Zadání LS 2017/2018

From Simulace.info
Revision as of 10:12, 10 May 2018 by Navd00 (talk | contribs)
Jump to: navigation, search



Název simulace: Simulace náhradní dopravy přes řeku

Autor: Alena Charniauskaya

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Nosným tématem mé simulace bude náhrada dopravy přes řeku kvůli zbourání mostu a stavbě nového. Jako jednou ze zkoumaných variant náhradní dopravy by se mohla stát říční lodní doprava (na bázi přívozu, tedy pouze spojující dva body proti sobě přes řeku). Parametry modelu:

  • Rychlost lodí
  • Rychlost nástupu a výstupu
  • Šířka řeky (vzdálenost)
  • Přepravní kapacita na jednu lod'
  • Počet lodí
  • Počet pasažérů (v závislosti, zda je přeprava v dopravní špičce nebo mimo ni)

Cílem simulace je zjistit:

  • Počet potřebných lodí (a jejich přepravní kapacita) nutných k náhradě běžné přepravy přes most
  • Interval pendlování lodí
  • Zda takový způsob náhradní dopravy pokryje potřeby normální přepravy přes most

Chaa14 (talk) 21:25, 3 May 2018 (CEST)

Dobrý den, obecně to není špatná myšlenka, problém je, že ji lze - tak jak to chápu - řešit analyticky, výpočtem... Tudíž simulace by byla nadbytečná. Zkuste to nějak upravit. Admin (talk) 00:26, 5 May 2018 (CEST)
Dobrý den, napadlo mě k tomu navíc zjistit pomocí simulace spokojenost cestujících s takovým způsobem náhradní dopravy, např. když bude cestující čekat více než 10 minut na nástup na loď, tak může odejít a použije jiný způsob dopravy. A my potřebujeme zjistit procento lidí, které jsme přepravili náhradní dopravou a kolik zvolilo jiný způsob dopravy. Chaa14 (talk) 16:14, 6 May 2018 (CEST)
Jednak to vypadá spíš jako adept na diskrétní simulaci, opravdu tam nevidím moc důvodů, proč to dělat agentně. A jako taková je opravdu hodně triviální. Jde o semestrální úlohu, takže by neměla být řešitelná za večer. Téma si představit dovedu, ale muselo by být podepřeno skutečnými daty. A obávám se, že ta bude obtížné v požadované kvalitě obstarat. Admin (talk) 08:46, 9 May 2018 (CEST)

Název simulace: Simulace brnění (NetLogo)

Autor: Mykyta Lipskyi

Typ modelu: Multiagentni

Modelovací nástroj: NetLogo

Předmětem této simulace bude testování nového vojenského brnění, které vynalezl tým amerických vědců. Zkouška bude prováděna na kusu materiálu, ze kterého se brnění vyrábí. Do testovaného materiálu se bude střílet z různých zbraní a s různými náboji, ale vzdálenost mezi cílem a zbraní bude vždy stejná. Lze nastavit teplotu materiálu pro simulaci změn počasí.

Parametry modelu:

  • Tloušťka materiálu
  • Rychlost náboje
  • Materiál náboje
  • Teplota materiálu

Cílem simulace je zkontrolovat odolnost nového brnění

Lipm01 (talk) 16:46, 4 May 2018 (CEST)

Dobrý den, v tomto případě jde o učebnicový příklad diskrétní simulace a to velmi primitivní. V podstatě je identická základní verzi naší úlohy Supermarket. Chtělo by to něco sofistikovanějšího. Admin (talk)

Lipm01 (talk) 23:23, 6 May 2018 (CEST) Upraveno

Tohle zní zajímavě, rozpracujte prosím zadání do detailu (tj. tak, aby to jen podle něj mohl někdo namodelovat). Úplně mi není jasné, jak si představujete to řešení. Admin (talk) 08:49, 9 May 2018 (CEST)

Název simulace: Gammora

Autor: Ulrika Anna Jagošová

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Předmětem této simulace je šíření nemoci HIV a jejího rozvinutí do AIDS a jak tuto problematiku ovlivní experimentální lék Gammora, který je vyvíjen izraelskými vědci. V současné době je účinnost Gammory na vyléčení HIV 97%, cílem je dosáhnout 100% léčby. Na AIDS léčba neexistuje, nakažený člověk zemře.

