新書推薦：
《
超简单的量子力学 波粒二象性 量子隧穿效应 不确定性原理 量子纠缠 一小时掌握描述微观世界本质规律的
》
售價：NT$
184
《
隋唐五代史（图文导读版）吕思勉历史著作集 精装 全2册
》
售價：NT$
1163
《
彩虹：从神话到数学（启蒙文化数学译丛）
》
售價：NT$
551
《
超级合作者
》
售價：NT$
663
《
清华大学藏战国竹简校释（陆）：越公其事
》
售價：NT$
383
《
古今英国园林
》
售價：NT$
500
《
奇迹时刻：获得全新的认知与领悟，如何爱自己，打破原生家庭限制，找寻真正的自由与自爱
》
售價：NT$
305
《
学会卓越
》
售價：NT$
510
|
| 內容簡介： |
|
《数据驱动的运营智能决策——基于AnyLogic仿真》在系统介绍AnyLogic建模方法和功能模块使用方法的基础上，深入探讨如何利用AnyLogic构建仿真模型，以分析和解决流程管理、库存管理及多级供应链库存管理等问题。此外，《数据驱动的运营智能决策——基于AnyLogic仿真》紧跟我国运营管理实践前沿，展示了如何结合计算机仿真、大数据和机器学习等先进技术，实现“虚实孪生+数智并行”，以有效解决偏远地区药品配送优化、共享制造系统生产任务分配等高度复杂的运营管理新问题。
|
| 目錄：
|
|
目录第1章 软件简介 11.1 AnyLogic特点 11.2 建模方法 21.3 模块使用 31.4 本章小结 5第2章 流程管理仿真 82.1 流程管理介绍 82.2 模型介绍 92.3 模型构建 92.4 结果分析 222.5 本章小结 23第3章 库存管理仿真 263.1 库存管理策略 263.2 模型构建 293.3 结果分析 823.4 多级供应链库存管理 843.5 本章小结 109第4章 强化学习介绍 1134.1 强化学习 1134.2 马尔可夫决策过程 1154.3 单智能体强化学习 1174.4 多智能体强化学习 1254.5 AnyLogic中的应用举例 1324.6 本章小结 142第5章 药品流通供应链仿真 1455.1 药品流通供应链介绍 1455.2 模型介绍 1465.3 模型构建 1495.4 基于深度强化学习的优化实验构建 2075.5 本章小结 214第6章 共享制造系统仿真 2176.1 共享制造 2176.2 模型介绍 2216.3 模型构建 2236.4 结果分析 2516.5 本章小结 252参考文献 255附录1 PyTorch实现CPVM方法 256附录2 PyTorch实现independent Q-learning方法 258附录3 PyTorch实现MADDPG方法 260
|
| 內容試閱：
|
|
软件简介 学习目标 通过本章学习，应实现如下目标。 （1）掌握AnyLogic软件的核心特点及其在制造业、物流、医疗等领域的应用。 （2）了解多方法融合建模的*特优势及行业特定库的实际应用场景。 （3）了解GIS（geographic information system，地理信息系统）地图集成、数据互操作性与可视化功能对复杂系统仿真的重要性。 （4）理解基于智能体建模、离散事件建模和系统动力学建模的基本原理与实现方法。 （5）熟悉表函数、变量、随机数生成器、事件、函数、集合等关键模块的功能与操作流程。 1.1 AnyLogic特点 AnyLogic软件是应用广泛的商业化仿真建模软件，是一款可以利用离散事件、系统动力学和基于智能体建模等多种建模方法，对复杂系统进行建模和仿真的工具。它的应用领域包括：制造业、物流、供应链、医疗、交通运输、服务业、军事等。使用软件进行仿真建模，具有以下六个优势。①系统分析能力：仿真模型使用户能够深入分析系统，并在传统分析计算或线性规划方法失效的情况下找到解决方案。②开发便捷性：用户选择抽象级别后，开发仿真模型通常比分析模型更简单，所需思考较少，且开发过程可伸缩、增量和模块化。③结构反映：仿真模型的结构自然反映了系统的结构特性。④动态度量：用户可以在抽象层次上度量和跟踪实体，并随时添加度量和统计分析。⑤动画展示：仿真中能够实时播放和动画化系统行为，这一特性对于演示、验证和调试极为有用。⑥直观性：与Excel电子表格相比，仿真模型能提供更直观的结果，用户可以更容易理解仿真所给出的建议。 同时，AnyLogic是一款*创的仿真软件，基于最新的复杂系统设计方法论，是第一个将UML（unified modeling language，统一建模语言）引入模型仿真领域的工具，也是唯一支持混合状态机的商业化软件，能够有效描述离散和连续行为。其*特特性包括以下几点。①多方法融合建模：AnyLogic支持多种建模方法，如基于智能体、离散事件和系统动力学。