Simulace.info - User contributions [en]

Assignment SS 2023/2024/cs

2024-05-10T16:30:32Z

Vala18: /* vala18 - Vesmírné smetí: simulátor kolizí satelitů a vesmírného smetí */

{{DISPLAYTITLE:Zadání LS 2023/2024}}

{{Ambox
| text = <div>
Na tuto stránku vkládejte svá zadání. Nezapomeňte se podepsat. Můžete použít <nowiki>~~~~</nowiki> (čtyři tildy) k automatickému podpisu. Používejte Ukázat náhled, abyste si prohlédli Váš výsledek před konečným odesláním.
</div>
}}

{{Ambox
| text = <div>
Prosíme, snažte se formulovat Vaše zadání pečlive. S ohledem na to, že jde o Vaši semestrální práci, očekáváme adekvátní úsilí vynaložené na zadání. Nezapomeňte, že hlavním výsledkem má být výzkumná zpráva, což znamená, že Váš simulační model musí generovat takové výsledky, které jsou konkrétní, měřitelné a ověřitelné. Pečlivě promyslete, jakým způsobem budete vyvíjet Váš model, odvoďte entity, které budete používat, nakreslete si diagram modelu, zvažte, co budete měřit. Teprve pokud máte o modelu dostatečně přesnou představu, vložte Vaše zadání. A samozřejmě, nezapomeňte si prosím přečíst [[How to deal with the simulation assignment/cs|Jak na simulace]].
</div>
}}

{{Ambox
| text = <div>
Témata na téma hazardních her, karet, vývoje cen akcií/indexů '''nejsou''' vítány. Rovněž varianty úlohy "Predator & Prey" a příkladů ze cvičení vám '''budou rozmluveny'''.
</div>
}}

{{Ambox
| type = content
| text = <div>
Abychom se vyhnuli případnému budoucímu nedorozumnění, prosíme, ověřte si, že máte tučné '''schváleno''' někde v našem komentáři pod Vaším zadání. Pokud tam není '''schváleno''', znamená to, že Vaše zadání dosud schváleno nebylo.
</div>
}}

{{Ambox
| text = <div>
'''Criteria for evaluation of the simulation proposal'''

The proposal must contain:
*What you will simulate
*The goal of the simulation (what you analyze - i.e. not "to simulate balloon factory", but what problem should the simulation solve).
*Who would actually use such simulation (example of such user) and how would it help him
*What method and simulation environment you plan to use. Choose only from the development environments that we have used in the course.
*What variables will be incorporated
*What variables will be random
*What exact data you will base values of your variables on
*(In case of Monte Carlo) What exact data you will base your determination of probability distribution of your random variables on
*What exact data you will base your formulas in the simulation (simulation behavior) on

'''If any of the above points are missing from the simulation proposal, the proposal is considered incomplete. Unless the proposal contains all of the above points it will not be evaluated at all (and therefore cannot be approved).'''

# Is it clear from the proposed assignment how the simulation will work?
# Does the simulation make sense?
# Is the simulation model complex enough to simulate credibly the real-world phenomenon that the simulation tries to simulate?
# Is the data used real and relevant for the real-world phenomenon that the simulation tries to simulate?
# Is the simulation feasible? (in given time by the course)

'''If the answer to any of the above points is no, you need to improve your proposal. Don't wait for us to tell you so - you're wasting your time.'''

</div>
}}

== Simulacia urgentneho prijmu v nemocnici ==

=== Popis ===
Simulacia urgentneho prijmu v nemocnici, kde pacienti pocas dna prichadzaju v roznych casoch s roznou zavaznostou ochorenia. Pacienta najprv prijme sestra a nasledne vysetri lekar. Po vysetreni je pacient bud prepusteny alebo hospitalizovany. Myslienkou je vytvorit zjednoduseny model nemocnice s urcitou kapacitou a pozorovat ako pocet lekarov a sestier, pocet miestnosti na vysetrenie a algoritmus pre „triedenie“ / prioritizaciu pacientov na urgentnom prijme ovplyvnuje zaplnenie dostupnych lozok.

=== Cíl ===
Zistenie optimalneho poctu lekarov, sestier a miestnosti pre modelovanu nemocnicu. Testovanie roznych strategii prioritizacie pacientov.

=== Užitečnost ===
Simulacie oddeleni v nemocnici su uzitocne pre riesenie roznych problemov, napr.:

• Alokacia zdrojov

• Optimalizacia toku pacientov

• Redukcia cakania na vysetrenie a dlzky hospitalizacie

=== Metoda a způsob simulace ===
Diskretna simulacia v NetLogo alebo AnyLogic (necham si poradit)

=== Proměnné ===
• Kapacita nemocnice

• Pocet osetrujcich lekarov

• Pocet zdravotnych sestier

• Pocet miestnosti na vysetrenie

=== Náhodné proměnné ===
• Stav pacienta

• Dlzka vysetrenia

• Vysledok vysetrenia

• Prichod pacientov

• Odchod pacientov

=== Použita data pro nastavení simulace ===
Data pre konkretne zariadenia su limitovane. Cerpat je mozne z celkovych statistik zdravotnickych zariadeni v CR/SR a z existujucich studii.

Narodne Centrum Zdravotnickych Informacii, [https://www.nczisk.sk/Statisticke_vystupy/Tematicke_statisticke_vystupy/Pages/default.aspx]

Ustav Zdravotnickych Informaci a Statistiky CR, [https://www.uzis.cz/]

Modeling and simulation of patient flow at the emergency services: Case of Al-Zahraa Hospital University Medical Center in Lebanon, [https://uphf.hal.science/hal-03199182/document]

[[User:Sekp02|Sekp02]] ([[User talk:Sekp02|talk]]) 11:40, 9 May 2024 (CET)

== Simulace tornáda ve venkovské oblasti ==

=== Popis ===
Jedná se o simulaci tornáda ve venkovské oblasti, kde může tornádo zasáhnout domy, farmy a další infrastrukturu. Obyvatelé oblasti jsou vystaveni riziku ničivých škod a je nutné zkoumat strategie předcházení a zvládání následků této katastrofy. Obyvatelé budou mít také možnost úniku do několika bunkrů.

=== Cíl ===
Cílem modelu je porozumět dopadům tornáda na venkovskou oblast a zjistit, jaká opatření mohou minimalizovat škody a zvýšit podíl přeživších. Důraz je kladen na analýzu evakuace a výstrahy.

=== Užitečnost ===
Model tornáda je užitečný pro studium a testování různých strategií řízení rizik spojených s tornády. Poskytuje prostředek pro zkoumání účinnosti evakuace, plánování obnovy a analýzu dopadů tornáda na obyvatelstvo a infrastrukturu venkovské oblasti.

=== Metoda a způsob simulace ===
Simulace je založena na agentově založeném modelu, kde každý agent představuje jednotlivého obyvatele nebo budovu v oblasti. Tornádo je modelováno jako pohybující se entita, která může způsobit škody na okolním prostředí. Interakce mezi tornádem a agenty jsou simulovány na základě pravděpodobnostních modelů. Jako nástroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Typy budov a infrastruktura v oblasti

• Hustota obyvatelstva

• Rychlost a velikost tornáda

• Doba výstrahy a reakce obyvatel

=== Náhodné proměnné ===
• Umístění vzniku tornáda

• Intenzita a směr pohybu tornáda

• Reakce obyvatel na varování a evakuaci

• Škody způsobené tornádem na konkrétních místech

=== Použita data pro nastavení simulace ===
Studie od Daan Liang, Zhen Cong a Guofeng Cao https://journals.ametsoc.org/view/journals/wcas/14/2/WCAS-D-21-0089.1.xml

[[User:Javf00|Javf00]] ([[User talk:Javf00|talk]]) 12:43, 8 May 2024 (CET)

== Simulácia evolúcie neurónovej siete, ktorej cieľom je naučiť sa hrať klasickú hru Snake ==

=== Popis ===
Práca bude simulovať evolúciu agentov, ktorí sa budú snažiť naučiť hrať klasickú hru Snake. Každý agent bude predstavovaný neurálnou sieťou, ktorá na základe aktuálneho stavu hry rozhodne ako ďalej pokračovať. Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov.

=== Prostredie ===
Pre simuláciu evolúcie bude potrebné simulovať viacero generácií '''E''' a v každej generácii bude populácia agentov o veľkosti '''N'''. Každý agent bude hrať samostatnú inštanciu hry Snake. Po odohraní hier agentov v danej generácii sa vypočíta fitness (skóre) najlepšieho agenta.
Podľa fitness sa vyberú jedinci pre ďalšiu generáciu (podľa miery elitizmu '''e'''). Ďalej sa generácia doplní novo vytvorenými agentami (potomkami), ktorí vzniknú krížením dvoch náhodne vybratých agentov. Potomkovia budú ešte zmutovaný podľa miery mutácie '''m'''. Ďalej bude pokračovať ďalšia novo vytvorená generácia.

=== Agenti ===
Každý agent bude pozostávať z neurónovej siete. Agent bude "vidieť" do ômych smerov (hore, dole, vľavo, vpravo, vpravo-hore, vpravo-dole, vľavo-dole, vľavo-hore) od hlavy hada. Pre každý smer uvidí vzdialenosť k stene, vzdialenosť k jablku (ak ho v daný smer vidí) a vzdialenosť ku svojemu chvostu (ak ho v daný smer vidí). Čiže na vstupnej vrstve bude mať 24 neurónov (8 smerov x 3 indikátory) + 4 neuróny predstavujúce smer do ktorého ide hlava hada. Celkovo 28 neurónov. Počet skrytých vrstiev a neurónov v nich môže byť cieľom skúmania práce. Váhy väzieb medzi neurónami budú z počiatku náhodné z uniformného rozdelenia, následne budú menené mutáciami agentov. Na výstupe neurónovej siete bude smer akým sa má had ďalej uberať, čiže 4 neuróny pre Hore, Dole, Vľavo, Vpravo.

=== Cieľ ===
Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov. S evolučným algoritmom mám skúsenosti - riešil som ním 3SAT problém a preto viem že výpočty môžu zabrať značnú dobu. Preto by som určil niektoré parametre, ktoré budú pevné a niektoré, ktoré budú cieľom skúmania. Tu mám 3 možnosti, ktoré by ma zaujímali. V každom prípade bude pevný parameter '''N''' (počet jedincov v populácii) a '''E''' počet generácií. Prvá možnosť by malá pevný počet skrytých vrstiev agentov s pevným počtom neurónov v nich a menila by sa miera mutácie a miera elitizmu. Druhá možnosť je podobná prvej, no počet skrytých vrstiev a neurónov v nich by sa s mutáciami agentov mohol meniť (čo je vlastne len zťaženie možnosti 1, ale asi sa to viac podobá skutočnej evolúcii). Tretia možnosť je, že miera mutácie a elitizmus budú pevné parametre a manuálne sa bude meniť počet vrstiev a neurónov (čo teraz ako to píšem sa mi úplne nezdá - malo by to hrozne veľa možností a ani sa to tak veľmi nepodobá evolúcii). V každom prípade budem porovnávať výsledky, ktoré agenti dosiahli za '''E''' generacií (najlepšie skóre, priemerné skóre, smerodajnú odchylku).

(Môj osobný cieľ bude, aby agent dosiahol aspoň 10 bodov a pritom, aby bolo vidno, že to nebola náhoda :D )

=== Nástroje ===
Python s knižnicou numpy pre prácu s maticami váh, knižnicou matplotlib pre grafické znázornenie výsledkov populácií a knižnicou tkinter pre zobrazenie hier (zobrazenie je to najmenej podstatné a pritom to najlepšie :D).

=== Autor ===
[[User:Stem45|Stem45]] ([[User talk:Stem45|talk]]) 10:18, 1 May 2024 (CET)

== Simulace přestupu na stanici metra Můstek ==

=== Popis ===
Simulovat chci přestup z linky A na linku B a naopak. Jelikož se jedná o jednu z nejvytíženějších stanic metra v Praze zaměřím se na dobu, ve které je stanice nejvíce zatížená. Zkoumat se budou oba směry příjezdu. Simulace nebude uvažovat cestující kteří chtějí z metra vystoupit.

=== Cíl ===
Výsledkem simulace by mělo být nalezení optimální cesty pro přechod z linky A na linku B a naopak. Optimální cesta bude zahrnovat i výstup z vagonu, tedy bude záležet ze kterého vagonu agent vystoupí.
Optimálnost cesty se bude měřit podle:

1. Uražené vzdálenosti

2. Průměrném času

=== Užitečnost ===
Tato simulace poskytne jednoduchou a přímočarou odpověď do kterého vagonu nasednout a kterou cestou se vydat chceme-li co nejrychleji přestoupit na linku B či A a stihli tak navazující spoj.

=== Metoda a způsob simulace ===
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Příjezd metra

• Počet pasažérů

• Rychlost cestujícího

• Zvolena trasa přestupu

=== Náhodné proměnné ===
Vše až na “Příjezd metra”. Zbytek bude náhodně z intervalu získaného z dat nebo náhodným výběrem z několika možností.

=== Použita data pro nastavení simulace ===
Oficiální data od DPP o metru z roku 2015: https://data.pid.cz/pruzkumy/2015_METRO_sbornik.pdf

[[User:Bled09|Bled09]] ([[User talk:Bled09|talk]]) 16:25, 1 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:21, 7 May 2024 (CET)

== Simulace boardingu pasažéru do letadla ==

=== Popis ===
Tato práce bude podrobně zkoumat proces nástupu cestujících do letadla a srovnávat účinnost různých metod, které se při tomto procesu používají. Bude se zabývat simulací samotného boardingu, abychom lépe porozuměli, jak různé strategie ovlivňují průběh nástupu a celkový čas potřebný k dokončení této fáze cesty.

=== Cíl ===
Cílem simulace je identifikovat nejefektivnější způsob nástupu cestujících s ohledem na minimalizaci celkové doby nástupu a maximalizaci spokojenosti cestujících. Simulace bude modelovat různé metody boardingu, jako je zónový boarding, skupinový boarding a nástup podle sedadel, a analyzovat jejich vliv na celkový čas nástupu a další relevantní faktory.

=== Užitečnost ===
Výsledky simulace poskytnou užitečné poznatky pro optimalizaci procesu boardingu letadla a zlepšení cestovního zážitku cestujících.

=== Metoda a způsob simulace ===
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Metoda boardingu

• Rozložení letadla a jeho velikost

• Časový rozvrh

• Strategie priority boardingu

=== Náhodné proměnné ===
• Chování cestujících - rychlost

• Náhodné rozložení cestujících v jednotlivých zónách

• Náhodné změny v chování cestujících

• Náhodné události

=== Použita data pro nastavení simulace ===
Vzniklá studie od Jason H. Steffen: https://www.sciencedirect.com/science/article/abs/pii/S0969699708000239

[[User:Arťom Ňorba|Arťom Ňorba]] ([[User talk:Arťom Ňorba|talk]]) 09:16, 2 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:23, 7 May 2024 (CET)

== Simulace vývoje alkoholismu: Závislost, léčba a dopady na zdraví ==

=== Popis ===
Konzumace alkoholu je dlouhodobě v České republice na vysoké úrovni. Roční spotřeba alkoholu na osobu dlouhodobě dosahuje hodnoty kolem 10 litrů čistého alkoholu. Denně si alkohol dopřeje téměř 10 % dospělé populace.
Tato simulace se zaměřuje na modelování systému alkoholismu, který zahrnuje interakce mezi alkoholikem, léčbou, vyléčeným alkoholikem a genetikou. Dále zahrnuje náhodné proměnné, jako je inflace, cena alkoholu, prostředí, stres, nemoc a smrt. Simulace bude ukazovat, jak tyto faktory ovlivňují vývoj alkoholismu a účinnost léčby.

=== Cíl ===
Cílem této simulace je vytvořit model systémové dynamiky, který bude zkoumat vývoj alkoholismu u jednotlivce a jeho dopady na zdraví.

=== Užitečnost ===
Model by umožnil lépe porozumět faktorům, které přispívají k vzniku a prohlubování alkoholismu. Na základě výsledků simulace by pak mohly být navrženy a implementovány účinné politiky a programy pro prevenci a léčbu alkoholismu, které by mohly vést ke zlepšení zdraví populace a snížení nákladů spojených s alkoholismem.

=== Metoda a způsob simulace ===
Metoda a způsob simulace budou realizovány prostřednictvím nástroje Vensim, který je vhodný ke sledování změn hodnot proměnných v čase.

=== Proměnné ===
• Alkoholik
• Alkohol
• Léčba
• Vyléčený alkoholik
• Genetika

=== Náhodné proměnné ===
• Prostředí
• Cena alkoholu
• Inflace
• Stres
• Nemoc
• Smrt

=== Použitá data pro nastavení simulace ===
https://www.drogy-info.cz/zprava-o-zavislostech/souhrnna-zprava-o-zavislostech-v-cr-2022/
https://www.czso.cz/csu/czso/graf-spotreba-alkoholickych-napoju-na-1-obyvatele-v-ceske-republice

[[User:Lacb03|Lacb03]] ([[User talk:Lacb03|talk]]) 09:00, 8 May 2024 (CET)
:: '''Schváleno'''. Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:42, 9 May 2024 (CET)

== Simulace přírodního výběru ==

=== Popis ===
Simulace se zabývá vývojem jedinců v předem definovaném prostředí s možnými vlastnostmi vývoje. Simulace abstrahuje zjednodušený svět a snaží se poukázat na fungování přírodní selekce dle Charlese Darwina.

===Cíl===
Cílem simulace je ukázat a vizualizovat, jak se budou jedinci vyvíjet v rámci přežití v prostředí, kde se vyskytují i ostatní jedinci. Výsledkem jsou takový jedinci, který mají nejvyšší šanci přežít v daném prostředí. Dále budeme sledovat, jakou silou se projevují jednotlivé vlastnosti. To bude rozdílné dle nastavení prostředí.

===Užití===
Simulaci lze použít jako důkaz přírodní selekce a její vizuální interpretaci v zjednodušeném světe. Lze jej využít jako doprovodný materiál při výuce.

===Metoda a způsob simulace===
Jako nástroj pro tvorbu modelu využiji NetLogo, protože tvořím multiagentní systém.

===Prostředí===
Prostředí je dáno čtvercovou plochou. Agenti začínají a končí svůj tah po obvodu plochy. Jestliže se nedostanou na okraj na konci kola (den, který bude složen z určitého počtu ticků), zahynou. V prostředí se každé kolo generuje jídlo.

===Agenti===
Agenti jsou jedinci, kteří se přežívají v prostředí tím, že získají jídlo. Mají různé vlastnosti, které se v čase mění. Jedinec se každé kolo snaží získat, alespoň 1 jídlo, pokud získá 2, může se reprodukovat. Výsledkem se na konci dne reprodukuje, umírá nebo zůstává neměnný. Při cestě do prostoru chodí nahodile (lze aplikovat různé strategie cesty, ale není to hlavní východisko, které chci zkoumat). V průběhu cesty spotřebovávají jedinci energii v závislosti na rychlosti a velikosti. Pokud jedinci dojde energie, tak se nemůže pohybovat = zahyne. Každý reprodukovaný jedinec má změněné vlastnosti v různých závislostech. Výsledkem zkoumáme, kteří jedinci (série vlastností) se v daném prostředí vede nejlépe.
Kromě primárního cíle, se agenti snaží přežít tím, že utíkají před ostatními, kteří jeho mohou sníst.

===Vlastnosti===
Každý agent má své charakteristiky. Hlavní, které chci uplatnit je rychlost, velikost a vnímání, při předpokladu stejné zásoby energie.

• Rychlost – ovlivňuje rychlost pohybu v prostředí. Zvyšuje spotřebu energie.

• Velikost – Pokud je jedinec o x % větší než druhy, tak jej může sníst namísto jídla.

• Vnímání – Je vlastnost, do jaké vzdálenosti jedinec vidí jídlo nebo hrozbu.

===Princip===
Simulace probíhá v kolech. V jednom kole vybíhají jedinci z okraje plochy a opět se do ní vracejí viz. „Agenti“. Na konci kola, zahynou jedinci v prostoru. Ti, kteří získali 1 jídlo a vrátili se, zůstávají nemění a ti, kteří získali 2 jídla se reprodukují s mutacemi. Ve větším počtu cyklů tím docílíme toho, že přežijí jedinci s vlastnostmi lépe adaptovanými k tomu, jak prostředí funguje.

===Proměnné===
• Počet aktérů

• Počet generovaného jídla

• O kolik procent musí být jedinec větší, aby mohl sníst menšího

• Zásoba energie

===Náhodné proměnné===
• Původní umístění jedinců

• Umístění jídla

• Změna vlastností

===Data pro nastavení simulace===
Jelikož se jedná o přírodní výběr, lze se k proměnným chovat jako k jiným fenotypovým vlastnostem, tedy pro každou vlastnost může být odlišná. Avšak k odvození hodnot použiji tento článek: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3497250/

Další zdroje:

https://evolution.berkeley.edu/teach-evolution/misconceptions-about-evolution/

https://www.khanacademy.org/science/biology/her/evolution-and-natural-selection/v/introduction-to-evolution-and-natural-selection

[[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 12:06, 6 May 2024 (CET)

: Velmi obecné, konkretizujte. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:25, 7 May 2024 (CET)

: Pokusil jsem se zadání více konkretizovat. [[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 06:18, 9 May 2024 (CET)

== Simulácia podkladní v supermarkete ==

=== Popis ===
Simulácia sa zameriava na skúmanie vplyvu počtu pokladní na zisk supermarketu. Cieľom je zistiť, ako množstvo pokladní má najväčší pozitívny vplyv na zisk, pričom sa berú do úvahy aj dlhé fronty, ktoré môžu odradiť zákazníkov a viesť k ich odchodu.