V rámci simulace budeme mít veřejný prostor s 1000 subjekty. V rámci prostoru se budou subjekty náhodně pohybovat a přicházet do kontaktu s jinými subjekty. Virus se bude šířit tělesným kontaktem mezi nakaženými jedinci. Prostor bude obsahovat 3 typy osob: zdravé jedince, nakažené jedince a mediky s vakcinační látkou Gammora. Pokud nakažený jedinec navštíví medika, je mu aplikována vakcína. V současné době má Gammora účinnost 97% na vyléčení osoby nakažené virem HIV v průběhu 8 dní. Pokud nenavštíví jedinec medika včas, případně Gammora nezničí virus HIV v jeho těle, rozvine se virus HIV do AIDS. HIV se rozvine do AIDS v průměru během 5 let. Jedince již v tomto stavu není možno zachránit, umírá.

Cílem této simulace je zjistit, jaké změny s sebou v rámci populace přinese schválení léčby pomocí vyvíjeného léku Gammora.

Zdroje pro realizaci simulace: SZÚ, AIDS pomoc, Zion Medical.

xjagu00 (talk) 18:11, 5 May 2018 (CEST)

Fajn, to by mohlo být ok, ale než si to potvrdíme, rozpracujte prosím zadání do detailu. Tohle je velmi stručné, nedá se z toho pořádně odvodit, jak budete pokračovat ani obtížnost... Jako příklad si vezměte zadání školních úloh. Admin (talk) 11:23, 6 May 2018 (CEST)
Doplnila jsem zadání. xjagu00 (talk) 17:44, 6 May 2018 (CEST)
Obávám se, že ta metoda není dobrá. Náhodný pohyb agentů a jejich potkávání se je populární způsob, jak to dělat, ale málokdy dává smysl. Tímto způsobem jste jen obtížně schopná ovlivnit pravděpodobnost přenosu infekce, resp. musíte na to jít nepřímo přes poměrné zastoupení různých typů agentů. Stejně tak moc nerozumím tomu, proč by dílem náhody mělo být i podání vakcíny? Není návštěva lékaře spíše záměrným rozhodnutím? Obávám se, že u tohoto tématu bude třeba přijmout nějaký sofistikovanější způsob řešení. Tomáš (talk) 08:57, 9 May 2018 (CEST)

Název simulace: Optimalizace počet provozoven rychlého občerstvení nového podniku v městech v ČR

Autor: Nguyen Van Thanh

Typ modelu: Monte Carlo

Modelovací nástroj: MS Excel

Definice problému:Jsme na trhu novou společností rychlého občerstvení a chceme zjistit optimální počet našich rozvržení provozoven, kdy bereme v potaz veškeré faktory ovlivňující náš chod provozoven. Viz parametry modelu.

Parametry modelu'

  • Počet provozoven
  • Návštěvnost a vytížení provozoven
  • Náklady provozovny (zaměstnanci, suroviny, nájem, odpad, rozvoz atd.)
  • Poptávka/nabídka ve městě
  • Tržby provozoven

Cíl simulace

  • Optimalizovat počet provozoven v daném městě na základě poptávky a nabídky a tím docílit podniku nejvyšší zisk.
  • Optimalizovat efektivní rozpoložení počet zaměstnanců napříč provozoven

Xngut65 (talk) 12:43, 6 May 2018 (CEST)