用户可以任意组合这些方法，以对不同复杂程度的业务系统进行仿真，AnyLogic是引入多方法仿真建模的*个工具，并且至今仍是唯一具备此能力的软件。AnyLogic提供多样的可视化建模语言，包括过程流程图、状态图、行动图、存量及流量图。②动画与可视化：用户可以利用AnyLogic的工具将流程图转化为带有3D（three dimension，三维）和2D（two dimension，二维）图形的交互式影像，以直观的方式展示模型。用户可使用图形对象可视化汽车、员工、设备和建筑物，并能导入自定义的3D模型、图像、CAD（computer-aided design，计算机辅助设计）图形等。通过添加导航栏和控件，模型能够实现交互，形成全面的仪表板。③行业特定库：AnyLogic提供多个行业专用的工具库，如流程建模库、流体库、轨道库、行人库、道路交通库和物料搬运库。这些库能详细模拟不同领域的运动和相互作用，无需其他通用仿真工具的支持。④基于智能体的仿真：AnyLogic是能够构建工业级基于智能体模型的专业软件。这一功能使用户能够在市场营销、社会进程和传染病等领域进行建模，并利用组织的大数据，创建具有个性化属性的智能体，提升模型的灵活性和易用性。⑤GIS地图集成：AnyLogic提供在仿真模型中使用GIS地图的功能，适用于供应链和物流网络等需要考虑地理信息的系统。内置的谷歌地图搜索功能使用户能够轻松定位城市、街道等，并将模型元素放置在地图上，元素可沿现有道路和路径移动。⑥数据互操作性：AnyLogic能够直接处理多种数据存储，包括Oracle、Microsoft SQL Server、MySQL等。用户可快速配置和参数化模型，并输出仿真数据和运行日志，或通过AnyLogic的私有云将仿真模型集成到企业的数据工作流程中。 1.2 建模方法 1.2.1 基于智能体建模 基于智能体建模的方法通过建立智能体角色来模拟特定环境中物体之间的相互作用。这种方法有助于研究和理解复杂系统，从而更有效地开发解决方案。它广泛应用于制造业、物流、供应链和业务流程等领域。 基于智能体建模是一种相对简单的建模方法，因为它不要求全面了解系统的所有行为，也不需要确定关键变量及其相关性或系统流程，只需关注系统中单个对象的行为。 在建模过程中，*先需要识别出系统中解决问题的*重要对象，并明确其行为。其次，创建智能体类并设计其行为方式。在这一过程中，需要考虑以下几点。①明确实际系统中的重要对象，将其设定为模型中的智能体。②确定实际对象之间的持续关系，并建立相应的逻辑链接。③判断智能体的空间位置，若智能体可移动，则需设置移动速度和路径等参数。④确定智能体生命周期中的重要事件，这些事件可能由外部触发，也可能由内部动态触发。⑤明确智能体的行为，包括对外部事件的反应、内部事件的处理及状态变化。⑥确定智能体之间的联系、信息内容及记录方式。⑦定义所有智能体共享的动态信息，即全局变量。⑧保存建模的数据输出结果。 1.2.2 基于离散事件建模 狭义上的离散事件建模是以流程建模为中心，将建模系统抽象为一个流程图，并对流程中的实体进行操作。与连续系统相比，离散系统的状态变量用于刻画在某个“重要时刻”或由某个“重要事件”引起的瞬间跃变。这种变化由系统中实体在不同环节触发 的随机离散事件引起，事件的发生时刻会导致系统中某个活动的终止或启动。 例如，在排队系统中，排队人数的变化发生在顾客到达与离开的时刻，顾客可以视为流程中的实体，排队人数的变化就是相关事件，顾客到来或离开的时刻则是事件时间。随机离散事件*能反映系统的本质属性，因此离散系统仿真建模也被称为离散事件仿真建模。在进行离散事件建模时，建模人员需要明确系统流程及智能体需执行的一系列操作，这些操作可能包括延迟、各种资源的服务、进程分支选择和拆分等。 服务时间和智能体到达时间通常是随机的，因为它们源于概率分布。因此，离散事件模型本身具有随机性。简单而言，这意味着模型必须运行一定时间或完成特定数量的复制，才能产生有意义的输出。 典型的离散事件模型输出包括：①资源利用率；②智能体在系统或其部分中所花费的时间；③花费时间；④队列长度；⑤系统吞吐量；⑥瓶颈。 公认的**款离散事件建模软件是由IBM工程师Geoffrey Gordon（杰弗里？戈登）于1961年编写的GPSS（general purpose simulation system，通用目的仿真系统）软件，目前市场上有诸多软件如FlexSim、SIMPROCESS等都能实现离散事件模型的构建。 1.2.3 基于系统动力学建模 系统动力学是一门分析和研究信息反馈系统的学科，同时也是一门综合性和交叉性的学科，旨在认识和解决系统问题。