проиллюстрировать примером

метод Монте-Карло
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

метод Монте-Карло
метод статистических испытаний
Один из методов статистического моделирования, основанный на кибернетической идее «черного ящика». Он применяется в тех случаях, когда построение аналитической модели явления трудно или вовсе неосуществимо, например, при решении сложных задач теории массового обслуживания и ряда других задач исследования операций, связанных с изучением случайных процессов. Применение М. М.-К. можно проиллюстрировать примером из области теории очередей. Предположим, надо определить, как часто и как долго придется ждать покупателям в очереди в магазине при заданной его пропускной способности (допустим, для того, чтобы принять решение, следует ли расширять магазин). Подход покупателей носит случайный характер, распределение времени подхода может быть установлено из имеющейся информации. Время обслуживания покупателей тоже носит случайный характер и его распределение тоже может быть выявлено. Таким образом, имеются два стохастических или случайных процесса, взаимодействие которых и создает очередь. Теперь, если наугад перебирать все возможности (например, число покупателей, приходящих за час), сохраняя те же характеристики распределения, можно искусственно воссоздать картину этого процесса. Повторяя такую картину многократно, каждый раз меняя условия (число подходящих покупателей), можно изучать получаемые статистические данные так, как если бы они были получены при наблюдении над реальным потоком покупателей. Точно так же можно воссоздать искусственную картину работы самого магазина: здесь распределение времени подхода покупателей будет взаимодействовать с распределением времени обслуживания отдельного покупателя. Получаются опять два стохастических процесса. Их взаимодействие даст «очередь» с примерно такими же характеристиками (например, средней длиной очереди или средним временем ожидания), какими обладает реальная очередь. Таким образом, смысл М. М.-К. состоит в том, что исследуемый процесс моделируется путем многократных повторений его случайных реализаций. Единичные реализации называются статистическими испытаниями — отсюда второе название метода. Остается сказать, что такое выбор вариантов наугад (или механизм случайного выбора). В простых случаях для этого можно применять бросание игральной кости (классический учебный прием), но на практике используют таблицы случайных чисел либо вырабатывают (генерируют) случайные числа на ЭВМ, для чего имеются специальные программы, которые называются генераторами случайных чисел.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

Синонимы

• метод статистических испытаний

EN

• Monte Carlo method
• Monte-Carlo technique

метод Монте-Карло
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

метод Монте-Карло
метод статистических испытаний
Один из методов статистического моделирования, основанный на кибернетической идее «черного ящика». Он применяется в тех случаях, когда построение аналитической модели явления трудно или вовсе неосуществимо, например, при решении сложных задач теории массового обслуживания и ряда других задач исследования операций, связанных с изучением случайных процессов. Применение М. М.-К. можно проиллюстрировать примером из области теории очередей. Предположим, надо определить, как часто и как долго придется ждать покупателям в очереди в магазине при заданной его пропускной способности (допустим, для того, чтобы принять решение, следует ли расширять магазин). Подход покупателей носит случайный характер, распределение времени подхода может быть установлено из имеющейся информации. Время обслуживания покупателей тоже носит случайный характер и его распределение тоже может быть выявлено. Таким образом, имеются два стохастических или случайных процесса, взаимодействие которых и создает очередь. Теперь, если наугад перебирать все возможности (например, число покупателей, приходящих за час), сохраняя те же характеристики распределения, можно искусственно воссоздать картину этого процесса. Повторяя такую картину многократно, каждый раз меняя условия (число подходящих покупателей), можно изучать получаемые статистические данные так, как если бы они были получены при наблюдении над реальным потоком покупателей. Точно так же можно воссоздать искусственную картину работы самого магазина: здесь распределение времени подхода покупателей будет взаимодействовать с распределением времени обслуживания отдельного покупателя. Получаются опять два стохастических процесса. Их взаимодействие даст «очередь» с примерно такими же характеристиками (например, средней длиной очереди или средним временем ожидания), какими обладает реальная очередь. Таким образом, смысл М. М.-К. состоит в том, что исследуемый процесс моделируется путем многократных повторений его случайных реализаций. Единичные реализации называются статистическими испытаниями — отсюда второе название метода. Остается сказать, что такое выбор вариантов наугад (или механизм случайного выбора). В простых случаях для этого можно применять бросание игральной кости (классический учебный прием), но на практике используют таблицы случайных чисел либо вырабатывают (генерируют) случайные числа на ЭВМ, для чего имеются специальные программы, которые называются генераторами случайных чисел.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

Синонимы

• метод статистических испытаний

EN

• Monte Carlo method
• Monte-Carlo technique

теория расписаний
Научная дисциплина, посвященная разработке методов оптимизации оперативно-календарного планирования. Задачи Т.р. — один из видов задач исследования операций, объединяемых в классе задач упорядочения. Они состоят в определении оптимальной очередности обработки изделий на различных станках или других рабочих местах, составлении программы-»диспетчера» для управления работой ЭВМ в мультипрограммном режиме и т.п. Для решения задач используется ряд методов линейного программирования, дискретного программирования, методы ветвей и границ, сетевого планирования и управления. Последнее время особое развитие принимают приближенные методы решения, резко сокращающие перебор вариантов, (метод Монте-Карло). Сложность таких задач можно проиллюстрировать примером: требуется спланировать изготовление четырех изделий, каждое из которых проходит обработку на каждом из пяти станков. Существует (4!)5 или почти 7962 тыс. различных вариантов обработки (последовательностей); некоторые из них к тому же надо как-то отсеять, поскольку определенные операции следует выполнять в заданном порядке. На практике, разумеется, задачи еще намного сложнее. Проще других решаются так называемые задачи одного станка: поиск наилучшей последовательности обработки на нем некоторого множества деталей (наилучшей с точки зрения минимума затрат на пролеживание деталей до и после обработки, минимума времени задержки в выдаче деталей по сравнению с установленным сроком, минимального объема незавершенного производства и т.п.). Существует также ряд моделей планирования работы производственного участка (методическую основу для них дает модель Джонсона для n деталей и двух станков, но она представляет лишь теоретический интерес и малоприменима на практике). Наконец, Т.р. содержит методы составления календарных планов работы предприятий. Обычно задача ставится таким образом: составить план изготовления всех изделий, в котором не нарушались бы технологические ограничения, ограничения по мощности оборудования, а также сроки запуска и выпуска продукции. См. также: Задача о коммивояжере, Оперативно-календарное планирование.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• scheduling theory