Zajímavé téma, ale mám tam dost nejasností. Monte Carlo ja založeno na náhodných proměných (jinak by to byla jen kalkulace) - co by ve vaší simulaci bylo všechno náhodně generováno?
Co bude zdrojem dat pro tyto náhodně generované proměné?
Jak kvantifikujete poptávku a na základě čeho?
Jak v Monte Carlu budete řešit to optimální rozložení prodejen (Monte Carlo nesimuluje prostor jako např. NetLogo, proto je to potřeba nějak ošetřit)?
Jak budete řešit vzájemnou konkurenci prodejen - tedy jak kvantifikujete, že si přetahují zákazníky?
Oleg.Svatos (talk) 09:26, 6 May 2018 (CEST)
1. Náhodně jsou generovány náklady na zaměstnance, nájem nebytových prostorů, návštěvnost a průměrná útrata strávníka v řetězcích.
2. Zdrojem dat jsou portály s nabídkami práce (např. jobs.cz, práce.cz) , nemovitostmi v daném regionu (sreality.cz), dále údaje z dotazníkových šetření.
3. Poptávka se bude odvíjet od sezón, věkové skupiny, lokalitě a speciálních nabídek a preference strávníka v jakém stravovacím zařízení bude trávit. (geografická data jsou čerpána z českého statistického úřadu:https://www.czso.cz/ a zbylá data jsou čerpána z dotazníkových šetření)
4. Pomocí Monte Carla se zjistí, v jakém stavu výsledku hospodaření jsou zkoumané provozovny. Z těchto údajů, pak vybereme nejlepší model rozložení nákladů, který vynáší maximilní zisk pro náš nový podnik v jednotlivých městech.
5. Konkurence se řeší mezi stravovacích zařízení, které jsou dostupné z statistického šetření sektoru stravování: https://www.mmr.cz/getmedia/46223218-36e7-4503-a17e-b7f76240b602/06-Statisticke-setreni-sektoru-stravovani.pdf . Dále v reklamních kampaních a povědomí o značce, údaje čerpány z dotazníků. Zákazníků v daném městě je nějaký fixní počet, o který se budou tyto stravovací zařízení přetahovat.
Xngut65 (talk) 12:43, 6 May 2018 (CEST)
OK. Schváleno. Dejte pozor na to, aby simulace byla reálná a abyste pak ve zprávě k simulaci ukázal, jak jste jednotlivá rozdělení pro náhodné proměné odvodil - ukázal odvození jednotlivých pravděpodobnostních rozdělení ze zdrojových dat. Oleg.Svatos (talk) 13:55, 6 May 2018 (CEST)

Název simulace: Simulace jizdy v dopravni zacpe na dalnici

Autor: Daniel Nejezchleb

Typ modelu: Multiagentni

Modelovací nástroj: NetLogo

Hlavními entitami navrhovaného modelu budou vozidla, která budou v pruzích silnice a busou se snažit překonat dopravní zácpu. Agent vozidla bude obsahovat fyzické atributy jako jsou délka, akcelerace, typ. Budou také obsahovat chování jízda v pruhu a změna pruhu. Pro implementaci těchto chování je nutné, aby agenti neustále monitorovali okolí srze své senzory. Takto inteligentní chování budou složena dohromady z řady jednoduchých pravidel, kterými se agenti budou řídit.

  • Chování jízda v pruhu

Toto chování se bude starat o to, že auta budou následovat pruh silnice. Nebudou do sebe narážet, tedy jestliže se nachází jiné auto před agentem, tak zpomalí na úroveň jeho rychlosti, aby dodržel minimální vzdálenost mezi vozidly.

  • Chování změna pruhu

Jestliže agent zjistí, že jeho pruh stojí a okolní pruh se hýbe, tak se pokusí změnit pruh. Přitom se bude snažit nezpůsobit dopravní nehodu.

Parametry modelu:

  • Počet aut
    • Uvidíme zda simulace prokáže, jestli má hustota zácpy vliv na výsledek testu
  • Počet proudů silnice
    • Jeden pruh silnice nedává pro tuto simulaci smysl. Podle podmínek většiny českých silnic bude simulace zkoumat hlavně dvou a tří pruhové silnice
  • Typ auta (osobni, užitková, nakladni)
    • Modelovaná situace bude zobecňovat vozidla do tří typů, každý zaštiťující přibližně stejné paramtry vozidel té kategorie. Pro různé typy vozidel platí také jiné dopravní omezení a povinnosti. Je možné, že se model zjednoduší pouze na dva typy vozidel a to osobní/užitková a nákladní, kvůli nedostatečně detailním údajům z nalezených průzkumů.
    • Osobní: Osobní vozidlo charakterizuje nejmenší velikost, nejrychlejší akcelerace a nejvyšší rychlost
    • Užitková: Vozidla typu dodávka; charakteristické střední velikostí, střední akcelerací a střední rychlostí
    • Nákladní: Vozidla charakterizována nejvetší velikostí, nejpomalejší akcelerací a nejpomalejší rychlostí
  • Typ řidiče (slusny, agresivni)
    • Agenti tohoto typu bodou rozhodovat o stylu jízdy.
    • Uvědomělý: značí řidiče dodržujícího dopravní pravidla
    • Neuvědomělý: značí řidiče, který často inklinuje k nedodržení dopravních pravidel
    • Agresivní: značí řidiče, který svou jízdou zvyšuje riziko dopravní nehody
    • Předvídavý: naopak začí řidiče, který naopak minimalizuje riziko dopravní nehody
    • Toleratní: řidič, který spíše dovolí jinému změnit pruh
    • Netolerantní: naopak spíše nedovolí ostatním změnit pruh
  • Nehoda na silnici
    • často bývají dopravní zácpy způsobené nehodou a pak nás zajímá jak překážka v jednom z průhů ovlivní výsledek simulace
  • Styl jizdy ridice
    • Nosný parametr simulace, zjišťující zda střidat pruhy či se držet v jednom vybraném pruhu
    • Střídání pruhů: Řidič se podle aktualní situace v jeho bezprostředním okolí rozhoduje, zda má změnit pruh, protože v okolním pruhu plyne provoz rychleji; Výsledek tohoto stylu jízdy, také závisí na vůli řidiče, který má odbočujícího řidiče pustit
    • Držení se v pruhu: Opak předchozího, kdy se řidič drží svého pruhu