===Agenti===
Agenti sú jednnotlivý zákazníci.

===Cíl===
Cieľom simulácie je nájsť optimálny počet pokladní a ich rýchlosť obsluhy, ktoré zabezpečia maximálny zisk pre supermarket.
Optimálny počet pokladní a rýchlosť obsluhy budú merať podľa:

• Celkový zisk supermarketu
• Dĺžka fronty na pokladniach
• Čas, ktorý trvá zákazníkom od začiatku fronty k momentu zaplatenia

===Užitočnosť===
Táto simulácia poskytne užitočné informácie o tom, ako zlepšiť prevádzku pokladní a maximalizovať zisk. Pomôže efektívnejšie riadiť personál a prispôsobiť sa meniacim sa potrebám zákazníkov.

===Metóda a spôsob simulácie===
Ako nástroj na tvorbu modelu použijem NetLogo

===Premenné===
• Počet pokladní
• Rýchlosť obsluhy pokladní
• Počet zákazníkov

===Náhodné premenné===
Všetky premenné budú náhodné premenné.

===Dáta===
Historické údaje o príchode zákazníkov do supermarketu, vrátane "peak hours" a priemerných tokov zákazníkov. Priemerné časy obsluhy pri pokladniach založené na pozorovateľných údajoch.

[[User:Lavd01|Lavd01]] ([[User talk:Lavd01|talk]]) 16:10, 6 May 2024 (CET)

: Dokud jsme měli ještě v programu zařazené diskrétní simulace, toto byla naprosto typická úloha právě na ně (dokonce byla ve slidech) a odkázal bych Vás na Simprocess. V tomto případě Simprocess už k dispozici není, lze to řešit jinými nástroji, např. AnyLogicem, které jsme ale nedělali. Řešení v NetLogu je možné, bude ale poměrně pracné. Nicméně, pokud na tom trváte, tak '''schváleno''' a budu zvědav, jak se to bude lišit od řešení v Simprocessu. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:30, 7 May 2024 (CET)

== Simulace úspěšnosti studentů ==

=== Popis ===
Simulace se zaměřuje na zkoumání vlivu různých faktorů, jako je typ školy, pohlaví studenta, věk, typ adresy, velikost rodiny, stav spoluobývání rodičů, úroveň vzdělání matky, úroveň vzdělání otce, povolání matky a povolání otce, na akademický výkon a úspěch studentů ve školním vzdělávání.

===Agenti===
Agenti jsou studenty

=== Cíl ===
Cílem simulace je analyzovat vliv sociodemografických faktorů na úspěšnost studentů a vzdělávací výsledky. Cílem je identifikovat klíčové determinanty akademického výkonu studentů a zkoumat strategie pro zlepšení rovnosti ve vzdělávání a přístupu k němu.

=== Užitečnost ===
Tato simulace poskytne užitečné poznatky pro pedagogy, politické rozhodovatele, školní administrátory a výzkumníky. Pedagogové ji mohou využít k porozumění, jak různé sociodemografické charakteristiky studentů ovlivňují akademické výsledky a přizpůsobit intervence podle potřeby. Politici ji mohou využít k navrhování politik založených na důkazech, které mají za cíl snížit nerovnosti ve vzdělávacích výsledcích. Školní administrátoři ji mohou využít k efektivnímu alokování zdrojů a implementaci cílených podpůrných programů. Výzkumníci ji mohou využít k zkoumání komplexních interakcí mezi různými sociodemografickými faktory a úspěchem studentů.

=== Metoda a způsob simulace ===
Jako prostředek pro tvorbu modelu použiju NetLogo.

=== Proměnné ===
• Pohlaví studenta (F nebo M)
• Věk
• Typ adresy (městská nebo venkovská)
• Velikost rodiny (menší nebo rovno 3 nebo větší než 3)
• Stav spoluobývání rodičů (žijí spolu nebo odděleně)
• Úroveň vzdělání matky (0-4)
• Úroveň vzdělání otce (0-4)

=== Náhodné proměnné ===
• Motivace ke studiu

=== Dáta ===
Hodnoty proměnných budou založeny na datasetu (Student achievement in secondary education of two Portuguese schools. - https://www.kaggle.com/datasets/larsen0966/student-performance-data-set/data), přičemž distribuce a charakteristiky každé proměnné budou odpovídat empirickým datům.

: Není mi úplně jasné, jak by měla taková simulace vypadat. Můžete konkretizovat? Ideálně i s obrázky, [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:30, 7 May 2024 (CET)
: 1. Vizuální Představení: V NetLogo bude scéna připomínat třídu s 30 studenty (agenti), kde každý student bude reprezentován jako agent s unikátním ID.
: 2. Nastavení Atributů: V levém panelu bude možné pomocí sliderů a vstupních polí měnit atributy každého studenta.
: 3. Interaktivní Úpravy: Uživatelé budou moci dynamicky upravovat tyto atributy a okamžitě vidět, jak se změny promítnou do inicializace agentů v modelu.
: 4. Modelování Úspěšnosti: Po nastavení atributů a spuštění modelu se pro každého studenta vypočítá hodnota úspěšnosti. Tento výpočet bude založen na předem definovaném modelu, který zahrne : kombinaci významných atributů a jejich vliv na akademický výkon
: 5. Bez Dynamických Interakcí: Vzhledem k absenci časových a interakčních dat bude simulace provádět jednorázový výpočet úspěšnosti bez sledování dynamických změn v čase.
: 6. Zobrazení Úspěšnosti: Po dokončení modelování bude každý student v třídě (scéně) mít přiřazenou hodnotu úspěšnosti, která bude zobrazena vedle jeho ikony nebo v datové tabulce pod : : scénou.
: 7. Statistické Grafy: Pod vizualizací třídy budou prezentovány různé statistické grafy, včetně:
: * Distribuce Úspěšnosti: Histogram nebo boxplot ukazující rozložení úspěšnosti mezi studenty.
: * Distribuce Motivace: Podobné grafy pro motivaci a další číselné atributy.
: * Korelační Grafy: Scatter ploty nebo jiné grafy zobrazující korelace mezi úspěšností a jednotlivými atributy, aby bylo možné identifikovat faktory s největším vlivem.
: 8. Plánované Rozšíření Modelu: Po prvotní analýze a identifikaci významných korelací plánuju rozšířit model o další zajímavé atributy, které mohou mít vliv na úspěšnost studentů: Počet : hodin strávených studiem, Počet absencí, Konzumace alkoholu,a další relevantní faktory zahrnuté v datasetu

== Vplyv odlesňovania v Amazónií na globálne otepľovanie ==

=== Popis ===
Táto simulácia sa zameriava na analýzu odlesňovania v Amazónií a jeho vplyv na globálne otepľovanie. Hlavným cieľom je študovať, ako zmeny v rozlohe lesných porastov ovplyvňujú teplotu, vlhkosť a iné environmentálne faktory.

===Agenti===
1. Lesníci: Agenti zodpovední za rozhodovanie o odlesňovaní.

2. Stromy: Agenti reprezentujúci lesný porast v oblasti simulácie.

3. Senzor: Agenti sledujúci teplotu, vlhkosť a iné v rôznych častiach oblasti.

=== Cíl ===
Cieľom simulácie je analyzovať, ako rôzne úrovne odlesňovania ovplyvňujú teplotu a ďalšie environmentálne faktory v danej oblasti.

=== Užitečnost ===
Simulácia poskytuje užitočný nástroj na preskúmanie dopadov odlesňovania na miestne klimatické podmienky a globálne otepľovanie. Vďaka vizualizácie sa vytvára priestor pre lepšie pochopenie procesov, ktoré sa dejú v dôsledku odlesňovania Amazónie. Na základe simulácie je viditeľné aký vplyv má odlesňovanie na teplotu a vlhkosť v oblasti a na celosvetové klimatické zmeny a pomáha tak identifikovať optimálne stratégie riadenia lesníctva z hľadiska ochrany klímy.

=== Metoda a způsob simulace ===
Simulácia bude používať agent-based modelovanie NetLogo, kde jednotlivé entity (agenti) budú reagovať na zmeny vo svojom prostredí a vykonávať určité akcie na základe stanovených pravidiel.

1. Inicializácia: Na začiatku simulácie sa definuje topografia, rozmiestnenie stromov a miesto lesníkov.

2. Krok simulácie: V každom kroku lesníci rozhodujú o tom, koľko stromov odstránia a kde. Potom sa aktualizuje stav stromov a environmentálne faktory.

3. Vyhodnotenie: Po určenom počte krokov sa vyhodnotia zmeny v teplote, vlhkosti a iných faktoroch.

=== Proměnné ===
• Počet senzorov = 5

• Lesná plocha: Miera lesného porastu v oblasti simulácie, môže byť vyjadrená ako počet stromov alebo pomer lesného pokrytia vzhľadom na celkovú plochu.

• Teplota

• Vlhkosť

=== Náhodné proměnné ===
• Úroveň odlesňovania: Percento stromov odstránených lesníkmi, čo ovplyvňuje veľkosť a rozlohu lesného pokrytia.

• Počet lesníkov

=== Dáta ===
• Global Forest Watch (https://www.globalforestwatch.org/): Poskytuje dáta o odlesňovaní a lesných pokryvkách z celého sveta, vrátane histórie odlesňovania a zmeny lesných ploch.

• NASA Earth Observing System Data and Information System (EOSDIS) (https://earthdata.nasa.gov/): NASA ponúka širokú škálu dát o poveternostných podmienkach, teplotách, vlhkosti a ďalších environmentálnych faktoroch pomocou svojich satelitných misií.

• WorldClim (https://www.worldclim.org/): Poskytuje voľne dostupné globálne klimatické dáta, vrátane teploty, zrážok a iných klimatických premenných, ktoré môžu byť použité na simuláciu klimatických podmienok v rôznych oblastiach.

• Food and Agriculture Organization of the United Nations (FAO) (http://www.fao.org/faostat/en/#data): FAO poskytuje štatistické dáta o lesníctve a odlesňovaní, vrátane údajov o množstve odlesnených ploch v rôznych krajinách a regiónoch.

[[User:Drgv00|Drgv00]] ([[User talk:Drgv00|talk]]) 15:44, 7 May 2024 (CET)

== Simulace plastového znečištění oceánů ==

=== Popis ===
Simulace se zaměřuje na aktuální problém znečištění oceánů plastem. Oceány se neustále znečišťují, ale je i vynaložené úsilí toto znečištění mitigovat. Tato simulace reflektuje oba aspekty problematiky. Simulace ukáže interakci úklidových lodí a hromadícího se plastu v oblasti Great Pacific Garbage Patch.

=== Cíl ===
Cílem simulace je zkoumat mitigační schopnosti úklidových lodí v oblasti Great Pacific Garbage Patch a navrhnout hrubý plán projektu, který by symbolizoval optimální počet nasazených úklidových lodí pro efektivní odbyt plastu a hlavní faktory příspívající do navyšujícího se znečištění.

=== Užitečnost ===
Výsledky této simulace mohou bý užitečné jak pro laiky, kterým přehledně vizualizuje akutní problematiku z hlediska znečištění oceánů, tak pro experty, kteří na základě výsledků mohou sledovat trendy znečištění na základě zkoumaných faktorů - zda je možné nalézt řešení, které vyústí v rychlejší odbyt plastu v oceánech, než jeho přísun. Též je vhodné identifikovat faktory, které nejvíce přispívají znečištění.

=== Metoda a způsob simulace ===
Nejsem si jistý, zda vytvářím moc komplikovaný návrh, tak rozděluji agenty na kategorie co si myslím, že by bylo zásadní, a co naopak dodatečné.

Základ:

Simulace bude modelována jakožto agentní simulace pomocí nástroje NetLogo. Mezi agenty lze řadit úklidové lodě a samotné plastové částice.

Rozšíření:

Autora napadlo přidat i lodě, které naopak znečištění způsobují (cca 70% odpadu v mořích způsobují právě lodě). Též je jedním z nápadů přidat jako agenta mořského živočicha, který by přílišnou vysokou koncentrací znečištění "trpěl", a dostatečnou mitigací znečištění naopak mohl existovat relativně bez problému.

=== Proměnné ===
Nejsem si jistý, zda vytvářím moc komplikovaný návrh, tak rozděluji proměnné na kategorie co si myslím, že by bylo zásadní, a co naopak dodatečné.

Základ:

• Množství vypouštěného plastu

• Koncentrace plastu na km^2

• Kapacita úklidové lodě

• Rychlost úklidové lodě

• Rychlost oceánských proudů (přísun plastu)

Rozšíření:

• Velikost plastu (mikroplast, mesoplast, makroplast, megaplast)

• Kategorie plastu (Typ H, N, P, F)

• Persistence plastu (schopnost přetrvávat na jednom místě)

• Geografická lokalizace vypouštění plastu

• Vertikální pozice plastu (pokud se plast objeví, jestli je moc hluboko na zachycení lodí)

=== Náhodné proměnné ===
• Události (katastrofy, dobrovolnické akce pro sběr plastu)

• Počasí (povětrnostní podmínky)

• Lidská činnost (změna legislativy, spotřeba plastových výrobků)

=== Použitá data pro nastavení simulace ===
• Především: https://theoceancleanup.com/great-pacific-garbage-patch/

• https://powerknot.com/2023/02/20/how-ships-are-fueling-the-global-plastic-pollution-crisis/

• https://www.earthdata.nasa.gov/learn/articles/ocean-plastic

• https://marine.copernicus.eu/explainers/phenomena-threats/plastic-pollution/from-plastic-marine-pollution

• https://www.geographyrealm.com/how-ocean-currents-move-pollution-around-the-world/

• https://theoceancleanup.com/ocean-plastic/

[[User:Kovs04|Kovs04]] ([[User talk:Kovs04|talk]]) 21:52, 7 May 2024 (CET)

== Simulácia: predikcia počtu obyvateľov Slovenskej republiky ==

=== Popis ===

Práca bude simulovať vývoj počtu obyvateľov Slovenska do budúcna. Do úvahy sa bude brať viacero faktorov, ktoré můžu ovplyvňovať vývoj počtu obyvateľov, preto sa budem snažiť o čo najprenejšie výsledky a aby simulácia zohľadňovala dostatočné mnžostvo faktorov a bola komplexná. Simulácia bude založená iba na reálnych dostupných štatistických dátach a nebude obsahovať žiadne náhodné premenné.

=== Prostredie ===
Simulácia bude prebiehať v prostredí Vensim.

=== Cieľ ===
Predpovedať a graficky znázorniť dlhodobý vývoj počtu obyvateľov SR (napríklad 150 rokov dopredu). Popísať trend rastu/poklesu obyvateľov. Projekcia pôrodnosti, úmrtnosti. Aký faktor ovplyňuje vývoj populácie najviac? Akú rolu v tomto hrajú ostatné faktory?

=== Premenné ===

• počet obyvateľov

• prírastok

• úbytok

• imigrácia

• emigrácia

• úmrtnost

• porodnosť

• a ďalšie podľa potreby

=== Dáta ===
Vstupné dáta budú podľa najlepšieho formátu vybrané z:

https://www.statista.com/statistics/1009083/total-population-slovakia-1950-2020/.

https://www.worldometers.info/world-population/slovakia-population/.

https://worldpopulationreview.com/countries/slovakia-population

[[User:Simon kavicky|Simon]] ([[User talk:Simon kavicky|talk]]) 11:06, 8 May 2024 (CET)
:: '''Schváleno'''. Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:47, 9 May 2024 (CET)

== Simulace profitability nových finančních produktů při zohlednění rizika nedobytnosti pohledávek a ceny zdrojů ==

=== Cíl ===
Cílem je vytvořit nástroj pro podporu prvnotního nastavení RPSN (poplatku a/nebo sazby) nově nabízeného finančního produktu podle míry rizika nedobytnosti pohledávek a ceny zdrojů za účelem zajištění profitability. Nástroj by měl být parametrizovatelný na základě potřeb finanční organizace, včetně možnosti upravit simulaci podle analýzy vlastních historických dat z již nabízených produktů – viz část o datech níže.

=== Využití ===
Uživateli by měli být pracovníci z oddělení finančních institucí zodpovění za pricing produktů a služeb. Protože se jedná o netechnické uživatele s vysokou úrovní kvalifikace v jiném oboru, měla by být simulace spustitelná z "frontendu" – úvodní obrazovky, která umožňuje zadat finanční nebo statistické vstupy popisující historická data a cenu zdrojů. V případě nezadání některé z hodnot se použijí rozumné předdefinovnaé hodnoty.

=== Metoda a prostředí simulace ===
Monte Carlo, Excel. Záměrem je vytvoření rozsáhlejší a vícekrát iterované simulace pro zajištění kvalitního výsledku na základě statistických informací o historických datech na již spuštěných, podobných typech produktů.

=== Proměnné ===
Vzhledem ke zvolené metodě budou generovány řádově stovky záznamů o fiktivních úvěrech, jejichž parametry budou odpovídat statisticky určeným rozdělením na základě vstupního datasetu popsaného níže. Zásadní je přitom informace, zda úvěrový produkt "defaultoval" – zda byl nebo nebyl splacen ze strany klienta. Jedná se o binární závislou proměnnou, určenou na základě výše úvěru, příjmu klienta a případně dalších vybraných veličin dostupných v datech, jejichž hodnota bude určována na základě zjištěného rozdělení pravděpodobnosti. Sledovaná závislá proměnná bude určena na základě překročení prahové hodnoty váženým součtem ostatních veličin, přičemž správnost stanovení prahové hodnoty a vah bude ověřena vůči vstupnímu datasetu.
Na vstupu se bude očekávat parametr ceny zdrojů a případně statistické informace.
Výstupním parametrem bude "break-even" RPSN, nad kterou by již měl být produkt profitabilní. U skutečných produktů by bylo nutné určit sazbu, poplatek nebo jejich kombinaci; jedná se nicméně o ryze obchodní rozhodnutí, protože sazby a poplatky jsou typicky technicky převeditelné.

=== Data využitá pro přípravu simulace ===
Využití skutečných dat je problematické z hlediska regulací, kterým bankovní instituce podléhají. Bude proto statisticky zpracován vstupní dataset [https://app.datacamp.com/learn/courses/credit-risk-modeling-in-python] z výukové aplikace, ale uživatel bude mít také možnost zadat jiné statistické informace na základě vlastní analýzy (nebo informací od příslušného oddělení).

[[User:Budj07|Budj07]] ([[User talk:Budj07|talk]]) 20:17, 9 May 2024 (CET)

:: '''Schváleno'''.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 10:37, 10 May 2024 (CET)

== Simulace implementace SW projektu pro potřeby projektového řízení ==

=== Cíl ===
Cílem této simulace je vytvořit model systémové dynamiky softwarového projektu, který zohlední známé proměnné i prvek náhody a pomůže zkoumat vliv jednotlivých faktorů a vzájemné ovlivňování v důležitých parametrech projektu

=== Využití ===
Model by mohl být použit při naceňování, stanovení termínu dodání, nebo odhadu míry rizika. Mohl by být použit i na modelování důsledků změn v projektu.

=== Metoda a prostředí simulace ===
Simulace bude realizována prostřednictvím nástroje Vensim.

=== Proměnné ===
. Scope
. Costs
. Time
. Resources
. Quality
. Risk

=== Náhodné proměnné ===

nemoc výpověď dovolená chyba v analýze

=== Zdroje ===

LI, Suinan. A generic model of project management with Vensim. 2008. Master's Thesis. Universiteteti Agder/Agder University.
https://uia.brage.unit.no/uia-xmlui/bitstream/handle/11250/137043/Suinan_Li.pdf?sequence=1

BESTEIRO, Élen Nara Carpim; DE SOUZA PINTO, Jefferson; NOVASKI, Olívio. Success factors in project management. Business management dynamics, 2015, 4.9.
https://web.archive.org/web/20180420205905id_/http://bmdynamics.com/issue_pdf/bmd110530a-%2019-34.pdf

[[User:Pavl11|Pavl11]] ([[User talk:Pavl11|talk]]) 20:30, 9 May 2024 (CET)

:: '''Schváleno.''' Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 10:38, 10 May 2024 (CET)

== Simulace účinnosti očkování na šíření nákazy ==

=== Popis ===

Simulace bude řešit problematiku očkování a její účinnosti proti agresivní nákaze. Bude možné si nastavit počet obyvatel (hustotu zalidnění), počáteční počet očkovaných lidí, agresivitu a dobu nakaženosti (tedy možného úmrtí a přenosu).

=== Cíl ===

Poukázat na fakt, že očkování má velký dopad na boj proti agresivním a rychle se šířícím nákazám.

=== Užitečnost ===

Simulace nám může ukázat, jak se nákazy šíří a jak moc velký vliv má proočkovanost lidí na šíření nemoci.

=== Metoda a způsob simulace ===

Simulace v aplikaci NetLogo

=== Proměnné ===
- Počet obyvatel v oblasti

- Počet počátečně očkovaných lidí

- Počet počátečně nakažených lidí

- Pravděpodobnost nákazy při kontaktu

- Pravděpodobnost úmrtí na nákazu

- Doba nakažení (nemoci)

- Účinnost očkování (pravděpodobně by to chtělo taky zahrnout)

- Při jakém procentu se lidi začnou hromadně očkovat a míra, kolik lidí se nechá očkovat

- Umístění vzniku tornáda

=== Náhodné proměnné ===

- Síla imunity

- Rychlost, směr a obecně kontakty agentů

- Přenos nákazy

=== Použitá data pro nastavení simulace ===

Data si bude moci člověk pomocí posuvníků nastavit sám. Pokud bude potřeba nastavit počáteční hodnoty dle nějaké konkrétní nemoci, data ještě dodám.

