隔时间是1010个单位时间个单位时间. .即平均即平均1010个单位
13、时间到达个单位时间到达1 1个顾客个顾客. . (2) (2)指一个单位时间内平均到达指一个单位时间内平均到达0.10.1个顾客个顾客例例 (1)(1)顾客到达某商店的间隔时间服从参数为顾客到达某商店的间隔时间服从参数为0.10.1的指数分布的指数分布 (2)(2)该商店在单位时间内到达的顾客数服从参数为该商店在单位时间内到达的顾客数服从参数为0.10.1的帕松分布的帕松分布 返回例例2 2敌坦克分队对我方阵地实施突袭,其到达规律服从泊松分布,平均每分钟到达辆(1)模拟敌坦克在分钟内到达目标区的数量,以及在第、分钟内各到达几辆坦克(2)模拟在3分钟内每辆敌坦克的到达时刻。 (1)用poissr
展开阅读全文