Co se týče nastavení parametrů, tak pro poměr typů bych se pokusil najít nějaký behaviorální výzkum řidičů a jejich vlastností, podle toho by se potom odvodili hodnoty. Pro typy vozidel už jsem nalezl konkrétní Celostátní sčítání dopravy, o které se může simulace opřít http://scitani2016.rsd.cz/pages/results/default.aspx.

Cílem simulace je zjistit, zda se v dopravni zacpe na dalnici vyplati stridat pruhy podle aktualne se pohybujiciho pruhu nebo zda je stejne vyhodne nebo i vyhodnejsi drzet se ve vybranem pruhu. Vyhodnosti je rozumeno rychlejsi projeti dopravni situace za soucasne minimalizace rizika vlastni dopravni nehody zpusobene agresivni jizdou.

Xnejd00 (talk) 02:01, 6 May 2018 (CEST)

Dobrá, rozpracujte prosím zadání do detailu. Jak se třeba budou lišit osobní auta, dodávky, nákladní, v jakém poměru je budete na silnici pouštět a proč? Jak budete v simulaci řešit různé počty pruhů, jak se bude lišit slušný a agresivní řidič, v jakém poměru budou a proč, atd. atd. Jak jsme si říkali, zadání by mělo být formulováno tak, aby se to jen na jeho základě pak dalo řešit. Admin (talk) 11:26, 6 May 2018 (CEST)
Zkonkrétnil jsem zadání. Dalo by se už takto schválit?
Xnejd00 (talk) 00:08, 7 May 2018 (CEST)
Lepší by bylo mít ty parametry už v tom zadání, protože je poměrně obecné, ale Schváleno. Tomáš (talk) 09:01, 9 May 2018 (CEST)

Název simulace: Simulace vývoje slávy kapely

Autor: Luboš Tomandl

Typ modelu: Systémová dynamika

Modelovací nástroj: VensimPLE

Definice problému: Jsem členem začínající kapely. Máme za sebou několik koncertů v pražských klubech, účast na několik festivalech a soutěžích. Rádi bychom se více proslavili a tedy získali více fanoušků na sociálních sítích. Víme, že pro to musíme být aktivní, vytvářet nový obsah na sítích, koncertovat, vydávat novou hudbu a točit videoklipy. Na základě účtů na Facebooku, Instagramu, YouTube a Spotify můžeme snadno sledovat, které události a činnosti nejvíce přitáhly pozornost na naše sociální sítě. Podle těchto dat tedy můžeme nasimulovat, které aktivity mohou přispět tomu, aby se povědomí (počet sledujících) o naší kapele dále navyšovalo a co naopak nedělat (pokud najdu takové situace), aby se obliba kapely nesnižovala. Je však potřeba brát v úvahu mnoho faktorů. Členové kapely mají jen omezené finanční a časové možnosti. Aby byli ochotní vkládat své prostředky do aktivit kapely, nesmí tyto aktivity snižovat jejich celkovou spokojenost, která se dá měřit přílišnou časovou vytížeností a nadměrnými náklady. Fanoušci také nemají neomezené prostředky pro navštěvování koncertů a nakupování alb.

Cíl: Maximalizovat slávu kapely kvantifikovanou počtem sledujících na sociálních sítích a minimalizovat rizika ztráty obliby u posluchačů.