[[User:Sedp11|Sedp11]] ([[User talk:Sedp11|talk]]) 11:45, 10 May 2024 (CET)

== Simulace evakuace při zemětřesení v Japonsku ==

=== Popis ===
V této práci se pokusím nasimulovat evakuaci osob při zemětřesení v Japonsku, konkrétně v centru města Nagoya.

=== Cíl ===
Hlavním účelem je zachytit takový scénář, který bude dále možné využít k analýze dopadů na infrastrukturu a obyvatelstvo po zemětřesení. Dále by mohlo být možné identifikovat ideální trasy k evakuaci či naopak oblasti, kterým se vyhnout.

=== Metoda a způsob simulace ===
Plánuji použít nástroj NetLogo, mělo by se jednat o multiagentní simulaci.

=== Agenti ===
Osoby/Budovy/Úkryty

=== Proměnné ===
• Rozložení úkrytů
• Zalidnění oblasti
• Stav osoby
• Rychlost osoby
• Stav budovy
• Kapacita úkrytu

=== Náhodné proměnné ===
• Rozhodnutí k evakuaci
• Síla zemětřesení
• Úroveň paniky

=== Data ===
• https://www.city.nagoya.jp/bosaikikikanri/cmsfiles/contents/0000154/154013/06_english_jishin_naka.pdf: mapa znázorňující umístění evakuačních úkrytů, očekávanou intenzitu zemětřesení a pravděpodobnost ztekucení/sesuvu půdy

• https://www.citypopulation.de/en/japan/nagoya/23106__naka_ku/: zalidnění oblasti, věkové rozložení obyvatelstva

• https://www.jstage.jst.go.jp/article/jnds/34/1/34_41/_pdf/-char/ja: studie pro inspiraci

[[User:Helm07|Helm07]] ([[User talk:Helm07|talk]]) 12:25, 10 May 2024 (CET)

== Simulace zombie apokalipsy ==

=== Popis ===
V této práci se pokusím nasimulovat děj, kdy se lidi snaží přežít apokalipsu tím, že hledají jídlo, krmí lovce, kteří loví zombíky. Mezitím je loví zombíci.

=== Cíl ===
Hlavním účelem je zachytit takový scénář, kdy se povede lidem přežít apokalipsu a vymazat zombíky z povrchu zemského.

=== Metoda a způsob simulace ===
Plánuji použít nástroj NetLogo, mělo by se jednat o multiagentní simulaci.

=== Agenti ===
Osoby/Budovy/Úkryty

=== Proměnné ===
• Poměr lovců a sběračů
• Procento o kolik jídla se sběrač podělí s lovcem
• Critical hit damage
• Počet bloků jídla

=== Náhodné proměnné ===
• Počet lidí
• Počet zombíků
• Počáteční damage lovců

[[User:Bohr03|Bohr03]] ([[User talk:Bohr03|talk]]) 13:03, 10 May 2024 (CET)

== Simulace vývoje korálových útesů ==

=== Popis ===
Korálové útesy představují jedny z nejcennějších ekosystémů naší planety, ale v posledních desetiletích jsou vystaveny značnému tlaku způsobenému lidskou činností a změnami životního prostředí.

=== Cíl ===
Cílem této simulace je zkoumat komplexní interakce, které ovlivňují zdraví a stabilitu korálových útesů.

=== Užitečnost ===
Model umožní lépe porozumět faktorům, které přispívají k zániku korálových útesů a které faktory na korálové útesy mají jen minimální dopad.

=== Metoda a způsob simulace ===
Metoda a způsob simulace budou realizovány prostřednictvím nástroje Vensim.

=== Proměnné ===
• Velikost korálového útesu
• Teplota vody
• Míra rybolovu
• Kyselost moří
• Znečištění

=== Náhodné proměnné ===
• Přirozená teplota vody
• Přírodní katastrofy
• Ekonomické trendy
• Politické změny

=== Použitá data pro nastavení simulace ===
https://www.climatefoundation.org/reversing-coral-bleaching.html?gad_source=1&gclid=CjwKCAjwi_exBhA8EiwA_kU1Mn29cECn6ZAe5bbSqClNxABvD8Ic7PTnx93Z5tGExSb2kSquoM8LpBoCkQ8QAvD_BwE
https://climate.nasa.gov/explore/ask-nasa-climate/3290/vanishing-corals-part-two-climate-change-is-stressing-corals-but-theres-hope/

[[User:Osis02|Osis02]] ([[User talk:Osis02|talk]]) 14:54, 10 May 2024 (CET)

== Vesmírné smetí: simulátor kolizí satelitů a vesmírného smetí ==
=== Popis ===
* Chtěl bych simulovat pohyb satelitů a vesmírného odpadu (tzv. vesmírného smetí) v dílčí části zemské oběžné dráhy (reprezentované jako 2D rovina), kde se satelity pohybují po předem určených trajektoriích, ale pohyb smetí je poněkud náhodný. Pokud se smetí srazí s jiným smetím, změní směr a vytvoří o něco více smetí, pokud se smetí srazí se satelitem, satelit je zničen a vznikne velké množství smetí.
=== Cíl ===
Instance simulace, by vypočítala časový odstup mezi srážkami na základě výchozích podmínek, jako je počet družic, hustota trosek a násobení trosek (kolik kusů dalších trosek srážky vytvoří).
=== Užitečnost ===
* Kosmický odpad představuje významný problém kvůli rostoucímu množství vyřazených družic, vyhořelých raketových stupňů a úlomků na oběžné dráze Země. Rostoucí množství odpadu zvyšuje riziko kolize, což ohrožuje operující družice a budoucí vesmírné mise. Tento problém ohrožuje vesmírnou infrastrukturu, zhoršuje zahlcení oběžné dráhy a vyvolává hrozbu vzniku ještě většího počtu fragmentů v důsledku srážek, což může vést k vytvoření samoudržujícího se cyklu šíření vesmírného odpadu. Řešení tohoto problému má zásadní význam pro zajištění udržitelnosti kosmických aktivit a předcházení dlouhodobým důsledkům pro orbitální prostředí Země a výzkum vesmíru. Navrhovaný simulátor by mohl pomoci ukázat a vypočítat podmínky, za kterých takové samoudržující se šíření kosmického odpadu vzniká; i když se zjednodušeným modelem, a snad i poučit o výše uvedeném problému.
=== Metoda a způsob simulace ===
* NetLogo - agent based modeling (dva typy agentů: satelity (družice) a vesmírné smetí)
** Při zpracování modelu použiji nádledující zjednodušení:
*** budu modelovat pouze dílčí část oběžné dráhy Země, která bude znázorněna jako 2D "mapa" pevné velikosti (pixelů/čtverečků) tvořící mřížku,
*** objekty (satelity a smetí) se mohou na mapě pohybovat pouze v 8 různých směrech,
*** všechny objekty se pohybují stejnou rychlostí (jeden pixel/čtvereček za tah),
*** objekty jsou čtverce; minimální velikost je 1x1 pixel/čtvereček, pak 2x2 pixely/čtverečeky atd...
*** při srážce objektů je výsledný počet trosek (smetí) náhodné celé číslo mezi 1 a součtem velikostí (pixelů) kolidujících objektů,
*** hmotnost objektů je úměrná jejich velikosti, tj. 1 (pixel) = 1 jednotka hmotnosti,
*** všechny objekty se řídí Newtonovými pohybovými zákony.
=== Proměnné ===
* Proměnné pro výchozí podmínky
** velikost mapy
** počet satelitů
** počet smetí
** výchozí poloha a směr objektů
* Proměnné agentů (satelity a smetí)
** velikost
** hmotnost
** směr pohybu
=== Použitá data pro nastavení simulace ===
* Za účelem simulace realistických scénářů - budou získány údaje z NASA a dalších relevantních studií týkající se hustoty úlomků a počtu družic na oběžné dráze, které budou sloužit jako výchozí podmínky navrhovaného modelu. Konkrétně plánuji použít údaje získané a zveřejněné na:
**[https://orbitaldebris.jsc.nasa.gov/|NASA ORBITAL DEBRIS PROGRAM OFFICE]
**[https://platform.leolabs.space/visualization|LEOLABS Low Earth Orbit Visualization]
[[User:Vala18|Vala18]] ([[User talk:Vala18|talk]]) 17:30, 10 May 2024 (CET)
: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 17:27, 10 May 2024 (CET)

Assignment SS 2023/2024/cs

2024-05-10T16:26:07Z

Vala18: /* vala18 - Vesmírné smetí: simulátor kolizí satelitů a vesmírného smetí */

{{DISPLAYTITLE:Zadání LS 2023/2024}}

{{Ambox
| text = <div>
Na tuto stránku vkládejte svá zadání. Nezapomeňte se podepsat. Můžete použít <nowiki>~~~~</nowiki> (čtyři tildy) k automatickému podpisu. Používejte Ukázat náhled, abyste si prohlédli Váš výsledek před konečným odesláním.
</div>
}}

{{Ambox
| text = <div>
Prosíme, snažte se formulovat Vaše zadání pečlive. S ohledem na to, že jde o Vaši semestrální práci, očekáváme adekvátní úsilí vynaložené na zadání. Nezapomeňte, že hlavním výsledkem má být výzkumná zpráva, což znamená, že Váš simulační model musí generovat takové výsledky, které jsou konkrétní, měřitelné a ověřitelné. Pečlivě promyslete, jakým způsobem budete vyvíjet Váš model, odvoďte entity, které budete používat, nakreslete si diagram modelu, zvažte, co budete měřit. Teprve pokud máte o modelu dostatečně přesnou představu, vložte Vaše zadání. A samozřejmě, nezapomeňte si prosím přečíst [[How to deal with the simulation assignment/cs|Jak na simulace]].
</div>
}}

{{Ambox
| text = <div>
Témata na téma hazardních her, karet, vývoje cen akcií/indexů '''nejsou''' vítány. Rovněž varianty úlohy "Predator & Prey" a příkladů ze cvičení vám '''budou rozmluveny'''.
</div>
}}

{{Ambox
| type = content
| text = <div>
Abychom se vyhnuli případnému budoucímu nedorozumnění, prosíme, ověřte si, že máte tučné '''schváleno''' někde v našem komentáři pod Vaším zadání. Pokud tam není '''schváleno''', znamená to, že Vaše zadání dosud schváleno nebylo.
</div>
}}

{{Ambox
| text = <div>
'''Criteria for evaluation of the simulation proposal'''

The proposal must contain:
*What you will simulate
*The goal of the simulation (what you analyze - i.e. not "to simulate balloon factory", but what problem should the simulation solve).
*Who would actually use such simulation (example of such user) and how would it help him
*What method and simulation environment you plan to use. Choose only from the development environments that we have used in the course.
*What variables will be incorporated
*What variables will be random
*What exact data you will base values of your variables on
*(In case of Monte Carlo) What exact data you will base your determination of probability distribution of your random variables on
*What exact data you will base your formulas in the simulation (simulation behavior) on

'''If any of the above points are missing from the simulation proposal, the proposal is considered incomplete. Unless the proposal contains all of the above points it will not be evaluated at all (and therefore cannot be approved).'''

# Is it clear from the proposed assignment how the simulation will work?
# Does the simulation make sense?
# Is the simulation model complex enough to simulate credibly the real-world phenomenon that the simulation tries to simulate?
# Is the data used real and relevant for the real-world phenomenon that the simulation tries to simulate?
# Is the simulation feasible? (in given time by the course)

'''If the answer to any of the above points is no, you need to improve your proposal. Don't wait for us to tell you so - you're wasting your time.'''

</div>
}}

== Simulacia urgentneho prijmu v nemocnici ==

=== Popis ===
Simulacia urgentneho prijmu v nemocnici, kde pacienti pocas dna prichadzaju v roznych casoch s roznou zavaznostou ochorenia. Pacienta najprv prijme sestra a nasledne vysetri lekar. Po vysetreni je pacient bud prepusteny alebo hospitalizovany. Myslienkou je vytvorit zjednoduseny model nemocnice s urcitou kapacitou a pozorovat ako pocet lekarov a sestier, pocet miestnosti na vysetrenie a algoritmus pre „triedenie“ / prioritizaciu pacientov na urgentnom prijme ovplyvnuje zaplnenie dostupnych lozok.

=== Cíl ===
Zistenie optimalneho poctu lekarov, sestier a miestnosti pre modelovanu nemocnicu. Testovanie roznych strategii prioritizacie pacientov.

=== Užitečnost ===
Simulacie oddeleni v nemocnici su uzitocne pre riesenie roznych problemov, napr.:

• Alokacia zdrojov

• Optimalizacia toku pacientov

• Redukcia cakania na vysetrenie a dlzky hospitalizacie

=== Metoda a způsob simulace ===
Diskretna simulacia v NetLogo alebo AnyLogic (necham si poradit)

=== Proměnné ===
• Kapacita nemocnice

• Pocet osetrujcich lekarov

• Pocet zdravotnych sestier

• Pocet miestnosti na vysetrenie

=== Náhodné proměnné ===
• Stav pacienta

• Dlzka vysetrenia

• Vysledok vysetrenia

• Prichod pacientov

• Odchod pacientov

=== Použita data pro nastavení simulace ===
Data pre konkretne zariadenia su limitovane. Cerpat je mozne z celkovych statistik zdravotnickych zariadeni v CR/SR a z existujucich studii.

Narodne Centrum Zdravotnickych Informacii, [https://www.nczisk.sk/Statisticke_vystupy/Tematicke_statisticke_vystupy/Pages/default.aspx]

Ustav Zdravotnickych Informaci a Statistiky CR, [https://www.uzis.cz/]

Modeling and simulation of patient flow at the emergency services: Case of Al-Zahraa Hospital University Medical Center in Lebanon, [https://uphf.hal.science/hal-03199182/document]

[[User:Sekp02|Sekp02]] ([[User talk:Sekp02|talk]]) 11:40, 9 May 2024 (CET)

== Simulace tornáda ve venkovské oblasti ==

=== Popis ===
Jedná se o simulaci tornáda ve venkovské oblasti, kde může tornádo zasáhnout domy, farmy a další infrastrukturu. Obyvatelé oblasti jsou vystaveni riziku ničivých škod a je nutné zkoumat strategie předcházení a zvládání následků této katastrofy. Obyvatelé budou mít také možnost úniku do několika bunkrů.

=== Cíl ===
Cílem modelu je porozumět dopadům tornáda na venkovskou oblast a zjistit, jaká opatření mohou minimalizovat škody a zvýšit podíl přeživších. Důraz je kladen na analýzu evakuace a výstrahy.

=== Užitečnost ===
Model tornáda je užitečný pro studium a testování různých strategií řízení rizik spojených s tornády. Poskytuje prostředek pro zkoumání účinnosti evakuace, plánování obnovy a analýzu dopadů tornáda na obyvatelstvo a infrastrukturu venkovské oblasti.

=== Metoda a způsob simulace ===
Simulace je založena na agentově založeném modelu, kde každý agent představuje jednotlivého obyvatele nebo budovu v oblasti. Tornádo je modelováno jako pohybující se entita, která může způsobit škody na okolním prostředí. Interakce mezi tornádem a agenty jsou simulovány na základě pravděpodobnostních modelů. Jako nástroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Typy budov a infrastruktura v oblasti

• Hustota obyvatelstva

• Rychlost a velikost tornáda

• Doba výstrahy a reakce obyvatel

=== Náhodné proměnné ===
• Umístění vzniku tornáda

• Intenzita a směr pohybu tornáda

• Reakce obyvatel na varování a evakuaci

• Škody způsobené tornádem na konkrétních místech

=== Použita data pro nastavení simulace ===
Studie od Daan Liang, Zhen Cong a Guofeng Cao https://journals.ametsoc.org/view/journals/wcas/14/2/WCAS-D-21-0089.1.xml

[[User:Javf00|Javf00]] ([[User talk:Javf00|talk]]) 12:43, 8 May 2024 (CET)

== Simulácia evolúcie neurónovej siete, ktorej cieľom je naučiť sa hrať klasickú hru Snake ==

=== Popis ===
Práca bude simulovať evolúciu agentov, ktorí sa budú snažiť naučiť hrať klasickú hru Snake. Každý agent bude predstavovaný neurálnou sieťou, ktorá na základe aktuálneho stavu hry rozhodne ako ďalej pokračovať. Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov.

=== Prostredie ===
Pre simuláciu evolúcie bude potrebné simulovať viacero generácií '''E''' a v každej generácii bude populácia agentov o veľkosti '''N'''. Každý agent bude hrať samostatnú inštanciu hry Snake. Po odohraní hier agentov v danej generácii sa vypočíta fitness (skóre) najlepšieho agenta.
Podľa fitness sa vyberú jedinci pre ďalšiu generáciu (podľa miery elitizmu '''e'''). Ďalej sa generácia doplní novo vytvorenými agentami (potomkami), ktorí vzniknú krížením dvoch náhodne vybratých agentov. Potomkovia budú ešte zmutovaný podľa miery mutácie '''m'''. Ďalej bude pokračovať ďalšia novo vytvorená generácia.

=== Agenti ===
Každý agent bude pozostávať z neurónovej siete. Agent bude "vidieť" do ômych smerov (hore, dole, vľavo, vpravo, vpravo-hore, vpravo-dole, vľavo-dole, vľavo-hore) od hlavy hada. Pre každý smer uvidí vzdialenosť k stene, vzdialenosť k jablku (ak ho v daný smer vidí) a vzdialenosť ku svojemu chvostu (ak ho v daný smer vidí). Čiže na vstupnej vrstve bude mať 24 neurónov (8 smerov x 3 indikátory) + 4 neuróny predstavujúce smer do ktorého ide hlava hada. Celkovo 28 neurónov. Počet skrytých vrstiev a neurónov v nich môže byť cieľom skúmania práce. Váhy väzieb medzi neurónami budú z počiatku náhodné z uniformného rozdelenia, následne budú menené mutáciami agentov. Na výstupe neurónovej siete bude smer akým sa má had ďalej uberať, čiže 4 neuróny pre Hore, Dole, Vľavo, Vpravo.

=== Cieľ ===
Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov. S evolučným algoritmom mám skúsenosti - riešil som ním 3SAT problém a preto viem že výpočty môžu zabrať značnú dobu. Preto by som určil niektoré parametre, ktoré budú pevné a niektoré, ktoré budú cieľom skúmania. Tu mám 3 možnosti, ktoré by ma zaujímali. V každom prípade bude pevný parameter '''N''' (počet jedincov v populácii) a '''E''' počet generácií. Prvá možnosť by malá pevný počet skrytých vrstiev agentov s pevným počtom neurónov v nich a menila by sa miera mutácie a miera elitizmu. Druhá možnosť je podobná prvej, no počet skrytých vrstiev a neurónov v nich by sa s mutáciami agentov mohol meniť (čo je vlastne len zťaženie možnosti 1, ale asi sa to viac podobá skutočnej evolúcii). Tretia možnosť je, že miera mutácie a elitizmus budú pevné parametre a manuálne sa bude meniť počet vrstiev a neurónov (čo teraz ako to píšem sa mi úplne nezdá - malo by to hrozne veľa možností a ani sa to tak veľmi nepodobá evolúcii). V každom prípade budem porovnávať výsledky, ktoré agenti dosiahli za '''E''' generacií (najlepšie skóre, priemerné skóre, smerodajnú odchylku).

(Môj osobný cieľ bude, aby agent dosiahol aspoň 10 bodov a pritom, aby bolo vidno, že to nebola náhoda :D )

=== Nástroje ===
Python s knižnicou numpy pre prácu s maticami váh, knižnicou matplotlib pre grafické znázornenie výsledkov populácií a knižnicou tkinter pre zobrazenie hier (zobrazenie je to najmenej podstatné a pritom to najlepšie :D).

=== Autor ===
[[User:Stem45|Stem45]] ([[User talk:Stem45|talk]]) 10:18, 1 May 2024 (CET)

== Simulace přestupu na stanici metra Můstek ==

=== Popis ===
Simulovat chci přestup z linky A na linku B a naopak. Jelikož se jedná o jednu z nejvytíženějších stanic metra v Praze zaměřím se na dobu, ve které je stanice nejvíce zatížená. Zkoumat se budou oba směry příjezdu. Simulace nebude uvažovat cestující kteří chtějí z metra vystoupit.

=== Cíl ===
Výsledkem simulace by mělo být nalezení optimální cesty pro přechod z linky A na linku B a naopak. Optimální cesta bude zahrnovat i výstup z vagonu, tedy bude záležet ze kterého vagonu agent vystoupí.
Optimálnost cesty se bude měřit podle:

1. Uražené vzdálenosti

2. Průměrném času

=== Užitečnost ===
Tato simulace poskytne jednoduchou a přímočarou odpověď do kterého vagonu nasednout a kterou cestou se vydat chceme-li co nejrychleji přestoupit na linku B či A a stihli tak navazující spoj.

=== Metoda a způsob simulace ===
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Příjezd metra

• Počet pasažérů

• Rychlost cestujícího

• Zvolena trasa přestupu

=== Náhodné proměnné ===
Vše až na “Příjezd metra”. Zbytek bude náhodně z intervalu získaného z dat nebo náhodným výběrem z několika možností.

