前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >R语言连续时间马尔科夫链模拟案例 Markov Chains

R语言连续时间马尔科夫链模拟案例 Markov Chains

作者头像
拓端
发布2020-09-04 14:24:47
9970
发布2020-09-04 14:24:47
举报
文章被收录于专栏:拓端tecdat拓端tecdat

原文链接:http://tecdat.cn/?p=4182

案例

一个加油站有一个单一的泵,没有空间供车辆等待(如果车辆到达,泵不在,它就会离开)。车辆到达与以下的速率泊松过程加油站λ=3/20λ=3/20每分钟车辆,其中75%是汽车,25%是摩托车。加油时间可以用一个指数随机变量建模,平均汽车8分钟,摩托车3分钟,服务速率为μC= 1 / 8μC=1/8汽车和μ米= 1 / 3μ米=1/3 摩托车每分钟。

因此,我们可以通过将这些概率乘以每个状态下的车辆数量来计算系统中的平均车辆数量。

代码语言:javascript
复制

# Arrival ratelambda <- 3/20# 服务速率 (cars, motorcycles)
mu <- c(1/8,1/3)# Probability of carp <- 0.75#

现在,我们将模拟系统simmer并验证

代码语言:javascript
复制

option.1<- function(t) {car <->% seize("pump",amount=1)%>% timeout(function()rexp(1, mu[1]))

为了区分汽车和摩托车,我们可以在获取资源后定义一个分支来选择合适的服务时间。

这option.3相当于option.1性能。例如,

代码语言:javascript
复制
valueplot(gas.station,"resources","usage","pump",items="system")+ geom_hline(yintercept=N_average_theor)
#> Warning: 'plot.simmer' is deprecated.
#> Use 'plot(get_mon_resources(x))' instead.

这些是一些表现的结果:

代码语言:javascript
复制
library(microbenchmark)
t <- 1000/lambda
tm <- microbenchmark(option.1(t),option.2(t),option.3(t))
autoplot(tm)+ scale_y_log10(breaks=function(limits)pretty(limits,5))+ ylab("Time [milliseconds]")

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-09-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 拓端数据部落 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 这些是一些表现的结果:
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档