Xtoml29 (talk) 12:01, 6 May 2018 (CEST)

Šlo by - důležité v tomto připadě bude ukázat ve zprávě k simulaci, na základě čeho přesně byly jednotlivé vztahy mezi proměnými a kvatifikace parametrů odvozeny. Schváleno. Oleg.Svatos (talk) 20:23, 6 May 2018 (CEST)

Název simulace: Šíření víry v kontinentální Evropě 16. století

Autor: Vojtěch Hyvnar

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo 6.0.3

Popis modelu: Začátkem 16. století došlo v Evropě k reformaci církve, která vedla k vytvoření dvou hlavních protestantských církví – Luteránství (na území dnešního Německa) a Kalvinismu (na území dnešního Švýcarska). Obě protestantské církve se pak rozšiřovaly do zbytku Evropy a byly dle nich zakládány také další církve (např. Hugenoti ve Francii), avšak tradiční římskokatolická církev byla stále jednoznačně nejrozšířenější.

Model by byl tvořen na mapě Evropy – vzhledem k problematické tvorbě „přechodů“ přes moře budu abstrahovat od všech ostrovů (a tudíž také vynechám například Anglikánskou církev) a budu uvažovat pouze kontinentální Evropu. Model a jeho parametry jsou samozřejmě velice zjednodušeným odrazem reality, jelikož se jedná o opravdu komplexní problém. Představitelé jednotlivých náboženství (misionáři) se snaží získat/konvertovat co nejvíce evropanů na svou stranu.

Parametry modelu:

  • Počet katolíků (náhodně rozmístěných po celé Evropě, s největším shlukem kolem Říma –nejsem si 100% jistý, jestli je tohle možné v NetLogu naprogramovat)
  • Počet luteránů (centrovaných v Německu, okolo Wittenbergu)
  • Počet kalvinistů (centrovaných okolo Ženevy)
  • Počet ateistů (náhodně rozmístěných po celé Evropě)
  • Pravděpodobnost konvertování ateisty, katolíka, luterána či kalvinisty (logický předpoklad by byl, že luteráni či kalvinisté by byli hůře konvertovatelní než katolíci)
  • Pravděpodobnost, že člověk samovolně opustí své náboženství a stane se ateistou
  • Frekvence, jak často budou lidé evaluovat svou náboženskou situaci (např. jednou ročně; nenapadá mě sofistikovanější způsob, jak tento problém řešit)

Cíl: Ačkoli tento problém už není úplně aktuální, zajímalo by mě, co by muselo vést k tomu (a jak dlouho by to trvalo), aby (za velmi zjednodušených podmínek) římskokatolická církev ztratila své dominantní postavení mezi evropskými náboženstvími (církvemi), případně aby se stala Evropa plně ateistickou.

Xhyvv00 (talk) 13:52, 6 May 2018 (CEST)

Dobrý den, je to hodně měkké, abstraktní téma, která obvykle zamítám, protože je velmi obtížné udržet, aby se z toho nestala úplná blbost. Hlavně proto, že je tam spousta vágních údajů, apod. Ale tohle téma mi přijde hodně originální, rád bych mu dal šanci. Ale je třeba zamyslet se nad následujícími otázkami: 1) představa ateistů ve středověké, resp. ranně novověké Evropě, je hodně divoká, podle mého názoru muselo jít o počty statisticky zcela nevýznamné. 2) Rozmístění představitelů jednotlivých demoninací je hodně svévolné. Ti luteráni ještě budiž, ale katolíci kolem Říma??? 3) To šíření víry jistě v realitě není difuzní, jako by šlo o nějakou infekci, ale je ovlivněno mnoha faktory: migrací, mocenskými centry... 4) Jak budete řešit časový nesoulad mezi založením jednotlivých církví? ...a to mě jen tak zfleku napadlo. Doporučoval bych z toho vybrat nějaký konkrétní, dobře definovatelný podproblém a ten simulovat. Tomáš (talk) 10:10, 9 May 2018 (CEST)

Název simulace: Simulace čekání vlakové soupravy cestujícími

Autor: Evgeny Konoshenko

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Popis modelu: Předmětem této simulace je čekání vlaku na nádraží. Osoby přicházejí náhodně a budou pravidelně vyzvedávány vlakovou soupravou. Simulace bude navrhnuta tak, aby fungovala při jedné aktualizace za sekundu.

Vlaková souprava je tvořena jedním motorem a několika vozy. V dané simulaci motor má jenom první voz, což znamená, že vlak jede jedním směrem. Může být pouze 0 nebo 1 motor. Motor se vždy zastavuje po konci platformy.