=== Použita data pro nastavení simulace ===
Oficiální data od DPP o metru z roku 2015: https://data.pid.cz/pruzkumy/2015_METRO_sbornik.pdf

[[User:Bled09|Bled09]] ([[User talk:Bled09|talk]]) 16:25, 1 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:21, 7 May 2024 (CET)

== Simulace boardingu pasažéru do letadla ==

=== Popis ===
Tato práce bude podrobně zkoumat proces nástupu cestujících do letadla a srovnávat účinnost různých metod, které se při tomto procesu používají. Bude se zabývat simulací samotného boardingu, abychom lépe porozuměli, jak různé strategie ovlivňují průběh nástupu a celkový čas potřebný k dokončení této fáze cesty.

=== Cíl ===
Cílem simulace je identifikovat nejefektivnější způsob nástupu cestujících s ohledem na minimalizaci celkové doby nástupu a maximalizaci spokojenosti cestujících. Simulace bude modelovat různé metody boardingu, jako je zónový boarding, skupinový boarding a nástup podle sedadel, a analyzovat jejich vliv na celkový čas nástupu a další relevantní faktory.

=== Užitečnost ===
Výsledky simulace poskytnou užitečné poznatky pro optimalizaci procesu boardingu letadla a zlepšení cestovního zážitku cestujících.

=== Metoda a způsob simulace ===
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Metoda boardingu

• Rozložení letadla a jeho velikost

• Časový rozvrh

• Strategie priority boardingu

=== Náhodné proměnné ===
• Chování cestujících - rychlost

• Náhodné rozložení cestujících v jednotlivých zónách

• Náhodné změny v chování cestujících

• Náhodné události

=== Použita data pro nastavení simulace ===
Vzniklá studie od Jason H. Steffen: https://www.sciencedirect.com/science/article/abs/pii/S0969699708000239

[[User:Arťom Ňorba|Arťom Ňorba]] ([[User talk:Arťom Ňorba|talk]]) 09:16, 2 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:23, 7 May 2024 (CET)

== Simulace vývoje alkoholismu: Závislost, léčba a dopady na zdraví ==

=== Popis ===
Konzumace alkoholu je dlouhodobě v České republice na vysoké úrovni. Roční spotřeba alkoholu na osobu dlouhodobě dosahuje hodnoty kolem 10 litrů čistého alkoholu. Denně si alkohol dopřeje téměř 10 % dospělé populace.
Tato simulace se zaměřuje na modelování systému alkoholismu, který zahrnuje interakce mezi alkoholikem, léčbou, vyléčeným alkoholikem a genetikou. Dále zahrnuje náhodné proměnné, jako je inflace, cena alkoholu, prostředí, stres, nemoc a smrt. Simulace bude ukazovat, jak tyto faktory ovlivňují vývoj alkoholismu a účinnost léčby.

=== Cíl ===
Cílem této simulace je vytvořit model systémové dynamiky, který bude zkoumat vývoj alkoholismu u jednotlivce a jeho dopady na zdraví.

=== Užitečnost ===
Model by umožnil lépe porozumět faktorům, které přispívají k vzniku a prohlubování alkoholismu. Na základě výsledků simulace by pak mohly být navrženy a implementovány účinné politiky a programy pro prevenci a léčbu alkoholismu, které by mohly vést ke zlepšení zdraví populace a snížení nákladů spojených s alkoholismem.

=== Metoda a způsob simulace ===
Metoda a způsob simulace budou realizovány prostřednictvím nástroje Vensim, který je vhodný ke sledování změn hodnot proměnných v čase.

=== Proměnné ===
• Alkoholik
• Alkohol
• Léčba
• Vyléčený alkoholik
• Genetika

=== Náhodné proměnné ===
• Prostředí
• Cena alkoholu
• Inflace
• Stres
• Nemoc
• Smrt

=== Použitá data pro nastavení simulace ===
https://www.drogy-info.cz/zprava-o-zavislostech/souhrnna-zprava-o-zavislostech-v-cr-2022/
https://www.czso.cz/csu/czso/graf-spotreba-alkoholickych-napoju-na-1-obyvatele-v-ceske-republice

[[User:Lacb03|Lacb03]] ([[User talk:Lacb03|talk]]) 09:00, 8 May 2024 (CET)
:: '''Schváleno'''. Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:42, 9 May 2024 (CET)

== Simulace přírodního výběru ==

=== Popis ===
Simulace se zabývá vývojem jedinců v předem definovaném prostředí s možnými vlastnostmi vývoje. Simulace abstrahuje zjednodušený svět a snaží se poukázat na fungování přírodní selekce dle Charlese Darwina.

===Cíl===
Cílem simulace je ukázat a vizualizovat, jak se budou jedinci vyvíjet v rámci přežití v prostředí, kde se vyskytují i ostatní jedinci. Výsledkem jsou takový jedinci, který mají nejvyšší šanci přežít v daném prostředí. Dále budeme sledovat, jakou silou se projevují jednotlivé vlastnosti. To bude rozdílné dle nastavení prostředí.

===Užití===
Simulaci lze použít jako důkaz přírodní selekce a její vizuální interpretaci v zjednodušeném světe. Lze jej využít jako doprovodný materiál při výuce.

===Metoda a způsob simulace===
Jako nástroj pro tvorbu modelu využiji NetLogo, protože tvořím multiagentní systém.

===Prostředí===
Prostředí je dáno čtvercovou plochou. Agenti začínají a končí svůj tah po obvodu plochy. Jestliže se nedostanou na okraj na konci kola (den, který bude složen z určitého počtu ticků), zahynou. V prostředí se každé kolo generuje jídlo.

===Agenti===
Agenti jsou jedinci, kteří se přežívají v prostředí tím, že získají jídlo. Mají různé vlastnosti, které se v čase mění. Jedinec se každé kolo snaží získat, alespoň 1 jídlo, pokud získá 2, může se reprodukovat. Výsledkem se na konci dne reprodukuje, umírá nebo zůstává neměnný. Při cestě do prostoru chodí nahodile (lze aplikovat různé strategie cesty, ale není to hlavní východisko, které chci zkoumat). V průběhu cesty spotřebovávají jedinci energii v závislosti na rychlosti a velikosti. Pokud jedinci dojde energie, tak se nemůže pohybovat = zahyne. Každý reprodukovaný jedinec má změněné vlastnosti v různých závislostech. Výsledkem zkoumáme, kteří jedinci (série vlastností) se v daném prostředí vede nejlépe.
Kromě primárního cíle, se agenti snaží přežít tím, že utíkají před ostatními, kteří jeho mohou sníst.

===Vlastnosti===
Každý agent má své charakteristiky. Hlavní, které chci uplatnit je rychlost, velikost a vnímání, při předpokladu stejné zásoby energie.

• Rychlost – ovlivňuje rychlost pohybu v prostředí. Zvyšuje spotřebu energie.

• Velikost – Pokud je jedinec o x % větší než druhy, tak jej může sníst namísto jídla.

• Vnímání – Je vlastnost, do jaké vzdálenosti jedinec vidí jídlo nebo hrozbu.

===Princip===
Simulace probíhá v kolech. V jednom kole vybíhají jedinci z okraje plochy a opět se do ní vracejí viz. „Agenti“. Na konci kola, zahynou jedinci v prostoru. Ti, kteří získali 1 jídlo a vrátili se, zůstávají nemění a ti, kteří získali 2 jídla se reprodukují s mutacemi. Ve větším počtu cyklů tím docílíme toho, že přežijí jedinci s vlastnostmi lépe adaptovanými k tomu, jak prostředí funguje.

===Proměnné===
• Počet aktérů

• Počet generovaného jídla

• O kolik procent musí být jedinec větší, aby mohl sníst menšího

• Zásoba energie

===Náhodné proměnné===
• Původní umístění jedinců

• Umístění jídla

• Změna vlastností

===Data pro nastavení simulace===
Jelikož se jedná o přírodní výběr, lze se k proměnným chovat jako k jiným fenotypovým vlastnostem, tedy pro každou vlastnost může být odlišná. Avšak k odvození hodnot použiji tento článek: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3497250/

Další zdroje:

https://evolution.berkeley.edu/teach-evolution/misconceptions-about-evolution/

https://www.khanacademy.org/science/biology/her/evolution-and-natural-selection/v/introduction-to-evolution-and-natural-selection

[[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 12:06, 6 May 2024 (CET)

: Velmi obecné, konkretizujte. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:25, 7 May 2024 (CET)

: Pokusil jsem se zadání více konkretizovat. [[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 06:18, 9 May 2024 (CET)

== Simulácia podkladní v supermarkete ==

=== Popis ===
Simulácia sa zameriava na skúmanie vplyvu počtu pokladní na zisk supermarketu. Cieľom je zistiť, ako množstvo pokladní má najväčší pozitívny vplyv na zisk, pričom sa berú do úvahy aj dlhé fronty, ktoré môžu odradiť zákazníkov a viesť k ich odchodu.

===Agenti===
Agenti sú jednnotlivý zákazníci.

===Cíl===
Cieľom simulácie je nájsť optimálny počet pokladní a ich rýchlosť obsluhy, ktoré zabezpečia maximálny zisk pre supermarket.
Optimálny počet pokladní a rýchlosť obsluhy budú merať podľa:

• Celkový zisk supermarketu
• Dĺžka fronty na pokladniach
• Čas, ktorý trvá zákazníkom od začiatku fronty k momentu zaplatenia

===Užitočnosť===
Táto simulácia poskytne užitočné informácie o tom, ako zlepšiť prevádzku pokladní a maximalizovať zisk. Pomôže efektívnejšie riadiť personál a prispôsobiť sa meniacim sa potrebám zákazníkov.

===Metóda a spôsob simulácie===
Ako nástroj na tvorbu modelu použijem NetLogo

===Premenné===
• Počet pokladní
• Rýchlosť obsluhy pokladní
• Počet zákazníkov

===Náhodné premenné===
Všetky premenné budú náhodné premenné.

===Dáta===
Historické údaje o príchode zákazníkov do supermarketu, vrátane "peak hours" a priemerných tokov zákazníkov. Priemerné časy obsluhy pri pokladniach založené na pozorovateľných údajoch.

[[User:Lavd01|Lavd01]] ([[User talk:Lavd01|talk]]) 16:10, 6 May 2024 (CET)

: Dokud jsme měli ještě v programu zařazené diskrétní simulace, toto byla naprosto typická úloha právě na ně (dokonce byla ve slidech) a odkázal bych Vás na Simprocess. V tomto případě Simprocess už k dispozici není, lze to řešit jinými nástroji, např. AnyLogicem, které jsme ale nedělali. Řešení v NetLogu je možné, bude ale poměrně pracné. Nicméně, pokud na tom trváte, tak '''schváleno''' a budu zvědav, jak se to bude lišit od řešení v Simprocessu. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:30, 7 May 2024 (CET)

== Simulace úspěšnosti studentů ==

=== Popis ===
Simulace se zaměřuje na zkoumání vlivu různých faktorů, jako je typ školy, pohlaví studenta, věk, typ adresy, velikost rodiny, stav spoluobývání rodičů, úroveň vzdělání matky, úroveň vzdělání otce, povolání matky a povolání otce, na akademický výkon a úspěch studentů ve školním vzdělávání.

===Agenti===
Agenti jsou studenty

=== Cíl ===
Cílem simulace je analyzovat vliv sociodemografických faktorů na úspěšnost studentů a vzdělávací výsledky. Cílem je identifikovat klíčové determinanty akademického výkonu studentů a zkoumat strategie pro zlepšení rovnosti ve vzdělávání a přístupu k němu.

=== Užitečnost ===
Tato simulace poskytne užitečné poznatky pro pedagogy, politické rozhodovatele, školní administrátory a výzkumníky. Pedagogové ji mohou využít k porozumění, jak různé sociodemografické charakteristiky studentů ovlivňují akademické výsledky a přizpůsobit intervence podle potřeby. Politici ji mohou využít k navrhování politik založených na důkazech, které mají za cíl snížit nerovnosti ve vzdělávacích výsledcích. Školní administrátoři ji mohou využít k efektivnímu alokování zdrojů a implementaci cílených podpůrných programů. Výzkumníci ji mohou využít k zkoumání komplexních interakcí mezi různými sociodemografickými faktory a úspěchem studentů.

=== Metoda a způsob simulace ===
Jako prostředek pro tvorbu modelu použiju NetLogo.

=== Proměnné ===
• Pohlaví studenta (F nebo M)
• Věk
• Typ adresy (městská nebo venkovská)
• Velikost rodiny (menší nebo rovno 3 nebo větší než 3)
• Stav spoluobývání rodičů (žijí spolu nebo odděleně)
• Úroveň vzdělání matky (0-4)
• Úroveň vzdělání otce (0-4)

=== Náhodné proměnné ===
• Motivace ke studiu

=== Dáta ===
Hodnoty proměnných budou založeny na datasetu (Student achievement in secondary education of two Portuguese schools. - https://www.kaggle.com/datasets/larsen0966/student-performance-data-set/data), přičemž distribuce a charakteristiky každé proměnné budou odpovídat empirickým datům.

: Není mi úplně jasné, jak by měla taková simulace vypadat. Můžete konkretizovat? Ideálně i s obrázky, [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:30, 7 May 2024 (CET)
: 1. Vizuální Představení: V NetLogo bude scéna připomínat třídu s 30 studenty (agenti), kde každý student bude reprezentován jako agent s unikátním ID.
: 2. Nastavení Atributů: V levém panelu bude možné pomocí sliderů a vstupních polí měnit atributy každého studenta.
: 3. Interaktivní Úpravy: Uživatelé budou moci dynamicky upravovat tyto atributy a okamžitě vidět, jak se změny promítnou do inicializace agentů v modelu.
: 4. Modelování Úspěšnosti: Po nastavení atributů a spuštění modelu se pro každého studenta vypočítá hodnota úspěšnosti. Tento výpočet bude založen na předem definovaném modelu, který zahrne : kombinaci významných atributů a jejich vliv na akademický výkon
: 5. Bez Dynamických Interakcí: Vzhledem k absenci časových a interakčních dat bude simulace provádět jednorázový výpočet úspěšnosti bez sledování dynamických změn v čase.
: 6. Zobrazení Úspěšnosti: Po dokončení modelování bude každý student v třídě (scéně) mít přiřazenou hodnotu úspěšnosti, která bude zobrazena vedle jeho ikony nebo v datové tabulce pod : : scénou.
: 7. Statistické Grafy: Pod vizualizací třídy budou prezentovány různé statistické grafy, včetně:
: * Distribuce Úspěšnosti: Histogram nebo boxplot ukazující rozložení úspěšnosti mezi studenty.
: * Distribuce Motivace: Podobné grafy pro motivaci a další číselné atributy.
: * Korelační Grafy: Scatter ploty nebo jiné grafy zobrazující korelace mezi úspěšností a jednotlivými atributy, aby bylo možné identifikovat faktory s největším vlivem.
: 8. Plánované Rozšíření Modelu: Po prvotní analýze a identifikaci významných korelací plánuju rozšířit model o další zajímavé atributy, které mohou mít vliv na úspěšnost studentů: Počet : hodin strávených studiem, Počet absencí, Konzumace alkoholu,a další relevantní faktory zahrnuté v datasetu

== Vplyv odlesňovania v Amazónií na globálne otepľovanie ==

=== Popis ===
Táto simulácia sa zameriava na analýzu odlesňovania v Amazónií a jeho vplyv na globálne otepľovanie. Hlavným cieľom je študovať, ako zmeny v rozlohe lesných porastov ovplyvňujú teplotu, vlhkosť a iné environmentálne faktory.

===Agenti===
1. Lesníci: Agenti zodpovední za rozhodovanie o odlesňovaní.

2. Stromy: Agenti reprezentujúci lesný porast v oblasti simulácie.

3. Senzor: Agenti sledujúci teplotu, vlhkosť a iné v rôznych častiach oblasti.

=== Cíl ===
Cieľom simulácie je analyzovať, ako rôzne úrovne odlesňovania ovplyvňujú teplotu a ďalšie environmentálne faktory v danej oblasti.

=== Užitečnost ===
Simulácia poskytuje užitočný nástroj na preskúmanie dopadov odlesňovania na miestne klimatické podmienky a globálne otepľovanie. Vďaka vizualizácie sa vytvára priestor pre lepšie pochopenie procesov, ktoré sa dejú v dôsledku odlesňovania Amazónie. Na základe simulácie je viditeľné aký vplyv má odlesňovanie na teplotu a vlhkosť v oblasti a na celosvetové klimatické zmeny a pomáha tak identifikovať optimálne stratégie riadenia lesníctva z hľadiska ochrany klímy.

=== Metoda a způsob simulace ===
Simulácia bude používať agent-based modelovanie NetLogo, kde jednotlivé entity (agenti) budú reagovať na zmeny vo svojom prostredí a vykonávať určité akcie na základe stanovených pravidiel.

1. Inicializácia: Na začiatku simulácie sa definuje topografia, rozmiestnenie stromov a miesto lesníkov.

2. Krok simulácie: V každom kroku lesníci rozhodujú o tom, koľko stromov odstránia a kde. Potom sa aktualizuje stav stromov a environmentálne faktory.

3. Vyhodnotenie: Po určenom počte krokov sa vyhodnotia zmeny v teplote, vlhkosti a iných faktoroch.

=== Proměnné ===
• Počet senzorov = 5

• Lesná plocha: Miera lesného porastu v oblasti simulácie, môže byť vyjadrená ako počet stromov alebo pomer lesného pokrytia vzhľadom na celkovú plochu.

• Teplota

• Vlhkosť

=== Náhodné proměnné ===
• Úroveň odlesňovania: Percento stromov odstránených lesníkmi, čo ovplyvňuje veľkosť a rozlohu lesného pokrytia.

• Počet lesníkov

=== Dáta ===
• Global Forest Watch (https://www.globalforestwatch.org/): Poskytuje dáta o odlesňovaní a lesných pokryvkách z celého sveta, vrátane histórie odlesňovania a zmeny lesných ploch.

• NASA Earth Observing System Data and Information System (EOSDIS) (https://earthdata.nasa.gov/): NASA ponúka širokú škálu dát o poveternostných podmienkach, teplotách, vlhkosti a ďalších environmentálnych faktoroch pomocou svojich satelitných misií.

• WorldClim (https://www.worldclim.org/): Poskytuje voľne dostupné globálne klimatické dáta, vrátane teploty, zrážok a iných klimatických premenných, ktoré môžu byť použité na simuláciu klimatických podmienok v rôznych oblastiach.

• Food and Agriculture Organization of the United Nations (FAO) (http://www.fao.org/faostat/en/#data): FAO poskytuje štatistické dáta o lesníctve a odlesňovaní, vrátane údajov o množstve odlesnených ploch v rôznych krajinách a regiónoch.

[[User:Drgv00|Drgv00]] ([[User talk:Drgv00|talk]]) 15:44, 7 May 2024 (CET)

== Simulace plastového znečištění oceánů ==

=== Popis ===
Simulace se zaměřuje na aktuální problém znečištění oceánů plastem. Oceány se neustále znečišťují, ale je i vynaložené úsilí toto znečištění mitigovat. Tato simulace reflektuje oba aspekty problematiky. Simulace ukáže interakci úklidových lodí a hromadícího se plastu v oblasti Great Pacific Garbage Patch.

=== Cíl ===
Cílem simulace je zkoumat mitigační schopnosti úklidových lodí v oblasti Great Pacific Garbage Patch a navrhnout hrubý plán projektu, který by symbolizoval optimální počet nasazených úklidových lodí pro efektivní odbyt plastu a hlavní faktory příspívající do navyšujícího se znečištění.

=== Užitečnost ===
Výsledky této simulace mohou bý užitečné jak pro laiky, kterým přehledně vizualizuje akutní problematiku z hlediska znečištění oceánů, tak pro experty, kteří na základě výsledků mohou sledovat trendy znečištění na základě zkoumaných faktorů - zda je možné nalézt řešení, které vyústí v rychlejší odbyt plastu v oceánech, než jeho přísun. Též je vhodné identifikovat faktory, které nejvíce přispívají znečištění.

=== Metoda a způsob simulace ===
Nejsem si jistý, zda vytvářím moc komplikovaný návrh, tak rozděluji agenty na kategorie co si myslím, že by bylo zásadní, a co naopak dodatečné.

Základ:

Simulace bude modelována jakožto agentní simulace pomocí nástroje NetLogo. Mezi agenty lze řadit úklidové lodě a samotné plastové částice.

Rozšíření:

Autora napadlo přidat i lodě, které naopak znečištění způsobují (cca 70% odpadu v mořích způsobují právě lodě). Též je jedním z nápadů přidat jako agenta mořského živočicha, který by přílišnou vysokou koncentrací znečištění "trpěl", a dostatečnou mitigací znečištění naopak mohl existovat relativně bez problému.

=== Proměnné ===
Nejsem si jistý, zda vytvářím moc komplikovaný návrh, tak rozděluji proměnné na kategorie co si myslím, že by bylo zásadní, a co naopak dodatečné.