系统动力学模型基于系统动力学理论构建，使用专用语言形成数学模型，可以通过计算机模拟分析和处理随时间变化的复杂系统问题。 该模型广泛应用于城市、社会和生态系统等长期战略模型的构建，假设建模对象高度聚合，并以数量形式表示人、产品和事件。系统将现实世界抽象为物质、知识和人员等实体的存量，描述这些存量之间的流动及流动值之间的信息决策流程。在使用系统动力学解决问题时，需将模型抽象为具有反馈循环平衡的相互作用系统，并考虑可能存在的延迟结构。 系统动力学由麻省理工学院教授Jay Forrester（杰伊？福里斯特）创立，并于20世纪50年代发展成为一门完整的学科。目前，市场上可选择的系统动力学仿真软件包括STELLA、Vensim等。 1.3 模块使用 1.3.1 表函数 表函数是指用表格定义的函数，是一种特殊类型的函数。表函数适用于复杂的非线性关系，或将离散数据转换为连续的形式。AnyLogic根据给出的（X，7）坐标系中的数值对其选定的插值方法创建表函数，与一般函数类似，在建模过程中可以调用带有参数值的表函数返回该参数的对应值（可能是插值）。当函数调用的实参值超过表函数的参数范围时，可根据选定的处理办法处理该情况。 （1）表函数的创建：在“系统动力学”面板视图中选择“表函数”图标，拖动至图形编辑器中需要放置的位置。 （2）表函数的属性定义：在名称文本编辑框中输入表函数的名称；在表函数栏定义表函数的数据项，输入数据值；从插值的下拉列表中选择表函数的插值方法；从超出方法下拉列表中选择参数超出范围的处理方法。 （3）表函数的访问：表函数的访问与一般函数的方法相同，如tableFunction，get（）。 1.3.2 变量 智能体面板中的“变量”元素表示一般的变量，用于存储数值或Java类的简单变量。与参数一样，AnyLogic支持的变量类型为int、double、boolean、Java类定义的参数。变 量的值可以在创建时指定初始值，如果在建模过程中未指定值，则初始值为系统默认值，例如，int的系统默认是0，boolean类型的默认值是False。变量的值也可以在模型运行过程中使用赋值运算符进行更改。 如何创建变量：在智能体面板视图中选择“变量”图标，拖动至图形编辑器中合适位置，在变量属性视图中修改参数名称，选择类型，填入初始值。 1.3.3 随机数生成器 随机模型依赖于伪随机数生成器的随机种子值。若未指定固定种子值，模型的随机数生成器将在每次运行时使用不同的初始化值，这将导致无法重现模型运行。通过指定固定的种子值，可以确保每次模型运行时使用相同的初始化值，从而实现模型运行的可重现性。设置随机数生成器种子的步骤如下。 （1）在“项目”视图中，选择当前正在使用的实验。 （2）转到“属性”视图的“随机性”部分。 （3）在随机数生成中：①若要设置随机种子，请选择“随机种子（唯一实验）”选项。②若要设置固定种子，请选择“固定种子（可重现实验）”选项，并在种子值编辑框中输入所需的种子值。 如果模型未接收到任何外部输入（如数据或用户操作），则在两个使用相同初始种子的模拟中，模型的行为将是一致的。模型在创建时随机数生成器仅初始化一次，并在模型复制之间不会重新初始化。然而，在极少数情况下，即使选择了“固定种子（可重现实验）”选项，模型仍可能输出不可重现的结果。 模型可以通过编程方式获取默认随机数生成器，通常可通过调用全局函数来检索所有概率分布使用的随机数生成器getDefaultRandomGenerator（）。如果在调用概率分布函数时未指定特定的生成器，则将使用默认随机数生成器。 1.3.4事件 事件是模型中执行操作的基本方法，通常用于处理延迟和超时。在状态图中也可以 通过定时变迁来实现类似功能，但使用事件元素更加方便和高效。事件的触发类型主要包括到时触发、条件触发和速率触发。 （1）到时触发：适用于在设定时间到达时执行某项操作。这种触发方式有三种模式:发生一次、循环和用户控制。在建模过程中，可以根据具体需求选择合适的模式。 （2）条件触发：适用于当特定条件为真时执行操作。在此情况下，需要在条件文本编辑框中设定相应的条件表达式。 （3）速率触发：常用于*立事件流（如泊松流）的建模，通常用于设定智能体的到达，如在银行排队系统中。 1.3.5 函数 AnyLogic允许用户自定义函数及其返回类型。在定义函数时，如果选择“只有行动（无返回）”，则调用该函数时只执行相关代码，不返回任何值。函数主要用于在模型中重复使用某些相同的功能。函数体使用Java语言实现相关操作。函数创建步骤如下。 （1）在智能体面板中选择“函数”图标，将
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