Každý vůz má zátěž a může přijmout současně jednoho cestujícího. Pokud jsou vozy ale žádný motor, pak vlak opouští pravou stranu simulačního světa. Osoby budou přicházet z dolní časti simulačního světa nahoru do platformy. Osoby se budou pohybovat nahoru, vlevo, vpravo, aby se zastavily naproti vozu. Osovy se nebudou pohybovat přes jiné osoby, ani se nebudou pohybovat dozadu. Osoby nebudou vstupovat do simulačního světa, pokud je platforma plná. Po zastavení motoru, osoby budou moct nastoupit do vlaku.

Parametry modelu:

  • Počet vozů
  • Interval motoru (Počet sekund, než se vytvoří další motor)
  • Interval osob (Počet sekund, než se vytvoří další osoba)
  • Frekvence osob (Pravděpodobnost vytvoření osoby v daném intervalu)
  • Rychlost simulace

Cíl: Cílem simulace je optimalizovat dobu čekání vlaku cestujícími, a aby vlak odjížděl s maximálně využitou kapacitou. Dalším cílem je optimalizovat počet pasažérských míst na základě počtů poptávajících cestujících.

Xkone06 (talk) 15:30, 6 May 2018 (CEST)

Typické zadání pro diskrétní simulaci, navíc velmi triviální. Tomáš (talk) 01:59, 10 May 2018 (CEST)

Název simulace: Simulace pastviny

Autor: Jan Reindl

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Popis modelu: Model zachycuje situaci na pastvině (nebo v savanně), pastvina je pokryta trávou a nachází se v ní zvířata konzumující trávu a predátoři konzumující trávou vykrmená zvířata. Pokud zvířata spasou veškerou trávu na určitém poli, dojde k erozi půdy a pole se změní v poušť. Pokud je naopak pole dlouhou dobu nespasené, zaroste křovím. Zvířata jsou přirozeně líná a zůstávají na jednom místě, dokud vše nespasou. Existence predátorů však uvádí zvířata v pohyb, takže nemají čas vše spást a změnit tak krajinu v poušť. Příliš mnoho predátorů však uloví všechna zvířata a pastvina zaroste křovinami a lesy.

Parametry modelu:

  • Rychlost růstu rostlin
  • Počet zvířat v pastvině
  • Počet predátorů v pastvině
  • Bohatost půdy

Cílem simulace je:

  • Popsat vztah mezi počtem zvířat a predátorů v pastvině, a to včetně závislosti na bohatosti půdy (tedy kolik potravy může být maximálně k dispozici) a rychlosti růstu rostlin.
  • Najít přibližný bod rovnováhy pro dlouhodobou udržitelnost modelu, popřípadě najít bod zvratu vedoucí k desertifikaci či k totálnímu zalesnění.

Možnosti rozšíření:

  • V závislosti na případné složitosti či jednoduchosti modelu jej lze například rozšířit o různé druhy zvířat, tedy rozdělení skupiny zvířat na skot, ovce a kozy. Každý druh preferuje jiný druh rostlin a jejich konzumace má jiné následky pro ráz krajiny.
  • Případně by šel model rozšířit o cílenou lidskou činnost (člověk může být teoreticky jedním z predátorů), ale nechci ji uvádět přímo, model by pak mohl skončit až příliš složitý.

Xreij15 (talk) 18:13, 6 May 2018 (CEST)

Klasick7 Predator-Prey model, který byl zpracováván už v mnoha obměnách, nicméně základní verze, která téměř odpovídá velmi blízko Vašeho návrhu je součástí standardních knihoven NetLoga. Tomáš (talk) 02:11, 10 May 2018 (CEST)

Název simulace: Simulace pohybu zavazadel na letišti

Autor: Daniel Navrátil

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo 6.0.3

Popis modelu: Předmětem tohoto modelu je simulace pohybu zavazadel na letišti. Letadla přiváží zavazadla, která je nutné z letadla vyložit a naložit na vozidla, která zavazadla převáží na pásy. Z pásu si pak cestující zavazadla odebírají. Zavazadla se rozlišují na lokální (zavazadla určená k odběru na daném letišti) a tranzitní (zavazadla určená k dalšímu převozu). Lokální zavazadla mají prioritu pro převoz, jelikož na ně již cestující vždy čekají.