Základ:

• Množství vypouštěného plastu

• Koncentrace plastu na km^2

• Kapacita úklidové lodě

• Rychlost úklidové lodě

• Rychlost oceánských proudů (přísun plastu)

Rozšíření:

• Velikost plastu (mikroplast, mesoplast, makroplast, megaplast)

• Kategorie plastu (Typ H, N, P, F)

• Persistence plastu (schopnost přetrvávat na jednom místě)

• Geografická lokalizace vypouštění plastu

• Vertikální pozice plastu (pokud se plast objeví, jestli je moc hluboko na zachycení lodí)

=== Náhodné proměnné ===
• Události (katastrofy, dobrovolnické akce pro sběr plastu)

• Počasí (povětrnostní podmínky)

• Lidská činnost (změna legislativy, spotřeba plastových výrobků)

=== Použitá data pro nastavení simulace ===
• Především: https://theoceancleanup.com/great-pacific-garbage-patch/

• https://powerknot.com/2023/02/20/how-ships-are-fueling-the-global-plastic-pollution-crisis/

• https://www.earthdata.nasa.gov/learn/articles/ocean-plastic

• https://marine.copernicus.eu/explainers/phenomena-threats/plastic-pollution/from-plastic-marine-pollution

• https://www.geographyrealm.com/how-ocean-currents-move-pollution-around-the-world/

• https://theoceancleanup.com/ocean-plastic/

[[User:Kovs04|Kovs04]] ([[User talk:Kovs04|talk]]) 21:52, 7 May 2024 (CET)

== Simulácia: predikcia počtu obyvateľov Slovenskej republiky ==

=== Popis ===

Práca bude simulovať vývoj počtu obyvateľov Slovenska do budúcna. Do úvahy sa bude brať viacero faktorov, ktoré můžu ovplyvňovať vývoj počtu obyvateľov, preto sa budem snažiť o čo najprenejšie výsledky a aby simulácia zohľadňovala dostatočné mnžostvo faktorov a bola komplexná. Simulácia bude založená iba na reálnych dostupných štatistických dátach a nebude obsahovať žiadne náhodné premenné.

=== Prostredie ===
Simulácia bude prebiehať v prostredí Vensim.

=== Cieľ ===
Predpovedať a graficky znázorniť dlhodobý vývoj počtu obyvateľov SR (napríklad 150 rokov dopredu). Popísať trend rastu/poklesu obyvateľov. Projekcia pôrodnosti, úmrtnosti. Aký faktor ovplyňuje vývoj populácie najviac? Akú rolu v tomto hrajú ostatné faktory?

=== Premenné ===

• počet obyvateľov

• prírastok

• úbytok

• imigrácia

• emigrácia

• úmrtnost

• porodnosť

• a ďalšie podľa potreby

=== Dáta ===
Vstupné dáta budú podľa najlepšieho formátu vybrané z:

https://www.statista.com/statistics/1009083/total-population-slovakia-1950-2020/.

https://www.worldometers.info/world-population/slovakia-population/.

https://worldpopulationreview.com/countries/slovakia-population

[[User:Simon kavicky|Simon]] ([[User talk:Simon kavicky|talk]]) 11:06, 8 May 2024 (CET)
:: '''Schváleno'''. Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:47, 9 May 2024 (CET)

== Simulace profitability nových finančních produktů při zohlednění rizika nedobytnosti pohledávek a ceny zdrojů ==

=== Cíl ===
Cílem je vytvořit nástroj pro podporu prvnotního nastavení RPSN (poplatku a/nebo sazby) nově nabízeného finančního produktu podle míry rizika nedobytnosti pohledávek a ceny zdrojů za účelem zajištění profitability. Nástroj by měl být parametrizovatelný na základě potřeb finanční organizace, včetně možnosti upravit simulaci podle analýzy vlastních historických dat z již nabízených produktů – viz část o datech níže.

=== Využití ===
Uživateli by měli být pracovníci z oddělení finančních institucí zodpovění za pricing produktů a služeb. Protože se jedná o netechnické uživatele s vysokou úrovní kvalifikace v jiném oboru, měla by být simulace spustitelná z "frontendu" – úvodní obrazovky, která umožňuje zadat finanční nebo statistické vstupy popisující historická data a cenu zdrojů. V případě nezadání některé z hodnot se použijí rozumné předdefinovnaé hodnoty.

=== Metoda a prostředí simulace ===
Monte Carlo, Excel. Záměrem je vytvoření rozsáhlejší a vícekrát iterované simulace pro zajištění kvalitního výsledku na základě statistických informací o historických datech na již spuštěných, podobných typech produktů.

=== Proměnné ===
Vzhledem ke zvolené metodě budou generovány řádově stovky záznamů o fiktivních úvěrech, jejichž parametry budou odpovídat statisticky určeným rozdělením na základě vstupního datasetu popsaného níže. Zásadní je přitom informace, zda úvěrový produkt "defaultoval" – zda byl nebo nebyl splacen ze strany klienta. Jedná se o binární závislou proměnnou, určenou na základě výše úvěru, příjmu klienta a případně dalších vybraných veličin dostupných v datech, jejichž hodnota bude určována na základě zjištěného rozdělení pravděpodobnosti. Sledovaná závislá proměnná bude určena na základě překročení prahové hodnoty váženým součtem ostatních veličin, přičemž správnost stanovení prahové hodnoty a vah bude ověřena vůči vstupnímu datasetu.
Na vstupu se bude očekávat parametr ceny zdrojů a případně statistické informace.
Výstupním parametrem bude "break-even" RPSN, nad kterou by již měl být produkt profitabilní. U skutečných produktů by bylo nutné určit sazbu, poplatek nebo jejich kombinaci; jedná se nicméně o ryze obchodní rozhodnutí, protože sazby a poplatky jsou typicky technicky převeditelné.

=== Data využitá pro přípravu simulace ===
Využití skutečných dat je problematické z hlediska regulací, kterým bankovní instituce podléhají. Bude proto statisticky zpracován vstupní dataset [https://app.datacamp.com/learn/courses/credit-risk-modeling-in-python] z výukové aplikace, ale uživatel bude mít také možnost zadat jiné statistické informace na základě vlastní analýzy (nebo informací od příslušného oddělení).

[[User:Budj07|Budj07]] ([[User talk:Budj07|talk]]) 20:17, 9 May 2024 (CET)

:: '''Schváleno'''.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 10:37, 10 May 2024 (CET)

== Simulace implementace SW projektu pro potřeby projektového řízení ==

=== Cíl ===
Cílem této simulace je vytvořit model systémové dynamiky softwarového projektu, který zohlední známé proměnné i prvek náhody a pomůže zkoumat vliv jednotlivých faktorů a vzájemné ovlivňování v důležitých parametrech projektu

=== Využití ===
Model by mohl být použit při naceňování, stanovení termínu dodání, nebo odhadu míry rizika. Mohl by být použit i na modelování důsledků změn v projektu.

=== Metoda a prostředí simulace ===
Simulace bude realizována prostřednictvím nástroje Vensim.

=== Proměnné ===
. Scope
. Costs
. Time
. Resources
. Quality
. Risk

=== Náhodné proměnné ===

nemoc výpověď dovolená chyba v analýze

=== Zdroje ===

LI, Suinan. A generic model of project management with Vensim. 2008. Master's Thesis. Universiteteti Agder/Agder University.
https://uia.brage.unit.no/uia-xmlui/bitstream/handle/11250/137043/Suinan_Li.pdf?sequence=1

BESTEIRO, Élen Nara Carpim; DE SOUZA PINTO, Jefferson; NOVASKI, Olívio. Success factors in project management. Business management dynamics, 2015, 4.9.
https://web.archive.org/web/20180420205905id_/http://bmdynamics.com/issue_pdf/bmd110530a-%2019-34.pdf

[[User:Pavl11|Pavl11]] ([[User talk:Pavl11|talk]]) 20:30, 9 May 2024 (CET)

:: '''Schváleno.''' Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 10:38, 10 May 2024 (CET)

== Simulace účinnosti očkování na šíření nákazy ==

=== Popis ===

Simulace bude řešit problematiku očkování a její účinnosti proti agresivní nákaze. Bude možné si nastavit počet obyvatel (hustotu zalidnění), počáteční počet očkovaných lidí, agresivitu a dobu nakaženosti (tedy možného úmrtí a přenosu).

=== Cíl ===

Poukázat na fakt, že očkování má velký dopad na boj proti agresivním a rychle se šířícím nákazám.

=== Užitečnost ===

Simulace nám může ukázat, jak se nákazy šíří a jak moc velký vliv má proočkovanost lidí na šíření nemoci.

=== Metoda a způsob simulace ===

Simulace v aplikaci NetLogo

=== Proměnné ===
- Počet obyvatel v oblasti

- Počet počátečně očkovaných lidí

- Počet počátečně nakažených lidí

- Pravděpodobnost nákazy při kontaktu

- Pravděpodobnost úmrtí na nákazu

- Doba nakažení (nemoci)

- Účinnost očkování (pravděpodobně by to chtělo taky zahrnout)

- Při jakém procentu se lidi začnou hromadně očkovat a míra, kolik lidí se nechá očkovat

- Umístění vzniku tornáda

=== Náhodné proměnné ===

- Síla imunity

- Rychlost, směr a obecně kontakty agentů

- Přenos nákazy

=== Použitá data pro nastavení simulace ===

Data si bude moci člověk pomocí posuvníků nastavit sám. Pokud bude potřeba nastavit počáteční hodnoty dle nějaké konkrétní nemoci, data ještě dodám.

[[User:Sedp11|Sedp11]] ([[User talk:Sedp11|talk]]) 11:45, 10 May 2024 (CET)

== Simulace evakuace při zemětřesení v Japonsku ==

=== Popis ===
V této práci se pokusím nasimulovat evakuaci osob při zemětřesení v Japonsku, konkrétně v centru města Nagoya.

=== Cíl ===
Hlavním účelem je zachytit takový scénář, který bude dále možné využít k analýze dopadů na infrastrukturu a obyvatelstvo po zemětřesení. Dále by mohlo být možné identifikovat ideální trasy k evakuaci či naopak oblasti, kterým se vyhnout.

=== Metoda a způsob simulace ===
Plánuji použít nástroj NetLogo, mělo by se jednat o multiagentní simulaci.

=== Agenti ===
Osoby/Budovy/Úkryty

=== Proměnné ===
• Rozložení úkrytů
• Zalidnění oblasti
• Stav osoby
• Rychlost osoby
• Stav budovy
• Kapacita úkrytu

=== Náhodné proměnné ===
• Rozhodnutí k evakuaci
• Síla zemětřesení
• Úroveň paniky

=== Data ===
• https://www.city.nagoya.jp/bosaikikikanri/cmsfiles/contents/0000154/154013/06_english_jishin_naka.pdf: mapa znázorňující umístění evakuačních úkrytů, očekávanou intenzitu zemětřesení a pravděpodobnost ztekucení/sesuvu půdy

• https://www.citypopulation.de/en/japan/nagoya/23106__naka_ku/: zalidnění oblasti, věkové rozložení obyvatelstva

• https://www.jstage.jst.go.jp/article/jnds/34/1/34_41/_pdf/-char/ja: studie pro inspiraci

[[User:Helm07|Helm07]] ([[User talk:Helm07|talk]]) 12:25, 10 May 2024 (CET)

== Simulace zombie apokalipsy ==

=== Popis ===
V této práci se pokusím nasimulovat děj, kdy se lidi snaží přežít apokalipsu tím, že hledají jídlo, krmí lovce, kteří loví zombíky. Mezitím je loví zombíci.

=== Cíl ===
Hlavním účelem je zachytit takový scénář, kdy se povede lidem přežít apokalipsu a vymazat zombíky z povrchu zemského.

=== Metoda a způsob simulace ===
Plánuji použít nástroj NetLogo, mělo by se jednat o multiagentní simulaci.

=== Agenti ===
Osoby/Budovy/Úkryty

=== Proměnné ===
• Poměr lovců a sběračů
• Procento o kolik jídla se sběrač podělí s lovcem
• Critical hit damage
• Počet bloků jídla

=== Náhodné proměnné ===
• Počet lidí
• Počet zombíků
• Počáteční damage lovců

[[User:Bohr03|Bohr03]] ([[User talk:Bohr03|talk]]) 13:03, 10 May 2024 (CET)

== Simulace vývoje korálových útesů ==

=== Popis ===
Korálové útesy představují jedny z nejcennějších ekosystémů naší planety, ale v posledních desetiletích jsou vystaveny značnému tlaku způsobenému lidskou činností a změnami životního prostředí.

=== Cíl ===
Cílem této simulace je zkoumat komplexní interakce, které ovlivňují zdraví a stabilitu korálových útesů.

=== Užitečnost ===
Model umožní lépe porozumět faktorům, které přispívají k zániku korálových útesů a které faktory na korálové útesy mají jen minimální dopad.

=== Metoda a způsob simulace ===
Metoda a způsob simulace budou realizovány prostřednictvím nástroje Vensim.

=== Proměnné ===
• Velikost korálového útesu
• Teplota vody
• Míra rybolovu
• Kyselost moří
• Znečištění

=== Náhodné proměnné ===
• Přirozená teplota vody
• Přírodní katastrofy
• Ekonomické trendy
• Politické změny

=== Použitá data pro nastavení simulace ===
https://www.climatefoundation.org/reversing-coral-bleaching.html?gad_source=1&gclid=CjwKCAjwi_exBhA8EiwA_kU1Mn29cECn6ZAe5bbSqClNxABvD8Ic7PTnx93Z5tGExSb2kSquoM8LpBoCkQ8QAvD_BwE
https://climate.nasa.gov/explore/ask-nasa-climate/3290/vanishing-corals-part-two-climate-change-is-stressing-corals-but-theres-hope/

[[User:Osis02|Osis02]] ([[User talk:Osis02|talk]]) 14:54, 10 May 2024 (CET)

== vala18 - Vesmírné smetí: simulátor kolizí satelitů a vesmírného smetí ==
=== Popis ===
* Chtěl bych simulovat pohyb satelitů a vesmírného odpadu (tzv. vesmírného smetí) v dílčí části zemské oběžné dráhy (reprezentované jako 2D rovina), kde se satelity pohybují po předem určených trajektoriích, ale pohyb smetí je poněkud náhodný. Pokud se smetí srazí s jiným smetím, změní směr a vytvoří o něco více smetí, pokud se smetí srazí se satelitem, satelit je zničen a vznikne velké množství smetí.
=== Cíl ===
Instance simulace, by vypočítala časový odstup mezi srážkami na základě výchozích podmínek, jako je počet družic, hustota trosek a násobení trosek (kolik kusů dalších trosek srážky vytvoří).
=== Užitečnost ===
* Kosmický odpad představuje významný problém kvůli rostoucímu množství vyřazených družic, vyhořelých raketových stupňů a úlomků na oběžné dráze Země. Rostoucí množství odpadu zvyšuje riziko kolize, což ohrožuje operující družice a budoucí vesmírné mise. Tento problém ohrožuje vesmírnou infrastrukturu, zhoršuje zahlcení oběžné dráhy a vyvolává hrozbu vzniku ještě většího počtu fragmentů v důsledku srážek, což může vést k vytvoření samoudržujícího se cyklu šíření vesmírného odpadu. Řešení tohoto problému má zásadní význam pro zajištění udržitelnosti kosmických aktivit a předcházení dlouhodobým důsledkům pro orbitální prostředí Země a výzkum vesmíru. Navrhovaný simulátor by mohl pomoci ukázat a vypočítat podmínky, za kterých takové samoudržující se šíření kosmického odpadu vzniká; i když se zjednodušeným modelem, a snad i poučit o výše uvedeném problému.
=== Metoda a způsob simulace ===
* NetLogo - agent based modeling (dva typy agentů: satelity (družice) a vesmírné smetí)
** Při zpracování modelu použiji nádledující zjednodušení:
*** budu modelovat pouze dílčí část oběžné dráhy Země, která bude znázorněna jako 2D "mapa" pevné velikosti (pixelů/čtverečků) tvořící mřížku,
*** objekty (satelity a smetí) se mohou na mapě pohybovat pouze v 8 různých směrech,
*** všechny objekty se pohybují stejnou rychlostí (jeden pixel/čtvereček za tah),
*** objekty jsou čtverce; minimální velikost je 1x1 pixel/čtvereček, pak 2x2 pixely/čtverečeky atd...
*** při srážce objektů je výsledný počet trosek (smetí) náhodné celé číslo mezi 1 a součtem velikostí (pixelů) kolidujících objektů,
*** hmotnost objektů je úměrná jejich velikosti, tj. 1 (pixel) = 1 jednotka hmotnosti,
*** všechny objekty se řídí Newtonovými pohybovými zákony.
=== Proměnné ===
* Proměnné pro výchozí podmínky
** velikost mapy
** počet satelitů
** počet smetí
** výchozí poloha a směr objektů
* Proměnné agentů (satelity a smetí)
** velikost
** hmotnost
** směr pohybu
=== Použitá data pro nastavení simulace ===
* Za účelem simulace realistických scénářů - budou získány údaje z NASA a dalších relevantních studií týkající se hustoty úlomků a počtu družic na oběžné dráze, které budou sloužit jako výchozí podmínky navrhovaného modelu. Konkrétně plánuji použít údaje získané a zveřejněné na:
**[https://orbitaldebris.jsc.nasa.gov/|NASA ORBITAL DEBRIS PROGRAM OFFICE]
**[https://platform.leolabs.space/visualization|LEOLABS Low Earth Orbit Visualization]

Assignment SS 2023/2024/cs

2024-05-10T16:21:30Z

Vala18:

{{DISPLAYTITLE:Zadání LS 2023/2024}}

{{Ambox
| text = <div>
Na tuto stránku vkládejte svá zadání. Nezapomeňte se podepsat. Můžete použít <nowiki>~~~~</nowiki> (čtyři tildy) k automatickému podpisu. Používejte Ukázat náhled, abyste si prohlédli Váš výsledek před konečným odesláním.
</div>
}}

{{Ambox
| text = <div>
Prosíme, snažte se formulovat Vaše zadání pečlive. S ohledem na to, že jde o Vaši semestrální práci, očekáváme adekvátní úsilí vynaložené na zadání. Nezapomeňte, že hlavním výsledkem má být výzkumná zpráva, což znamená, že Váš simulační model musí generovat takové výsledky, které jsou konkrétní, měřitelné a ověřitelné. Pečlivě promyslete, jakým způsobem budete vyvíjet Váš model, odvoďte entity, které budete používat, nakreslete si diagram modelu, zvažte, co budete měřit. Teprve pokud máte o modelu dostatečně přesnou představu, vložte Vaše zadání. A samozřejmě, nezapomeňte si prosím přečíst [[How to deal with the simulation assignment/cs|Jak na simulace]].
</div>
}}

{{Ambox
| text = <div>
Témata na téma hazardních her, karet, vývoje cen akcií/indexů '''nejsou''' vítány. Rovněž varianty úlohy "Predator & Prey" a příkladů ze cvičení vám '''budou rozmluveny'''.
</div>
}}

{{Ambox
| type = content
| text = <div>
Abychom se vyhnuli případnému budoucímu nedorozumnění, prosíme, ověřte si, že máte tučné '''schváleno''' někde v našem komentáři pod Vaším zadání. Pokud tam není '''schváleno''', znamená to, že Vaše zadání dosud schváleno nebylo.
</div>
}}

{{Ambox
| text = <div>
'''Criteria for evaluation of the simulation proposal'''

The proposal must contain:
*What you will simulate
*The goal of the simulation (what you analyze - i.e. not "to simulate balloon factory", but what problem should the simulation solve).
*Who would actually use such simulation (example of such user) and how would it help him
*What method and simulation environment you plan to use. Choose only from the development environments that we have used in the course.
*What variables will be incorporated
*What variables will be random
*What exact data you will base values of your variables on
*(In case of Monte Carlo) What exact data you will base your determination of probability distribution of your random variables on
*What exact data you will base your formulas in the simulation (simulation behavior) on

'''If any of the above points are missing from the simulation proposal, the proposal is considered incomplete. Unless the proposal contains all of the above points it will not be evaluated at all (and therefore cannot be approved).'''

# Is it clear from the proposed assignment how the simulation will work?
# Does the simulation make sense?
# Is the simulation model complex enough to simulate credibly the real-world phenomenon that the simulation tries to simulate?
# Is the data used real and relevant for the real-world phenomenon that the simulation tries to simulate?
# Is the simulation feasible? (in given time by the course)

'''If the answer to any of the above points is no, you need to improve your proposal. Don't wait for us to tell you so - you're wasting your time.'''

</div>
}}

== Simulacia urgentneho prijmu v nemocnici ==

=== Popis ===
Simulacia urgentneho prijmu v nemocnici, kde pacienti pocas dna prichadzaju v roznych casoch s roznou zavaznostou ochorenia. Pacienta najprv prijme sestra a nasledne vysetri lekar. Po vysetreni je pacient bud prepusteny alebo hospitalizovany. Myslienkou je vytvorit zjednoduseny model nemocnice s urcitou kapacitou a pozorovat ako pocet lekarov a sestier, pocet miestnosti na vysetrenie a algoritmus pre „triedenie“ / prioritizaciu pacientov na urgentnom prijme ovplyvnuje zaplnenie dostupnych lozok.

=== Cíl ===
Zistenie optimalneho poctu lekarov, sestier a miestnosti pre modelovanu nemocnicu. Testovanie roznych strategii prioritizacie pacientov.

=== Užitečnost ===
Simulacie oddeleni v nemocnici su uzitocne pre riesenie roznych problemov, napr.:

• Alokacia zdrojov

• Optimalizacia toku pacientov

• Redukcia cakania na vysetrenie a dlzky hospitalizacie

=== Metoda a způsob simulace ===
Diskretna simulacia v NetLogo alebo AnyLogic (necham si poradit)

=== Proměnné ===
• Kapacita nemocnice

• Pocet osetrujcich lekarov

• Pocet zdravotnych sestier

• Pocet miestnosti na vysetrenie

=== Náhodné proměnné ===
• Stav pacienta

• Dlzka vysetrenia

• Vysledok vysetrenia

• Prichod pacientov

• Odchod pacientov

=== Použita data pro nastavení simulace ===
Data pre konkretne zariadenia su limitovane. Cerpat je mozne z celkovych statistik zdravotnickych zariadeni v CR/SR a z existujucich studii.

