Оптимизируйте модели SimEvents путем выполнения нескольких симуляций

Чтобы оптимизировать модели в рабочих процессах, которые включают выполнение нескольких симуляций, можно создать тесты симуляции с помощью Simulink.SimulationInput объект.

Модель продуктового магазина

Открыть скрипт

Пример продуктового магазина использует несколько подходов симуляций, чтобы оптимизировать количество магазинных тележек, требуемых предотвратить длинные потребительские линии ожидания.

В этом примере блок Entity Generator представляет потребительскую запись в хранилище. Клиенты ждут своей очереди при необходимости и получают магазинную тележку через блок Resource Acquirer. Блок Resource Pool представляет доступные магазинные тележки в хранилище. Блок Entity Server представляет время, которое каждый клиент проводит в хранилище. Клиенты возвращают магазинные тележки через блок Resource Releaser, в то время как блок Entity Terminator представляет потребительское отклонение от хранилища. Среднее ожидание, w статистическая величина от блока Resource Acquirer сохранено в рабочую область блоком To Workspace из библиотеки Simulink®.

Создайте модель

Клиенты продуктового магазина ждут своей очереди, если существует недостаточно магазинных тележек. Однако наличие слишком многих неиспользованных магазинных тележек рассматривается отходами. Цель примера состоит в том, чтобы исследовать время ожидания среднестатистического клиента для различного количества доступных магазинных тележек в хранилище. Чтобы вычислить время ожидания среднестатистического клиента, несколько симуляций запущены при помощи sim команда. Для каждой симуляции используется одно доступное значение магазинной тележки. Для получения дополнительной информации о sim команда, смотрите Запуск параллельной симуляции.

В симуляциях, доступных диапазонах значений магазинной тележки от 20 к 50 и в каждой симуляции это увеличивается 1. Это принято, что в течение операционных часов, клиенты прибывают в хранилище со случайным уровнем, чертившим от экспоненциального распределения, и их делающая покупки длительность получена из равномерного распределения.

В блоке Entity Generator, набор Entity type name к Customers и Time source к MATLAB action. Затем введите этот код.
```
persistent rngInit;
if isempty(rngInit)
    seed = 12345;
    rng(seed);
    rngInit = true;
end

% Pattern: Exponential distribution
mu = 1;
dt = -mu*log(1-rand());
```
Время между потребительским прибытием чертится от экспоненциального распределения со средним 1 минута.
В блоке Resource Pool задайте Resource name как ShoppingCart. Установите Resource amount на 20.
Начальным значением доступных магазинных тележек является 20.
В блоке Resource Acquirer, набор ShoppingCart как Selected Resources и набор Maximum number of waiting entities к Inf.
Пример принимает безграничное количество клиентов, которые могут ожидать магазинной тележки.
В блоке Entity Server, набор Capacity к Inf.
Пример принимает безграничное количество клиентов, которые могут делать покупки в хранилище.
В блоке Entity Server, набор Service time source к MATLAB action и введите код ниже.
```
persistent rngInit;
if isempty(rngInit)
    seed = 123456;
    rng(seed);
    rngInit = true;
end

% Pattern: Uniform distribution
% m: Minimum, M: Maximum
m = 20; 
M = 40;
dt = m+(M-m)*rand;
```
Время, которое клиент проводит в хранилище, получено из равномерного распределения на интервале между 20 минуты и 40 минуты.
Соедините статистическую величину Average wait, w от блока Resource Acquirer до блока To Workspace и установите его Variable name на AverageCustomerWait.
Установите время симуляции на 600.
Длительностью одной симуляции является 10 часы работы, который является 600 минуты.
Сохраните модель.
В данном примере модель сохранена с именем GroceryStore_ShoppingCartExample.

Запустите несколько симуляций, чтобы оптимизировать ресурсы

Откройте новый MATLAB^® скрипт и запуск этот код MATLAB для нескольких симуляций.

Инициализируйте модель и доступное количество магазинных тележек для каждой симуляции, которая определяет количество симуляций.
```
% Initialize the Grocery Store model with
% random intergeneration time and service time value
mdl = 'GroceryStore_ShoppingCartExample';
isModelOpen = bdIsLoaded(mdl);
open_system(mdl);

% Range of number of shopping carts that is 
% used in each simulation
ShoppingCartNumber_Sweep = (20:1:50);
NumSims = length(ShoppingCartNumber_Sweep);
```
В каждой симуляции число доступных магазинных тележек увеличено 1.

Запустите каждую симуляцию с соответствующим доступным значением магазинной тележки и выведите результаты.

% Run NumSims number of simulations
NumCustomer = zeros(1,NumSims);
for i = 1:1:NumSims
    in(i) = Simulink.SimulationInput(mdl);
    % Use one ShoppingCartNumber_sweep value for each iteration
    in(i) = setBlockParameter(in(i), [mdl '/Resource Pool'], ...
    'ResourceAmount', num2str(ShoppingCartNumber_Sweep(i)));
end

% Output the results for each simulation
out = sim(in);

Соберите и визуализируйте результаты.

% Compute maximum average wait time for the
% customers for each simulation
MaximumWait = zeros(1,NumSims);
for i=1:NumSims
    MaximumWait(i) = max(out(1, i).AverageCustomerWait.Data);
end
% Visualize the plot
plot(ShoppingCartNumber_Sweep, MaximumWait,'bo');
grid on
xlabel('Number of Available Shopping Carts')
ylabel('Maximum Wait Time')

Наблюдайте график, который отображает максимальное среднее время ожидания для клиентов в зависимости от доступных магазинных тележек.
График отображает компромисс между наличием 46 магазинные тележки, доступные в течение нулевого времени ожидания по сравнению с 33 магазинные тележки для 2- мелкое потребительское время ожидания.

Документация