Parametry modelu:

  • Počet přivezených lokálních zavazadel
  • Počet přivezených tranzitních zavazadel
  • Počet vozidel zodpovědných za převoz zavazadel
  • Kapacita vozidel

Cíl: Cílem simulace je optimalizovat čas doručení všech lokálních zavazadel až k cestujícím a najít efektivní počet vozidel při dané kapacitě a při daném počtu zavazadel.

Navd00 (talk) 22:28, 6 May 2018 (CEST)

Diskrétní simulace. Lze ji takto řešit, ale musel byste si obstarat reální data z letiště. Tomáš (talk) 02:11, 10 May 2018 (CEST)
S obstaráním reálných dat nebude problém - můj kamarád roky pracoval na letišti a měl na starost právě přepravu a manipulaci se zavazadli Navd00 (talk) 11:11, 10 May 2018 (CEST)

Název simulace: Simulace činnosti kavárny

Autorka: Mariia Alekseeva

Typ modelu: Systémová dynamika

Modelovací nástroj: VensimPLE

Definice problému: Dělám to na základě vlastní zkušenosti. Pracovala jsem jako baristka v nové kavárně několik měsiců, a pohopila jsem že i když z vnějšku to vypadá jako fajn, v podstatě je řizení takového podniku moc těžký a vystresujicí proces. Jsou entity mezi sebou vazené a skoro všechny mají vliv na uspech kavárny a manager má s tím počitat. Vždycky jsem myslela, že kdyby mohl to všechno nějak optimazovat a najit vazby meni entitami (jako spokojenost klientu, kvalita kavy, místo kavarny apod), měl by miň problemů.

Cíl: Spočitat náklady, pohopit kolik optimalně musíme utratit peněz aby byla kavárna popularní. A na zakladě situace na trhu a mzdy máme-li vůbec začinat ten podnik. --Mashal (talk) 22:38, 6 May 2018 (CEST)

Téma není špatné, jen mi není jasné, na základě jakých dat to budete kvantifikovat.
Jak budete měřit popularitu kavárny a na základě jakých dat odvodíte, co má jaký efekt na její popularitu?
Na základě čeho odvodíte, výnosy, náklady, poptávku po kávě atp. ?
Oleg.Svatos (talk) 09:16, 7 May 2018 (CEST)

V hlavních rysech se to děla na zakladě počtu klientů, celkevého vynosu za den, počtiu zajemců o práci. Jesli máte na mysli, že potřebuju na to realní dáta, v tom připadě můžu jich dostat od minulého zaměstnavatele. --Mashal (talk) 14:12, 7 May 2018 (CEST)

OK. Schváleno, je důležité pak ve zprávě k simulaci ukázat na základě jakých dat jste vycházela a jak jste z nich odvodila kvantifikaci jednotlivých vztahů. Oleg.Svatos (talk) 13:02, 8 May 2018 (CEST)


Název simulace: Můj zivot aneb jak poznat tu pravou (nefunguje mi na klávesnici písmeno “z” s háčkem)

Autor: Mai Duc Anh

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Definice problému:

Jmenuji se ducan. Jsem hyperaktivní dítě (seriózně) ve věku 24 let původem z jihovýchodní Asie, programátor, nosím zlatočerné dioptrické ray bany (šestky na obou čočkách a lehký astigmatizmus) a od září pravidelně obcházím techno akce s příchutí MDMA. Pustili mě i do berlínského Berghainu, tolik polonahých gayů jsem v zivotě pohromadě neviděl. Momentálně hledám pěknou babu, resp. zenu svých snů.

Pokusím se proto co nejvěrohodněji nasimulovat jeden z mých nedávných týdnů. Den po dni, hodinu po hodině. To jest, part-time (life time) v proptech startupu Spaceflow, navštěvování státního edukativního institutu pro nabytí vědomostí a svatého papíru (doporučuju 4 dohody od Duška), lekce boxu, půlnoční strahovské procházky s partou kamarádů, rave party v Ankali, komunitní (rasově diskriminační) srazy mladých vietnamců v Zitné ulici, posilování lýtek ve fitku a další systematické, nahodilé, ale i nesmyslné činnosti. Bude to 5 let co si zapisuju veškerou svojí denní aktivitu, s přesností na hodiny. Tímto zdravím pana kalendar z Gůgla, díky.

K věci. Během svých “dospělých” let jsem strávil dávku svého času s více či méně atraktivními/energickými/vášnivými/vyspělými zenami. Vytvořil jsem si nedávno i excel tabulku, kde jsem si je všechny ohodnotil v 15 kritériích na škále 0 do 100. Nakonec jsem si hodnoty zprůměroval a maximální skóre bylo osmdesát šest. Ano, vietnamský šovinista co bere extázi a chce ovládnout celou galaxii, těší mě.