Narodne Centrum Zdravotnickych Informacii, [https://www.nczisk.sk/Statisticke_vystupy/Tematicke_statisticke_vystupy/Pages/default.aspx]

Ustav Zdravotnickych Informaci a Statistiky CR, [https://www.uzis.cz/]

Modeling and simulation of patient flow at the emergency services: Case of Al-Zahraa Hospital University Medical Center in Lebanon, [https://uphf.hal.science/hal-03199182/document]

[[User:Sekp02|Sekp02]] ([[User talk:Sekp02|talk]]) 11:40, 9 May 2024 (CET)

== Simulace tornáda ve venkovské oblasti ==

=== Popis ===
Jedná se o simulaci tornáda ve venkovské oblasti, kde může tornádo zasáhnout domy, farmy a další infrastrukturu. Obyvatelé oblasti jsou vystaveni riziku ničivých škod a je nutné zkoumat strategie předcházení a zvládání následků této katastrofy. Obyvatelé budou mít také možnost úniku do několika bunkrů.

=== Cíl ===
Cílem modelu je porozumět dopadům tornáda na venkovskou oblast a zjistit, jaká opatření mohou minimalizovat škody a zvýšit podíl přeživších. Důraz je kladen na analýzu evakuace a výstrahy.

=== Užitečnost ===
Model tornáda je užitečný pro studium a testování různých strategií řízení rizik spojených s tornády. Poskytuje prostředek pro zkoumání účinnosti evakuace, plánování obnovy a analýzu dopadů tornáda na obyvatelstvo a infrastrukturu venkovské oblasti.

=== Metoda a způsob simulace ===
Simulace je založena na agentově založeném modelu, kde každý agent představuje jednotlivého obyvatele nebo budovu v oblasti. Tornádo je modelováno jako pohybující se entita, která může způsobit škody na okolním prostředí. Interakce mezi tornádem a agenty jsou simulovány na základě pravděpodobnostních modelů. Jako nástroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Typy budov a infrastruktura v oblasti

• Hustota obyvatelstva

• Rychlost a velikost tornáda

• Doba výstrahy a reakce obyvatel

=== Náhodné proměnné ===
• Umístění vzniku tornáda

• Intenzita a směr pohybu tornáda

• Reakce obyvatel na varování a evakuaci

• Škody způsobené tornádem na konkrétních místech

=== Použita data pro nastavení simulace ===
Studie od Daan Liang, Zhen Cong a Guofeng Cao https://journals.ametsoc.org/view/journals/wcas/14/2/WCAS-D-21-0089.1.xml

[[User:Javf00|Javf00]] ([[User talk:Javf00|talk]]) 12:43, 8 May 2024 (CET)

== Simulácia evolúcie neurónovej siete, ktorej cieľom je naučiť sa hrať klasickú hru Snake ==

=== Popis ===
Práca bude simulovať evolúciu agentov, ktorí sa budú snažiť naučiť hrať klasickú hru Snake. Každý agent bude predstavovaný neurálnou sieťou, ktorá na základe aktuálneho stavu hry rozhodne ako ďalej pokračovať. Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov.

=== Prostredie ===
Pre simuláciu evolúcie bude potrebné simulovať viacero generácií '''E''' a v každej generácii bude populácia agentov o veľkosti '''N'''. Každý agent bude hrať samostatnú inštanciu hry Snake. Po odohraní hier agentov v danej generácii sa vypočíta fitness (skóre) najlepšieho agenta.
Podľa fitness sa vyberú jedinci pre ďalšiu generáciu (podľa miery elitizmu '''e'''). Ďalej sa generácia doplní novo vytvorenými agentami (potomkami), ktorí vzniknú krížením dvoch náhodne vybratých agentov. Potomkovia budú ešte zmutovaný podľa miery mutácie '''m'''. Ďalej bude pokračovať ďalšia novo vytvorená generácia.

=== Agenti ===
Každý agent bude pozostávať z neurónovej siete. Agent bude "vidieť" do ômych smerov (hore, dole, vľavo, vpravo, vpravo-hore, vpravo-dole, vľavo-dole, vľavo-hore) od hlavy hada. Pre každý smer uvidí vzdialenosť k stene, vzdialenosť k jablku (ak ho v daný smer vidí) a vzdialenosť ku svojemu chvostu (ak ho v daný smer vidí). Čiže na vstupnej vrstve bude mať 24 neurónov (8 smerov x 3 indikátory) + 4 neuróny predstavujúce smer do ktorého ide hlava hada. Celkovo 28 neurónov. Počet skrytých vrstiev a neurónov v nich môže byť cieľom skúmania práce. Váhy väzieb medzi neurónami budú z počiatku náhodné z uniformného rozdelenia, následne budú menené mutáciami agentov. Na výstupe neurónovej siete bude smer akým sa má had ďalej uberať, čiže 4 neuróny pre Hore, Dole, Vľavo, Vpravo.

=== Cieľ ===
Cieľom práce bude zistiť najvhodnejšie parametre pre vývoj agentov. S evolučným algoritmom mám skúsenosti - riešil som ním 3SAT problém a preto viem že výpočty môžu zabrať značnú dobu. Preto by som určil niektoré parametre, ktoré budú pevné a niektoré, ktoré budú cieľom skúmania. Tu mám 3 možnosti, ktoré by ma zaujímali. V každom prípade bude pevný parameter '''N''' (počet jedincov v populácii) a '''E''' počet generácií. Prvá možnosť by malá pevný počet skrytých vrstiev agentov s pevným počtom neurónov v nich a menila by sa miera mutácie a miera elitizmu. Druhá možnosť je podobná prvej, no počet skrytých vrstiev a neurónov v nich by sa s mutáciami agentov mohol meniť (čo je vlastne len zťaženie možnosti 1, ale asi sa to viac podobá skutočnej evolúcii). Tretia možnosť je, že miera mutácie a elitizmus budú pevné parametre a manuálne sa bude meniť počet vrstiev a neurónov (čo teraz ako to píšem sa mi úplne nezdá - malo by to hrozne veľa možností a ani sa to tak veľmi nepodobá evolúcii). V každom prípade budem porovnávať výsledky, ktoré agenti dosiahli za '''E''' generacií (najlepšie skóre, priemerné skóre, smerodajnú odchylku).

(Môj osobný cieľ bude, aby agent dosiahol aspoň 10 bodov a pritom, aby bolo vidno, že to nebola náhoda :D )

=== Nástroje ===
Python s knižnicou numpy pre prácu s maticami váh, knižnicou matplotlib pre grafické znázornenie výsledkov populácií a knižnicou tkinter pre zobrazenie hier (zobrazenie je to najmenej podstatné a pritom to najlepšie :D).

=== Autor ===
[[User:Stem45|Stem45]] ([[User talk:Stem45|talk]]) 10:18, 1 May 2024 (CET)

== Simulace přestupu na stanici metra Můstek ==

=== Popis ===
Simulovat chci přestup z linky A na linku B a naopak. Jelikož se jedná o jednu z nejvytíženějších stanic metra v Praze zaměřím se na dobu, ve které je stanice nejvíce zatížená. Zkoumat se budou oba směry příjezdu. Simulace nebude uvažovat cestující kteří chtějí z metra vystoupit.

=== Cíl ===
Výsledkem simulace by mělo být nalezení optimální cesty pro přechod z linky A na linku B a naopak. Optimální cesta bude zahrnovat i výstup z vagonu, tedy bude záležet ze kterého vagonu agent vystoupí.
Optimálnost cesty se bude měřit podle:

1. Uražené vzdálenosti

2. Průměrném času

=== Užitečnost ===
Tato simulace poskytne jednoduchou a přímočarou odpověď do kterého vagonu nasednout a kterou cestou se vydat chceme-li co nejrychleji přestoupit na linku B či A a stihli tak navazující spoj.

=== Metoda a způsob simulace ===
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Příjezd metra

• Počet pasažérů

• Rychlost cestujícího

• Zvolena trasa přestupu

=== Náhodné proměnné ===
Vše až na “Příjezd metra”. Zbytek bude náhodně z intervalu získaného z dat nebo náhodným výběrem z několika možností.

=== Použita data pro nastavení simulace ===
Oficiální data od DPP o metru z roku 2015: https://data.pid.cz/pruzkumy/2015_METRO_sbornik.pdf

[[User:Bled09|Bled09]] ([[User talk:Bled09|talk]]) 16:25, 1 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:21, 7 May 2024 (CET)

== Simulace boardingu pasažéru do letadla ==

=== Popis ===
Tato práce bude podrobně zkoumat proces nástupu cestujících do letadla a srovnávat účinnost různých metod, které se při tomto procesu používají. Bude se zabývat simulací samotného boardingu, abychom lépe porozuměli, jak různé strategie ovlivňují průběh nástupu a celkový čas potřebný k dokončení této fáze cesty.

=== Cíl ===
Cílem simulace je identifikovat nejefektivnější způsob nástupu cestujících s ohledem na minimalizaci celkové doby nástupu a maximalizaci spokojenosti cestujících. Simulace bude modelovat různé metody boardingu, jako je zónový boarding, skupinový boarding a nástup podle sedadel, a analyzovat jejich vliv na celkový čas nástupu a další relevantní faktory.

=== Užitečnost ===
Výsledky simulace poskytnou užitečné poznatky pro optimalizaci procesu boardingu letadla a zlepšení cestovního zážitku cestujících.

=== Metoda a způsob simulace ===
Pro simulaci tohoto druhu budu volit agentní simulaci, kde agenti budou cestující metra. Jako nastroj pro simulaci využiji NetLogo.

=== Proměnné ===
• Metoda boardingu

• Rozložení letadla a jeho velikost

• Časový rozvrh

• Strategie priority boardingu

=== Náhodné proměnné ===
• Chování cestujících - rychlost

• Náhodné rozložení cestujících v jednotlivých zónách

• Náhodné změny v chování cestujících

• Náhodné události

=== Použita data pro nastavení simulace ===
Vzniklá studie od Jason H. Steffen: https://www.sciencedirect.com/science/article/abs/pii/S0969699708000239

[[User:Arťom Ňorba|Arťom Ňorba]] ([[User talk:Arťom Ňorba|talk]]) 09:16, 2 May 2024 (CET)

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:23, 7 May 2024 (CET)

== Simulace vývoje alkoholismu: Závislost, léčba a dopady na zdraví ==

=== Popis ===
Konzumace alkoholu je dlouhodobě v České republice na vysoké úrovni. Roční spotřeba alkoholu na osobu dlouhodobě dosahuje hodnoty kolem 10 litrů čistého alkoholu. Denně si alkohol dopřeje téměř 10 % dospělé populace.
Tato simulace se zaměřuje na modelování systému alkoholismu, který zahrnuje interakce mezi alkoholikem, léčbou, vyléčeným alkoholikem a genetikou. Dále zahrnuje náhodné proměnné, jako je inflace, cena alkoholu, prostředí, stres, nemoc a smrt. Simulace bude ukazovat, jak tyto faktory ovlivňují vývoj alkoholismu a účinnost léčby.

=== Cíl ===
Cílem této simulace je vytvořit model systémové dynamiky, který bude zkoumat vývoj alkoholismu u jednotlivce a jeho dopady na zdraví.

=== Užitečnost ===
Model by umožnil lépe porozumět faktorům, které přispívají k vzniku a prohlubování alkoholismu. Na základě výsledků simulace by pak mohly být navrženy a implementovány účinné politiky a programy pro prevenci a léčbu alkoholismu, které by mohly vést ke zlepšení zdraví populace a snížení nákladů spojených s alkoholismem.

=== Metoda a způsob simulace ===
Metoda a způsob simulace budou realizovány prostřednictvím nástroje Vensim, který je vhodný ke sledování změn hodnot proměnných v čase.

=== Proměnné ===
• Alkoholik
• Alkohol
• Léčba
• Vyléčený alkoholik
• Genetika

=== Náhodné proměnné ===
• Prostředí
• Cena alkoholu
• Inflace
• Stres
• Nemoc
• Smrt

=== Použitá data pro nastavení simulace ===
https://www.drogy-info.cz/zprava-o-zavislostech/souhrnna-zprava-o-zavislostech-v-cr-2022/
https://www.czso.cz/csu/czso/graf-spotreba-alkoholickych-napoju-na-1-obyvatele-v-ceske-republice

[[User:Lacb03|Lacb03]] ([[User talk:Lacb03|talk]]) 09:00, 8 May 2024 (CET)
:: '''Schváleno'''. Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:42, 9 May 2024 (CET)

== Simulace přírodního výběru ==

=== Popis ===
Simulace se zabývá vývojem jedinců v předem definovaném prostředí s možnými vlastnostmi vývoje. Simulace abstrahuje zjednodušený svět a snaží se poukázat na fungování přírodní selekce dle Charlese Darwina.

===Cíl===
Cílem simulace je ukázat a vizualizovat, jak se budou jedinci vyvíjet v rámci přežití v prostředí, kde se vyskytují i ostatní jedinci. Výsledkem jsou takový jedinci, který mají nejvyšší šanci přežít v daném prostředí. Dále budeme sledovat, jakou silou se projevují jednotlivé vlastnosti. To bude rozdílné dle nastavení prostředí.

===Užití===
Simulaci lze použít jako důkaz přírodní selekce a její vizuální interpretaci v zjednodušeném světe. Lze jej využít jako doprovodný materiál při výuce.

===Metoda a způsob simulace===
Jako nástroj pro tvorbu modelu využiji NetLogo, protože tvořím multiagentní systém.

===Prostředí===
Prostředí je dáno čtvercovou plochou. Agenti začínají a končí svůj tah po obvodu plochy. Jestliže se nedostanou na okraj na konci kola (den, který bude složen z určitého počtu ticků), zahynou. V prostředí se každé kolo generuje jídlo.

===Agenti===
Agenti jsou jedinci, kteří se přežívají v prostředí tím, že získají jídlo. Mají různé vlastnosti, které se v čase mění. Jedinec se každé kolo snaží získat, alespoň 1 jídlo, pokud získá 2, může se reprodukovat. Výsledkem se na konci dne reprodukuje, umírá nebo zůstává neměnný. Při cestě do prostoru chodí nahodile (lze aplikovat různé strategie cesty, ale není to hlavní východisko, které chci zkoumat). V průběhu cesty spotřebovávají jedinci energii v závislosti na rychlosti a velikosti. Pokud jedinci dojde energie, tak se nemůže pohybovat = zahyne. Každý reprodukovaný jedinec má změněné vlastnosti v různých závislostech. Výsledkem zkoumáme, kteří jedinci (série vlastností) se v daném prostředí vede nejlépe.
Kromě primárního cíle, se agenti snaží přežít tím, že utíkají před ostatními, kteří jeho mohou sníst.

===Vlastnosti===
Každý agent má své charakteristiky. Hlavní, které chci uplatnit je rychlost, velikost a vnímání, při předpokladu stejné zásoby energie.

• Rychlost – ovlivňuje rychlost pohybu v prostředí. Zvyšuje spotřebu energie.

• Velikost – Pokud je jedinec o x % větší než druhy, tak jej může sníst namísto jídla.

• Vnímání – Je vlastnost, do jaké vzdálenosti jedinec vidí jídlo nebo hrozbu.

===Princip===
Simulace probíhá v kolech. V jednom kole vybíhají jedinci z okraje plochy a opět se do ní vracejí viz. „Agenti“. Na konci kola, zahynou jedinci v prostoru. Ti, kteří získali 1 jídlo a vrátili se, zůstávají nemění a ti, kteří získali 2 jídla se reprodukují s mutacemi. Ve větším počtu cyklů tím docílíme toho, že přežijí jedinci s vlastnostmi lépe adaptovanými k tomu, jak prostředí funguje.

===Proměnné===
• Počet aktérů

• Počet generovaného jídla

• O kolik procent musí být jedinec větší, aby mohl sníst menšího

• Zásoba energie

===Náhodné proměnné===
• Původní umístění jedinců

• Umístění jídla

• Změna vlastností

===Data pro nastavení simulace===
Jelikož se jedná o přírodní výběr, lze se k proměnným chovat jako k jiným fenotypovým vlastnostem, tedy pro každou vlastnost může být odlišná. Avšak k odvození hodnot použiji tento článek: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3497250/

Další zdroje:

https://evolution.berkeley.edu/teach-evolution/misconceptions-about-evolution/

https://www.khanacademy.org/science/biology/her/evolution-and-natural-selection/v/introduction-to-evolution-and-natural-selection

[[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 12:06, 6 May 2024 (CET)

: Velmi obecné, konkretizujte. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:25, 7 May 2024 (CET)

: Pokusil jsem se zadání více konkretizovat. [[User:Rubo01|Rubo01]] ([[User talk:Rubo01|talk]]) 06:18, 9 May 2024 (CET)

== Simulácia podkladní v supermarkete ==

=== Popis ===
Simulácia sa zameriava na skúmanie vplyvu počtu pokladní na zisk supermarketu. Cieľom je zistiť, ako množstvo pokladní má najväčší pozitívny vplyv na zisk, pričom sa berú do úvahy aj dlhé fronty, ktoré môžu odradiť zákazníkov a viesť k ich odchodu.

===Agenti===
Agenti sú jednnotlivý zákazníci.

===Cíl===
Cieľom simulácie je nájsť optimálny počet pokladní a ich rýchlosť obsluhy, ktoré zabezpečia maximálny zisk pre supermarket.
Optimálny počet pokladní a rýchlosť obsluhy budú merať podľa:

• Celkový zisk supermarketu
• Dĺžka fronty na pokladniach
• Čas, ktorý trvá zákazníkom od začiatku fronty k momentu zaplatenia

===Užitočnosť===
Táto simulácia poskytne užitočné informácie o tom, ako zlepšiť prevádzku pokladní a maximalizovať zisk. Pomôže efektívnejšie riadiť personál a prispôsobiť sa meniacim sa potrebám zákazníkov.

===Metóda a spôsob simulácie===
Ako nástroj na tvorbu modelu použijem NetLogo

===Premenné===
• Počet pokladní
• Rýchlosť obsluhy pokladní
• Počet zákazníkov

===Náhodné premenné===
Všetky premenné budú náhodné premenné.

===Dáta===
Historické údaje o príchode zákazníkov do supermarketu, vrátane "peak hours" a priemerných tokov zákazníkov. Priemerné časy obsluhy pri pokladniach založené na pozorovateľných údajoch.

[[User:Lavd01|Lavd01]] ([[User talk:Lavd01|talk]]) 16:10, 6 May 2024 (CET)

: Dokud jsme měli ještě v programu zařazené diskrétní simulace, toto byla naprosto typická úloha právě na ně (dokonce byla ve slidech) a odkázal bych Vás na Simprocess. V tomto případě Simprocess už k dispozici není, lze to řešit jinými nástroji, např. AnyLogicem, které jsme ale nedělali. Řešení v NetLogu je možné, bude ale poměrně pracné. Nicméně, pokud na tom trváte, tak '''schváleno''' a budu zvědav, jak se to bude lišit od řešení v Simprocessu. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:30, 7 May 2024 (CET)

== Simulace úspěšnosti studentů ==

=== Popis ===
Simulace se zaměřuje na zkoumání vlivu různých faktorů, jako je typ školy, pohlaví studenta, věk, typ adresy, velikost rodiny, stav spoluobývání rodičů, úroveň vzdělání matky, úroveň vzdělání otce, povolání matky a povolání otce, na akademický výkon a úspěch studentů ve školním vzdělávání.

===Agenti===
Agenti jsou studenty

=== Cíl ===
Cílem simulace je analyzovat vliv sociodemografických faktorů na úspěšnost studentů a vzdělávací výsledky. Cílem je identifikovat klíčové determinanty akademického výkonu studentů a zkoumat strategie pro zlepšení rovnosti ve vzdělávání a přístupu k němu.

=== Užitečnost ===
Tato simulace poskytne užitečné poznatky pro pedagogy, politické rozhodovatele, školní administrátory a výzkumníky. Pedagogové ji mohou využít k porozumění, jak různé sociodemografické charakteristiky studentů ovlivňují akademické výsledky a přizpůsobit intervence podle potřeby. Politici ji mohou využít k navrhování politik založených na důkazech, které mají za cíl snížit nerovnosti ve vzdělávacích výsledcích. Školní administrátoři ji mohou využít k efektivnímu alokování zdrojů a implementaci cílených podpůrných programů. Výzkumníci ji mohou využít k zkoumání komplexních interakcí mezi různými sociodemografickými faktory a úspěchem studentů.

=== Metoda a způsob simulace ===
Jako prostředek pro tvorbu modelu použiju NetLogo.

=== Proměnné ===
• Pohlaví studenta (F nebo M)
• Věk
• Typ adresy (městská nebo venkovská)
• Velikost rodiny (menší nebo rovno 3 nebo větší než 3)
• Stav spoluobývání rodičů (žijí spolu nebo odděleně)
• Úroveň vzdělání matky (0-4)
• Úroveň vzdělání otce (0-4)

=== Náhodné proměnné ===
• Motivace ke studiu

=== Dáta ===
Hodnoty proměnných budou založeny na datasetu (Student achievement in secondary education of two Portuguese schools. - https://www.kaggle.com/datasets/larsen0966/student-performance-data-set/data), přičemž distribuce a charakteristiky každé proměnné budou odpovídat empirickým datům.

: Není mi úplně jasné, jak by měla taková simulace vypadat. Můžete konkretizovat? Ideálně i s obrázky, [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:30, 7 May 2024 (CET)
: 1. Vizuální Představení: V NetLogo bude scéna připomínat třídu s 30 studenty (agenti), kde každý student bude reprezentován jako agent s unikátním ID.
: 2. Nastavení Atributů: V levém panelu bude možné pomocí sliderů a vstupních polí měnit atributy každého studenta.
: 3. Interaktivní Úpravy: Uživatelé budou moci dynamicky upravovat tyto atributy a okamžitě vidět, jak se změny promítnou do inicializace agentů v modelu.
: 4. Modelování Úspěšnosti: Po nastavení atributů a spuštění modelu se pro každého studenta vypočítá hodnota úspěšnosti. Tento výpočet bude založen na předem definovaném modelu, který zahrne : kombinaci významných atributů a jejich vliv na akademický výkon
: 5. Bez Dynamických Interakcí: Vzhledem k absenci časových a interakčních dat bude simulace provádět jednorázový výpočet úspěšnosti bez sledování dynamických změn v čase.
: 6. Zobrazení Úspěšnosti: Po dokončení modelování bude každý student v třídě (scéně) mít přiřazenou hodnotu úspěšnosti, která bude zobrazena vedle jeho ikony nebo v datové tabulce pod : : scénou.
: 7. Statistické Grafy: Pod vizualizací třídy budou prezentovány různé statistické grafy, včetně:
: * Distribuce Úspěšnosti: Histogram nebo boxplot ukazující rozložení úspěšnosti mezi studenty.
: * Distribuce Motivace: Podobné grafy pro motivaci a další číselné atributy.
: * Korelační Grafy: Scatter ploty nebo jiné grafy zobrazující korelace mezi úspěšností a jednotlivými atributy, aby bylo možné identifikovat faktory s největším vlivem.
: 8. Plánované Rozšíření Modelu: Po prvotní analýze a identifikaci významných korelací plánuju rozšířit model o další zajímavé atributy, které mohou mít vliv na úspěšnost studentů: Počet : hodin strávených studiem, Počet absencí, Konzumace alkoholu,a další relevantní faktory zahrnuté v datasetu

== Vplyv odlesňovania v Amazónií na globálne otepľovanie ==

=== Popis ===
Táto simulácia sa zameriava na analýzu odlesňovania v Amazónií a jeho vplyv na globálne otepľovanie. Hlavným cieľom je študovať, ako zmeny v rozlohe lesných porastov ovplyvňujú teplotu, vlhkosť a iné environmentálne faktory.

===Agenti===
1. Lesníci: Agenti zodpovední za rozhodovanie o odlesňovaní.

2. Stromy: Agenti reprezentujúci lesný porast v oblasti simulácie.

3. Senzor: Agenti sledujúci teplotu, vlhkosť a iné v rôznych častiach oblasti.

=== Cíl ===
Cieľom simulácie je analyzovať, ako rôzne úrovne odlesňovania ovplyvňujú teplotu a ďalšie environmentálne faktory v danej oblasti.

=== Užitečnost ===
Simulácia poskytuje užitočný nástroj na preskúmanie dopadov odlesňovania na miestne klimatické podmienky a globálne otepľovanie. Vďaka vizualizácie sa vytvára priestor pre lepšie pochopenie procesov, ktoré sa dejú v dôsledku odlesňovania Amazónie. Na základe simulácie je viditeľné aký vplyv má odlesňovanie na teplotu a vlhkosť v oblasti a na celosvetové klimatické zmeny a pomáha tak identifikovať optimálne stratégie riadenia lesníctva z hľadiska ochrany klímy.

=== Metoda a způsob simulace ===
Simulácia bude používať agent-based modelovanie NetLogo, kde jednotlivé entity (agenti) budú reagovať na zmeny vo svojom prostredí a vykonávať určité akcie na základe stanovených pravidiel.

1. Inicializácia: Na začiatku simulácie sa definuje topografia, rozmiestnenie stromov a miesto lesníkov.

2. Krok simulácie: V každom kroku lesníci rozhodujú o tom, koľko stromov odstránia a kde. Potom sa aktualizuje stav stromov a environmentálne faktory.

3. Vyhodnotenie: Po určenom počte krokov sa vyhodnotia zmeny v teplote, vlhkosti a iných faktoroch.

=== Proměnné ===
• Počet senzorov = 5

• Lesná plocha: Miera lesného porastu v oblasti simulácie, môže byť vyjadrená ako počet stromov alebo pomer lesného pokrytia vzhľadom na celkovú plochu.

• Teplota

• Vlhkosť

=== Náhodné proměnné ===
• Úroveň odlesňovania: Percento stromov odstránených lesníkmi, čo ovplyvňuje veľkosť a rozlohu lesného pokrytia.

• Počet lesníkov

=== Dáta ===
• Global Forest Watch (https://www.globalforestwatch.org/): Poskytuje dáta o odlesňovaní a lesných pokryvkách z celého sveta, vrátane histórie odlesňovania a zmeny lesných ploch.

• NASA Earth Observing System Data and Information System (EOSDIS) (https://earthdata.nasa.gov/): NASA ponúka širokú škálu dát o poveternostných podmienkach, teplotách, vlhkosti a ďalších environmentálnych faktoroch pomocou svojich satelitných misií.

• WorldClim (https://www.worldclim.org/): Poskytuje voľne dostupné globálne klimatické dáta, vrátane teploty, zrážok a iných klimatických premenných, ktoré môžu byť použité na simuláciu klimatických podmienok v rôznych oblastiach.

• Food and Agriculture Organization of the United Nations (FAO) (http://www.fao.org/faostat/en/#data): FAO poskytuje štatistické dáta o lesníctve a odlesňovaní, vrátane údajov o množstve odlesnených ploch v rôznych krajinách a regiónoch.

[[User:Drgv00|Drgv00]] ([[User talk:Drgv00|talk]]) 15:44, 7 May 2024 (CET)

== Simulace plastového znečištění oceánů ==

=== Popis ===
Simulace se zaměřuje na aktuální problém znečištění oceánů plastem. Oceány se neustále znečišťují, ale je i vynaložené úsilí toto znečištění mitigovat. Tato simulace reflektuje oba aspekty problematiky. Simulace ukáže interakci úklidových lodí a hromadícího se plastu v oblasti Great Pacific Garbage Patch.

=== Cíl ===
Cílem simulace je zkoumat mitigační schopnosti úklidových lodí v oblasti Great Pacific Garbage Patch a navrhnout hrubý plán projektu, který by symbolizoval optimální počet nasazených úklidových lodí pro efektivní odbyt plastu a hlavní faktory příspívající do navyšujícího se znečištění.

=== Užitečnost ===
Výsledky této simulace mohou bý užitečné jak pro laiky, kterým přehledně vizualizuje akutní problematiku z hlediska znečištění oceánů, tak pro experty, kteří na základě výsledků mohou sledovat trendy znečištění na základě zkoumaných faktorů - zda je možné nalézt řešení, které vyústí v rychlejší odbyt plastu v oceánech, než jeho přísun. Též je vhodné identifikovat faktory, které nejvíce přispívají znečištění.

=== Metoda a způsob simulace ===
Nejsem si jistý, zda vytvářím moc komplikovaný návrh, tak rozděluji agenty na kategorie co si myslím, že by bylo zásadní, a co naopak dodatečné.

Základ:

Simulace bude modelována jakožto agentní simulace pomocí nástroje NetLogo. Mezi agenty lze řadit úklidové lodě a samotné plastové částice.

Rozšíření:

Autora napadlo přidat i lodě, které naopak znečištění způsobují (cca 70% odpadu v mořích způsobují právě lodě). Též je jedním z nápadů přidat jako agenta mořského živočicha, který by přílišnou vysokou koncentrací znečištění "trpěl", a dostatečnou mitigací znečištění naopak mohl existovat relativně bez problému.

=== Proměnné ===
Nejsem si jistý, zda vytvářím moc komplikovaný návrh, tak rozděluji proměnné na kategorie co si myslím, že by bylo zásadní, a co naopak dodatečné.

Základ:

• Množství vypouštěného plastu

• Koncentrace plastu na km^2

• Kapacita úklidové lodě

• Rychlost úklidové lodě

• Rychlost oceánských proudů (přísun plastu)

Rozšíření:

• Velikost plastu (mikroplast, mesoplast, makroplast, megaplast)

• Kategorie plastu (Typ H, N, P, F)

• Persistence plastu (schopnost přetrvávat na jednom místě)

• Geografická lokalizace vypouštění plastu

• Vertikální pozice plastu (pokud se plast objeví, jestli je moc hluboko na zachycení lodí)

=== Náhodné proměnné ===
• Události (katastrofy, dobrovolnické akce pro sběr plastu)

• Počasí (povětrnostní podmínky)

• Lidská činnost (změna legislativy, spotřeba plastových výrobků)

=== Použitá data pro nastavení simulace ===
• Především: https://theoceancleanup.com/great-pacific-garbage-patch/

• https://powerknot.com/2023/02/20/how-ships-are-fueling-the-global-plastic-pollution-crisis/

• https://www.earthdata.nasa.gov/learn/articles/ocean-plastic

• https://marine.copernicus.eu/explainers/phenomena-threats/plastic-pollution/from-plastic-marine-pollution

• https://www.geographyrealm.com/how-ocean-currents-move-pollution-around-the-world/

• https://theoceancleanup.com/ocean-plastic/

[[User:Kovs04|Kovs04]] ([[User talk:Kovs04|talk]]) 21:52, 7 May 2024 (CET)

== Simulácia: predikcia počtu obyvateľov Slovenskej republiky ==

=== Popis ===

Práca bude simulovať vývoj počtu obyvateľov Slovenska do budúcna. Do úvahy sa bude brať viacero faktorov, ktoré můžu ovplyvňovať vývoj počtu obyvateľov, preto sa budem snažiť o čo najprenejšie výsledky a aby simulácia zohľadňovala dostatočné mnžostvo faktorov a bola komplexná. Simulácia bude založená iba na reálnych dostupných štatistických dátach a nebude obsahovať žiadne náhodné premenné.

=== Prostredie ===
Simulácia bude prebiehať v prostredí Vensim.

=== Cieľ ===
Predpovedať a graficky znázorniť dlhodobý vývoj počtu obyvateľov SR (napríklad 150 rokov dopredu). Popísať trend rastu/poklesu obyvateľov. Projekcia pôrodnosti, úmrtnosti. Aký faktor ovplyňuje vývoj populácie najviac? Akú rolu v tomto hrajú ostatné faktory?

=== Premenné ===

• počet obyvateľov

• prírastok

• úbytok

• imigrácia

• emigrácia

• úmrtnost

• porodnosť

• a ďalšie podľa potreby

=== Dáta ===
Vstupné dáta budú podľa najlepšieho formátu vybrané z:

https://www.statista.com/statistics/1009083/total-population-slovakia-1950-2020/.

https://www.worldometers.info/world-population/slovakia-population/.

https://worldpopulationreview.com/countries/slovakia-population

[[User:Simon kavicky|Simon]] ([[User talk:Simon kavicky|talk]]) 11:06, 8 May 2024 (CET)
:: '''Schváleno'''. Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:47, 9 May 2024 (CET)

== Simulace profitability nových finančních produktů při zohlednění rizika nedobytnosti pohledávek a ceny zdrojů ==

=== Cíl ===
Cílem je vytvořit nástroj pro podporu prvnotního nastavení RPSN (poplatku a/nebo sazby) nově nabízeného finančního produktu podle míry rizika nedobytnosti pohledávek a ceny zdrojů za účelem zajištění profitability. Nástroj by měl být parametrizovatelný na základě potřeb finanční organizace, včetně možnosti upravit simulaci podle analýzy vlastních historických dat z již nabízených produktů – viz část o datech níže.

=== Využití ===
Uživateli by měli být pracovníci z oddělení finančních institucí zodpovění za pricing produktů a služeb. Protože se jedná o netechnické uživatele s vysokou úrovní kvalifikace v jiném oboru, měla by být simulace spustitelná z "frontendu" – úvodní obrazovky, která umožňuje zadat finanční nebo statistické vstupy popisující historická data a cenu zdrojů. V případě nezadání některé z hodnot se použijí rozumné předdefinovnaé hodnoty.

=== Metoda a prostředí simulace ===
Monte Carlo, Excel. Záměrem je vytvoření rozsáhlejší a vícekrát iterované simulace pro zajištění kvalitního výsledku na základě statistických informací o historických datech na již spuštěných, podobných typech produktů.

=== Proměnné ===
Vzhledem ke zvolené metodě budou generovány řádově stovky záznamů o fiktivních úvěrech, jejichž parametry budou odpovídat statisticky určeným rozdělením na základě vstupního datasetu popsaného níže. Zásadní je přitom informace, zda úvěrový produkt "defaultoval" – zda byl nebo nebyl splacen ze strany klienta. Jedná se o binární závislou proměnnou, určenou na základě výše úvěru, příjmu klienta a případně dalších vybraných veličin dostupných v datech, jejichž hodnota bude určována na základě zjištěného rozdělení pravděpodobnosti. Sledovaná závislá proměnná bude určena na základě překročení prahové hodnoty váženým součtem ostatních veličin, přičemž správnost stanovení prahové hodnoty a vah bude ověřena vůči vstupnímu datasetu.
Na vstupu se bude očekávat parametr ceny zdrojů a případně statistické informace.
Výstupním parametrem bude "break-even" RPSN, nad kterou by již měl být produkt profitabilní. U skutečných produktů by bylo nutné určit sazbu, poplatek nebo jejich kombinaci; jedná se nicméně o ryze obchodní rozhodnutí, protože sazby a poplatky jsou typicky technicky převeditelné.

=== Data využitá pro přípravu simulace ===
Využití skutečných dat je problematické z hlediska regulací, kterým bankovní instituce podléhají. Bude proto statisticky zpracován vstupní dataset [https://app.datacamp.com/learn/courses/credit-risk-modeling-in-python] z výukové aplikace, ale uživatel bude mít také možnost zadat jiné statistické informace na základě vlastní analýzy (nebo informací od příslušného oddělení).

[[User:Budj07|Budj07]] ([[User talk:Budj07|talk]]) 20:17, 9 May 2024 (CET)

:: '''Schváleno'''.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 10:37, 10 May 2024 (CET)

== Simulace implementace SW projektu pro potřeby projektového řízení ==

=== Cíl ===
Cílem této simulace je vytvořit model systémové dynamiky softwarového projektu, který zohlední známé proměnné i prvek náhody a pomůže zkoumat vliv jednotlivých faktorů a vzájemné ovlivňování v důležitých parametrech projektu

=== Využití ===
Model by mohl být použit při naceňování, stanovení termínu dodání, nebo odhadu míry rizika. Mohl by být použit i na modelování důsledků změn v projektu.

=== Metoda a prostředí simulace ===
Simulace bude realizována prostřednictvím nástroje Vensim.

=== Proměnné ===
. Scope
. Costs
. Time
. Resources
. Quality
. Risk

=== Náhodné proměnné ===

nemoc výpověď dovolená chyba v analýze

=== Zdroje ===

LI, Suinan. A generic model of project management with Vensim. 2008. Master's Thesis. Universiteteti Agder/Agder University.
https://uia.brage.unit.no/uia-xmlui/bitstream/handle/11250/137043/Suinan_Li.pdf?sequence=1

BESTEIRO, Élen Nara Carpim; DE SOUZA PINTO, Jefferson; NOVASKI, Olívio. Success factors in project management. Business management dynamics, 2015, 4.9.
https://web.archive.org/web/20180420205905id_/http://bmdynamics.com/issue_pdf/bmd110530a-%2019-34.pdf

[[User:Pavl11|Pavl11]] ([[User talk:Pavl11|talk]]) 20:30, 9 May 2024 (CET)

:: '''Schváleno.''' Pozor na to, že při hodnocení bude kladen velký důraz, mimo jiné, i na komplexnost analýzy a jak byly proměnné simulace a jejich vztahy odvozeny (je třeba, aby to bylo součástí zprávy k simulaci).[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 10:38, 10 May 2024 (CET)

== Simulace účinnosti očkování na šíření nákazy ==

=== Popis ===

Simulace bude řešit problematiku očkování a její účinnosti proti agresivní nákaze. Bude možné si nastavit počet obyvatel (hustotu zalidnění), počáteční počet očkovaných lidí, agresivitu a dobu nakaženosti (tedy možného úmrtí a přenosu).

=== Cíl ===

Poukázat na fakt, že očkování má velký dopad na boj proti agresivním a rychle se šířícím nákazám.

=== Užitečnost ===

Simulace nám může ukázat, jak se nákazy šíří a jak moc velký vliv má proočkovanost lidí na šíření nemoci.

=== Metoda a způsob simulace ===

Simulace v aplikaci NetLogo

=== Proměnné ===
- Počet obyvatel v oblasti

- Počet počátečně očkovaných lidí

- Počet počátečně nakažených lidí

- Pravděpodobnost nákazy při kontaktu

- Pravděpodobnost úmrtí na nákazu

- Doba nakažení (nemoci)

- Účinnost očkování (pravděpodobně by to chtělo taky zahrnout)

- Při jakém procentu se lidi začnou hromadně očkovat a míra, kolik lidí se nechá očkovat

- Umístění vzniku tornáda

=== Náhodné proměnné ===

- Síla imunity

- Rychlost, směr a obecně kontakty agentů

- Přenos nákazy

=== Použitá data pro nastavení simulace ===

Data si bude moci člověk pomocí posuvníků nastavit sám. Pokud bude potřeba nastavit počáteční hodnoty dle nějaké konkrétní nemoci, data ještě dodám.

[[User:Sedp11|Sedp11]] ([[User talk:Sedp11|talk]]) 11:45, 10 May 2024 (CET)

== Simulace evakuace při zemětřesení v Japonsku ==

=== Popis ===
V této práci se pokusím nasimulovat evakuaci osob při zemětřesení v Japonsku, konkrétně v centru města Nagoya.

=== Cíl ===
Hlavním účelem je zachytit takový scénář, který bude dále možné využít k analýze dopadů na infrastrukturu a obyvatelstvo po zemětřesení. Dále by mohlo být možné identifikovat ideální trasy k evakuaci či naopak oblasti, kterým se vyhnout.

=== Metoda a způsob simulace ===
Plánuji použít nástroj NetLogo, mělo by se jednat o multiagentní simulaci.

=== Agenti ===
Osoby/Budovy/Úkryty

=== Proměnné ===
• Rozložení úkrytů
• Zalidnění oblasti
• Stav osoby
• Rychlost osoby
• Stav budovy
• Kapacita úkrytu

=== Náhodné proměnné ===
• Rozhodnutí k evakuaci
• Síla zemětřesení
• Úroveň paniky

=== Data ===
• https://www.city.nagoya.jp/bosaikikikanri/cmsfiles/contents/0000154/154013/06_english_jishin_naka.pdf: mapa znázorňující umístění evakuačních úkrytů, očekávanou intenzitu zemětřesení a pravděpodobnost ztekucení/sesuvu půdy

• https://www.citypopulation.de/en/japan/nagoya/23106__naka_ku/: zalidnění oblasti, věkové rozložení obyvatelstva

• https://www.jstage.jst.go.jp/article/jnds/34/1/34_41/_pdf/-char/ja: studie pro inspiraci

[[User:Helm07|Helm07]] ([[User talk:Helm07|talk]]) 12:25, 10 May 2024 (CET)

== Simulace zombie apokalipsy ==

=== Popis ===
V této práci se pokusím nasimulovat děj, kdy se lidi snaží přežít apokalipsu tím, že hledají jídlo, krmí lovce, kteří loví zombíky. Mezitím je loví zombíci.

=== Cíl ===
Hlavním účelem je zachytit takový scénář, kdy se povede lidem přežít apokalipsu a vymazat zombíky z povrchu zemského.

=== Metoda a způsob simulace ===
Plánuji použít nástroj NetLogo, mělo by se jednat o multiagentní simulaci.

=== Agenti ===
Osoby/Budovy/Úkryty

=== Proměnné ===
• Poměr lovců a sběračů
• Procento o kolik jídla se sběrač podělí s lovcem
• Critical hit damage
• Počet bloků jídla

=== Náhodné proměnné ===
• Počet lidí
• Počet zombíků
• Počáteční damage lovců

[[User:Bohr03|Bohr03]] ([[User talk:Bohr03|talk]]) 13:03, 10 May 2024 (CET)

== Simulace vývoje korálových útesů ==

=== Popis ===
Korálové útesy představují jedny z nejcennějších ekosystémů naší planety, ale v posledních desetiletích jsou vystaveny značnému tlaku způsobenému lidskou činností a změnami životního prostředí.

=== Cíl ===
Cílem této simulace je zkoumat komplexní interakce, které ovlivňují zdraví a stabilitu korálových útesů.

=== Užitečnost ===
Model umožní lépe porozumět faktorům, které přispívají k zániku korálových útesů a které faktory na korálové útesy mají jen minimální dopad.

=== Metoda a způsob simulace ===
Metoda a způsob simulace budou realizovány prostřednictvím nástroje Vensim.