V posledních 3 měsících se mi nedaří zadný vhodný objekt potkat (zenu), tudíz mi nezbýva nic jiného nez svůj zivot zmapovat, nasimulovat a zjistit, jak co nejideálněji tweaknout svůj denní rezim tak, abych zvýšil své šance potkat tu pravou. Na světě někde je, takze uz stačí být jen ve správnou dobu na správném místě.

Parametry modelu:

  • Můj týdenní rezim
Pondělí
- 20 minut hygiena ve společných koupelnách na Strahově
- 7 hodin programování ve Spaceflow ve foru karlín
- 1 hodina oběd v Karlíně s náhodnou duší
- 2 hodiny boxu
- 1 hodina procházka s partou na petříně
- 1 hodina přesun/doprava v MHD
Úterý
- 20 minut hygiena
- 20 minut skype s mámou a tátou (jsou ve Vietnamu)
- šest hodin na VŠE
- 1 hodina oběd se spoluzáky
- 1 hodina přesun v MHD
- 3 hodiny vývojářský meetup v STRV
Pátek
- 20 minut hygiena
- 1 hodina oběd se spoluzackou
- šest hodin na VŠE
- 1 hodina posilování
- 1 hodina přesun v MHD
- 7 hodin taneční akce v Ankali

A tak dále ……

  • Hustota vyskytu lidí/zen v konkrétních lokalitách - dle městských částí Prahy, ČSÚ
  • Atraktivita (fyzická / duševní) - Gaussovo rozdělení (cíl je nad 87 percentil)
  • Počasí - průměrné údaje za posledních 5 let v prvním týdnu května.
  • Aktuální stav (svobodný, zadaný) - ČSÚ
  • Věk (dle stromu zivota v ČR)
  • Sexuální orientace (ČSÚ)
  • Chemie (random)

Cíl simulace:

  • Kolik vyhovujicich zen (skóre nad 87) lze potkat během jednoho pracovního týdne?
  • Jak optimalizovat svůj denní rezim tak, abych zvýšil pravděpodobonst a šanci potkat svou spřízněnou duši.

Mai (talk) 23:31, 6 May 2018 (CEST)

Nevím jestli to budeš mít schvaleno, ale musím napsat že je to fakt skvělě --Mashal (talk) 23:40, 6 May 2018 (CEST)

Trochu se děsím, co se dozvím, ale reálná data máte a moje zvědavost je silnější. Schváleno. Tomáš (talk) 10:17, 9 May 2018 (CEST)

Název simulace: Simulace automatizovaného nakládání kamionů

Autor: Kenan Dervišević

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Definice problému: Kvůli obavám o životní prostředí se provozovatelé automatizovaných nakládacích terminálů na kamiony stále více snaží o zkrácení doby, kdy kamiony stojí. Vysoká cena robotických jeřábů pro převoz kontejnerů jim často zakazuje nakupovat více nástrojů. Dalším důvodem je to, že neexistují jasné studie jak dostupnost a servisní strategie jeřábů ovlivňují čas zatáčení kamionu. Tento model zavádí přístup založený na agentech k modelování jeřábů pro analýzu času zatáčení kamionů. Toho je dosaženo pomocí modelování jeřábů tak, aby měly maximální účinnost. Model se pokusí identifikovat sadu užitečných funkcí, které správně zachycují zásadní rozhodovací proces operátorů jeřábů při výběru dalšího vozíku pro poskytování služeb. Budou použité tři různé metody optimalizace pohybu robotických jeřábů. První bude na základě vzdálenosti určitých kamionů od robotických jeřábu modelovat pohyb a nakládání kontejnerů. Druhá bude dělat to samé, ale na základě délky času čekání a nakládání kontejnerů. Třetí funkce bude kombinací předchozích dvou. Parametry modelu: kamiony (budou přicházet náhodně, podle Poissonova rozdělení), kontejnery, jeřáby

Cíl simulace: Výsledky simulace ukážou, jaká strategie je nejvhodnější a produkuje nejlepší výsledky, pokud jde o průměrnou čekací dobu a maximální čekací dobu kamionu.

Kenan (talk) 13:16, 8 May 2018 (CEST)

Schváleno Tomáš (talk)