=== Proměnné ===
• Velikost korálového útesu
• Teplota vody
• Míra rybolovu
• Kyselost moří
• Znečištění

=== Náhodné proměnné ===
• Přirozená teplota vody
• Přírodní katastrofy
• Ekonomické trendy
• Politické změny

=== Použitá data pro nastavení simulace ===
https://www.climatefoundation.org/reversing-coral-bleaching.html?gad_source=1&gclid=CjwKCAjwi_exBhA8EiwA_kU1Mn29cECn6ZAe5bbSqClNxABvD8Ic7PTnx93Z5tGExSb2kSquoM8LpBoCkQ8QAvD_BwE
https://climate.nasa.gov/explore/ask-nasa-climate/3290/vanishing-corals-part-two-climate-change-is-stressing-corals-but-theres-hope/

[[User:Osis02|Osis02]] ([[User talk:Osis02|talk]]) 14:54, 10 May 2024 (CET)

== vala18 - Vesmírné smetí: simulátor kolizí satelitů a vesmírného smetí ==

* Chtěl bych simulovat pohyb satelitů a vesmírného odpadu (tzv. vesmírného smetí) v dílčí části zemské oběžné dráhy (reprezentované jako 2D rovina), kde se satelity pohybují po předem určených trajektoriích, ale pohyb smetí je poněkud náhodný. Pokud se smetí srazí s jiným smetím, změní směr a vytvoří o něco více smetí, pokud se smetí srazí se satelitem, satelit je zničen a vznikne velké množství smetí. Pak bych spustil simulaci, která by vypočítala časový odstup mezi srážkami na základě výchozích podmínek, jako je počet družic, hustota trosek a násobení trosek (kolik kusů dalších trosek srážky vytvoří).
* Kosmický odpad představuje významný problém kvůli rostoucímu množství vyřazených družic, vyhořelých raketových stupňů a úlomků na oběžné dráze Země. Rostoucí množství odpadu zvyšuje riziko kolize, což ohrožuje operující družice a budoucí vesmírné mise. Tento problém ohrožuje vesmírnou infrastrukturu, zhoršuje zahlcení oběžné dráhy a vyvolává hrozbu vzniku ještě většího počtu fragmentů v důsledku srážek, což může vést k vytvoření samoudržujícího se cyklu šíření vesmírného odpadu. Řešení tohoto problému má zásadní význam pro zajištění udržitelnosti kosmických aktivit a předcházení dlouhodobým důsledkům pro orbitální prostředí Země a výzkum vesmíru. Navrhovaný simulátor by mohl pomoci ukázat a vypočítat podmínky, za kterých takové samoudržující se šíření kosmického odpadu vzniká; i když se zjednodušeným modelem, a snad i poučit o výše uvedeném problému.
* NetLogo - agent based modeling (dva typy agentů: satelity (družice) a vesmírné smetí)
** Při zpracování modelu použiji nádledující zjednodušení:
*** budu modelovat pouze dílčí část oběžné dráhy Země, která bude znázorněna jako 2D "mapa" pevné velikosti (pixelů/čtverečků) tvořící mřížku,
*** objekty (satelity a smetí) se mohou na mapě pohybovat pouze v 8 různých směrech,
*** všechny objekty se pohybují stejnou rychlostí (jeden pixel/čtvereček za tah),
*** objekty jsou čtverce; minimální velikost je 1x1 pixel/čtvereček, pak 2x2 pixely/čtverečeky atd...
*** při srážce objektů je výsledný počet trosek (smetí) náhodné celé číslo mezi 1 a součtem velikostí (pixelů) kolidujících objektů,
*** hmotnost objektů je úměrná jejich velikosti, tj. 1 (pixel) = 1 jednotka hmotnosti,
*** všechny objekty se řídí Newtonovými pohybovými zákony.
* Proměnné pro výchozí podmínky
** velikost mapy
** počet satelitů
** počet smetí
** výchozí poloha a směr objektů
* Variables of agents (satellites and debris)
** velikost
** hmotnost
** směr pohybu
* Za účelem simulace realistických scénářů - budou získány údaje z NASA a dalších relevantních studií týkající se hustoty úlomků a počtu družic na oběžné dráze, které budou sloužit jako výchozí podmínky navrhovaného modelu. Konkrétně plánuji použít údaje získané a zveřejněné na:
**[https://orbitaldebris.jsc.nasa.gov/|NASA ORBITAL DEBRIS PROGRAM OFFICE]
**[https://platform.leolabs.space/visualization|LEOLABS Low Earth Orbit Visualization]

Assignments WS 2022/2023

2022-12-21T00:51:26Z

Vala18: /* Heating behaviour of households */

{{Ambox
| text = <div>
Please, put here your assignments. Do not forget to sign them. You can use <nowiki>~~~~</nowiki> (four tildas) for an automatic signature. Use Show preview in order to check the result before your final sumbition.
</div>
}}

{{Ambox
| text = <div>
Please, strive to formulate your assignment carefully. We expect an adequate effort to formulate the assignment as it is your semestral paper. Do not forget that your main goal is a research paper. It means your simulation model must generate the results that are specific, measurable and verifiable. Think twice how you will develop your model, which entities you will use, draw a model diagram, consider what you will measure. No sooner than when you have a good idea about the model, submit your assignment. And of course, read [[How to deal with the simulation assignment|How to deal with the simulation assignment]].
</div>
}}

{{Ambox
| text = <div>
Topics on gambling, cards, etc. are not welcome.
</div>
}}

{{Ambox
| type = content
| text = <div>
In order to avoid possible confusion, please, check if you have added '''approved''' in bold somewhere in our comment under your submission. If there is no '''approved''', it means the assignment was not approved yet.
</div>
}}

== Effect of leniency programs on cartel rates by [[User:Baumareb|Baumareb]] ([[User talk:Baumareb|talk]]) 11:18, 7 December 2022 (CET) ==

''' Simulation '''

The leniency program of the European Commission offers the companies involved in a cartel either complete or partial immunity from fines if they self-report and hand over evidence. It was introduced in 1996, following the surge in amnesty applications in the wake of the 1993 revision of the Corporate Leniency Program of the US Department of Justice’s Antitrust Division. Reports from various implemented leniency programs showed that such programs led to numerous applications. However, despite the clear increase in leniency applications, the question poses itself as to whether the programs were also successful in a sense that the actual cartel rate in those countries declined.
The simulation will be based on a study of Harrington and Chang from 2015, in which they concluded the following:

• The actual cartel rate decreases in case that the leniency program does not affect the non-leniency enforcement

• But: if the non-leniency enforcement is affected because resources are shifted to the prosecution of leniency application cases, there might be two possibilities, the cartel rate might increase.

This simulation focuses on the latter case. Assuming endogenized non-leniency enforcement, the introduction of a leniency program might have a differential impact on different industries. If a leniency program is introduced, the cartels that are about to collapse will seek to self-report. This in turn shifts resources from exposing active cartels to prosecuting cartels that are already collapsing. This creates more work for the authorities, who, instead of focusing on active cartels may now focus on dying cartels. This crowding-out effect coming about with the introduction of a leniency program shall be simulated in this project.

''' Goal '''

The simulation will have the following objectives:

* Illustrate the change in cartel rates and the change in the average life expectancy of a cartel triggered by the introduction of a leniency program in case of endogenized non-leniency enforcement for industries with unstable cartels (e.g. industries with a high number of competitors, or demand with more price elasticity) and for industries with stable cartels (e.g. industries with less competitors and demand with less price elasticity).
* Illustrate how many resources may be shifted from non-leniency enforcement to prosecuting leniency application cases without it having an undesired effect on the actual cartel rate.

''' Practical relevance '''

The simulation may be used by law enforcement officials to evaluate whether a leniency program leads to the desired effect (i.e. the decrease in the cartel rate) or not. Also, it can help for deciding whether the non-leniency enforcement needs to be strengthened to prevent the crowding-out effect.

''' Method '''

The described scenario is a multi-agent simulation in which the agents are pursuing a utility-based approach. Thus, the simulation will be done with NetLogo.
The following features will be included into the simulation:

- For both industries with stable and industries with unstable cartels:

* Number of active cartels (dying after reaching avg. life expectancy)
* Number of competitors
* Average life expectancy of a cartel
* “Birth” of new cartels

- For leniency/non-leniency enforcement:
* Resources and their assignment to either leniency or non-leniency enforcement
* Capacity of taking down an active cartel
* Capacity of taking down a cartel based on leniency applications

The simulation will be based on the 2015 research from Harrington and Chang as well as on publicly accessible data from the European Commission regarding antitrust cases from 1964 until today.

''' Sources '''
* Harrington Jr, J. E., & Chang, M. H. (2015). When can we expect a corporate leniency program to result in fewer cartels?. The Journal of Law and Economics, 58(2), 417-449.
* Ordóñez‐De‐Haro, J. M., Borrell, J. R., & Jiménez, J. L. (2018). The European commission's fight against cartels (1962–2014): A retrospective and forensic analysis. JCMS: Journal of Common Market Studies, 56(5), 1087-1107.

[[User:Baumareb|Baumareb]] ([[User talk:Baumareb|talk]]) 11:18, 7 December 2022 (CET) Rebecca Baumann (baur00)

: This isn't an easy topic. Be careful about available data. '''Approved''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 01:46, 15 December 2022 (CET)

== The prediction of divorce rate in Czech Republic for the following 50 years ==

''' The goal of the simulation '''

Divorce in the Czech republic must always contain at least one hearing in front of the court. Legally, there are many more parties involved, such as a notary, who must verify the signatures on all the important documents and many times, divorce lawyers are also necessary. To be able to satisfy the needs of the public, all the involved parties must have an idea about how many married couples are likely to get divorced in the years to come. This simulation will help prepare the courts, notaries and lawyers by making a prediction on the amount of divorces in the next 50 years. This will also help law students choose the field of law that they will specialize in by answering the question whether divorce lawyers will be necessary in the future or not.

''' Method '''

Vensim will be used for this simulation. The used data will come from the Czech Statistical Office and possibly other sources (Refer to [1] and [2]), such as published studies on the most common reasons for divorce. When possible, the data about each reason of divorce will be also found and the simulation model will contain this data.

== Edit: additional details ==

''' What all parameters will the simulation work with and how?'''

1. Number of marriages – the more marriages, the more divorces

a/ Number of people in the age 25 to 34 (i.e., the most common age to get married) – the more there is of these people, the more marriages there will be

b/ Number of divorced people in the age 40 to 49 (i.e., the most common age to get re-married after a divorce) – the more there is of these people, the more marriages there will be, however not as much as the number above

2. Micro causes of divorces = Top 10 causes of divorce as researched by the Czech Statistical Office, published yearly – the more common are these causes (alcoholism, infidelity etc), the more divorces there will be

a/ Ill-considered marriage

b/ Alcoholism

c/ Infidelity

d/ Lack of interest in the family (incl. abandon. of living together)

e/ Ill-treatment, criminal conviction

f/ Different characters, views and interests

g/ Health reasons

h/ Sexual discord

i/ Other causes

j/ Cause not given

3. Number of people in the age 40 to 49 – the more there is of these people, the more divorces there will be (it is the most common age to get divorced)

4. Macro causes of divorces

a/ Economic independence of women = the more economically independent women are, the more likely they are to divorce in case of an unhappy marriage – this will be evaluated through a comparison of data of average income of men vs. women

b/ Being religious – divorce is far less common for religious people.

''' What data source will be used for deriving the equations?'''

Based on my current research of data sources, the Czech Statistical Office has the all the data necessary for this paper.

[1] Scott, S. B., Rhoades, G. K., Stanley, S. M., Allen, E. S., & Markman, H. J. (2013). Reasons for Divorce and Recollections of Premarital Intervention: Implications for Improving Relationship Education. Couple & family psychology, 2(2), 131–145. https://doi.org/10.1037/a0032025

[2] Hawkins, Alan & Willoughby, Brian & Doherty, William. (2012). Reasons for Divorce and Openness to Marital Reconciliation. Journal of Divorce & Remarriage. 53. 453-463. 10.1080/10502556.2012.682898.

: Sounds interesting, but I miss more detail about the simulation. What all parameters will the simulation work with and how? What data source will be used for deriving the equations? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 11:03, 15 December 2022 (CET)
:: ''' Approved'''. Just make sure that the equtions, reasons for divorce and their impact on divorce rate are properly quantified.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 07:23, 17 December 2022 (CET)

==Crop Yield Forecasting==

''' Simulation '''

Crop growth and development simulations and yield forecasting will be performed using variables such as crop type, planting date, soil type, soil texture, and climate data (temperature, rainfall, etc.).

'''Problem definition'''

Arable land is increasingly limited, while the world's population has steadily been increasing over the years. In order to meet rapidly rising demand, production must be increased while natural resources must be protected. New agricultural research is needed to provide information on how to achieve sustainable agriculture in the face of global climate variability. Predicting crop yield under different conditions, such as different irrigation regimes, planting dates, and crop management practices, has become critical for farmers and other stakeholders who use these predictions to make more informed decisions about how to allocate resources, such as labor, equipment, and inputs, to maximize yield and productivity.

'''Method'''

Crop yield simulation tools include AquaCrop, DSSAT, and CropSyst. These tools use mathematical models to simulate crop growth and development based on input data like weather, soil type, and management practices. These tools use this data to estimate the crop's potential yield, as well as other important factors like water use and crop evapotranspiration. For this assignment I will be using AquaCrop which is a crop water productivity model developed by the United Nations Food and Agriculture Organization (FAO). It is used to simulate crop growth and yield under various environmental and management conditions. AquaCrop simulates crop growth and development, and estimates yield based on soil conditions, climate, irrigation, and management practices. The application gives access to various FAO databases with all the necessary data needed to perform a comprehensive simulation of the crop yield.

'''Citations'''

* Y. Lu, C. Wei, M. F. McCabe, and J. Sheffield, “Multi-variable assimilation into a modified AquaCrop model for improved maize simulation without management or crop phenology information,” Agricultural Water Management, vol. 266, p. 107576, May 2022, doi: 10.1016/j.agwat.2022.107576.
* P. N. Kephe, K. K. Ayisi, and B. M. Petja, “Challenges and opportunities in crop simulation modelling under seasonal and projected climate change scenarios for crop production in South Africa,” Agriculture & Food Security, vol. 10, no. 1, p. 10, Apr. 2021, doi: 10.1186/s40066-020-00283-5.
* N. T. Olivera, O. B. Manrique, Y. G. Masjuan, and A. M. G. Alega, “Evaluation of AquaCrop model in crop dry bean growth simulation,” Revista Ciencias Técnicas Agropecuarias, vol. 25, no. 3, pp. 23–30, Accessed: Dec. 10, 2022. [Online]. Available: https://www.redalyc.org/journal/932/93246970003/html/
* N. Pirmoradian, Z. Saadati, M. Rezaei, and M. R. Khaledian, “Simulating water productivity of paddy rice under irrigation regimes using AquaCrop model in humid and semiarid regions of Iran,” Appl Water Sci, vol. 10, no. 7, p. 161, Jun. 2020, doi: 10.1007/s13201-020-01249-5.

[[User:Pierreatekwana|Pierreatekwana]] ([[User talk:Pierreatekwana|talk]]) 15:06, 15 December 2022 (CET)

: Topic souds interesting, but the proposed simulation tool has to be one of the ones we have used in our class ( as specified in How to deal with the simulation assignment:
One of your key course requirements is a submission of simulation. You choose your topic yourself, the same as a method and a tool that you will use. It could be any of the development environments we have used (Excel, Simprocess, Netlogo, or Vensim).) [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 07:05, 17 December 2022 (CET)

== Electricity Spot Market Simulation by [[User:Ceta|Ceta]] ([[User talk:Ceta|talk]]) 01:13, 16 December 2022 (CET) ==
'''IDEA 2'''
Pumped-storage hydroelectricity (PSH), or pumped hydroelectric energy storage (PHES), is a type of hydroelectric energy storage used by electric power systems for load balancing. The method stores energy in the form of gravitational potential energy of water, pumped from a lower elevation reservoir to a higher elevation. Low-cost surplus off-peak electric power is typically used to run the pumps. During periods of high electrical demand, the stored water is released through turbines to produce electric power. Although the losses of the pumping process make the plant a net consumer of energy overall, the system increases revenue by selling more electricity during periods of peak demand, when electricity prices are highest. If the upper lake collects significant rainfall or is fed by a river then the plant may be a net energy producer in the manner of a traditional hydroelectric plant.

Pumped-storage hydroelectricity allows energy from intermittent sources (such as solar, wind) and other renewables, or excess electricity from continuous base-load sources (such as coal or nuclear) to be saved for periods of higher demand. The reservoirs used with pumped storage are quite small when compared to conventional hydroelectric dams of similar power capacity, and generating periods are often less than half a day.

'''Problem definition'''
Company PMP wants to build a new pumped storage hydroelectricity power plant across a river. This facility will be generating power during the peak hours of the day because of its half day upstream reservoir capacity. And for the off-peak hours it will be pumping up the water that is collected in its downstream reservoir using the power from the grid. So, basically, during the day it will be generating power and selling it with peak prices, and during the evening it will be consuming energy and will need to buy it for off peak prices. The Company PMP is trying to decide about downstream reservoir capacity. To decide it they need to simulate the system with water inflow input and market prices to decide what proportion of upstream and downstream reservoirs would be optimal to decide on size of downstream reservoir.

'''Parameters:'''

Stream inflow (m3/s or m3/day or another conversion)

Upstream active reservoir volume = half day generation of hydro power plant

Installed capacity of hydro power generation (MW)

Precipitation (Random normal)

Evaporation (0.1 percentage lost every hour)

Generator power factor (How much water volume needed for per MWh generation)

Pump flow capacity (m3/s or m3/day or another conversion)

Pumping consumption factor (How much MWh needed per m3)

Initial active reservoir levels (percentage full)

Spot Market Prices (Usd/MWh)

Upstream reservoir maximum capacity (m3) (Fixed)

Downstream reservoir maximum capacity (m3) (Variable)

Compulsory flow schedule back to river (m3) (Fixed)

'''Method'''
Most probably Vensim simulation will be done.

Upstream active reservoir volume = Initial reservoir volume level (UpS) + stream inflow + pumped inflow – penstock outflow (to generation) + precipitation – evaporation
(Between 0 and Upstream reservoir maximum capacity (m3))

Downstream active reservoir volume = Initial reservoir level (DwS) + penstock outflow (from generation) – pumped inflow
(Between 0 and Downstream reservoir maximum capacity (m3) (Variable)) - compulsory flow schedule back to river

Revenues = SUM (Power Generated x Spot Market Price) - SUM (Power Consumed x Spot Market Price)

Power Generated = Generator power factor x penstock outflow (to generation)

Power Consumed = Pumping consumption factor x pumped inflow

'''Goal'''
To simulate and determine the ratio of Upstream reservoir maximum capacity / Downstream reservoir maximum capacity

'''Sources:'''
https://en.wikipedia.org/wiki/Pumped-storage_hydroelectricity
https://seffaflik.epias.com.tr/transparency

'''IDEA 1'''

'''Problem definition'''

Anthony is as a portfolio manager in the power company Goodpower. Goodpower has a portfolio of hydro power plants. Goodpower is a market participant in a liberated market structure. The power generation can be sold either in spot market with volatile prices, or it can be sold with a yearly fixed price on over the counter (OTC). Goodpower assigned Anthony responsible for optimization of power generation revenue. Now Anthony needs to decide on how much generation to risk in the volatile spot market and how much to risk with the fixed price. After contacting the power brokers in OTC market, he was offered the following deals:

1. A baseload deal with a fixed price.

2. An off-peak hours deal with a fixed price.

3. A peak hours deal with a fixed price.

All of the deals will have random limited volumes.
A combination of peak and off-peak deal with the same volume is basically equal to a baseload deal with the same volume.

Peak deal represents the constant load between 08:00 - 20:00 (12 Hours).

Off-Peak deal represents the constant load between 20:00 - 08:00 (12 Hours).

Baseload deal represents the constant load for 24 hours.

'''Goal'''

Simulation that can be used as a decision support tool when trading a power portfolio.

'''Method'''

Monte Carlo simulation in Excel environment will be created. The historical spot prices will be used to determine fixed deal prices. The historical generation values will be used to determine generation scenarios (wet season - high.generation, average generation, dry season – low generation). The volatility of spot market prices will be based on again historical spot prices. The simulation of 1 year = 8760 hours will be generated. Since, the stability spot market prices in winter are dependent on natural gas shortages, these shortage scenarios will be added to the simulation.

The natural gas shortage effect will be extracted from past price data. There's a price cap for the highest bid and the spot market prices equal to highest bid means the supplied amount of power in the market can barely match the demand. So the highest bid gets selected to match the demand as much as possible.

'''Model parameters'''

• Hydro Generation scenarios:

- Wet season – high generation (MWh)

- Average season - average generation (MWh)

- Dry season – low generation (MWh)

• Market data:

- Volatile spot market prices (USD/MWh)

- Fixed deal prices will be based on past year spot market prices (While OTC market prices can’t be publicly viewed)

''' Data '''

- EXIST Transparency Portal https://seffaflik.epias.com.tr/transparency/

: From the description I am not sure that I understnad what simulation is being proposed. What will the simulation actully look like, what is it going simulate exactly? If you want to take into consideration the effcts like the Effects of Natural Gas Shortages, how will you quantify the strentg of such effect? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 21:47, 17 December 2022 (CET)

Professor I made changes in my simulation. Can you please check?

:: Idea 2 '''approved'''.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:52, 18 December 2022 (CET)

== Profit in store vs e-shop ==

''' Method:''' System Dynamics

'''Software:''' Vensim

'''Simulation'''

An unnamed company that sells carpets has its own store in Prague. During COVID-19 the company reopened an e-shop, so it currently has two mutually supporting sales channels. Both types of stores have their advantages and disadvantages. At the same time, there are various factors that affect the profit. Examples of these factors are the following: customer satisfaction and needs (carpet quality, order processing speed, price, etc.), expenses (advertising, rent, employees, etc.), the possibility of expansion, etc. To ensure customer satisfaction the company should make some expenses.

'''Model parameters'''

*Expenses
**fixed
**variable
*Revenues
**customer satisfaction -> influence amount of expenses
***Product quality,
***Speed of orders/purchases processing,
***Opening hours, working on weekends and holidays,
***The possibility of picking up the order in the store/speed of delivery
***Increasing customer satisfaction using sales and giving gifts for the order
***Store availability
***Parking
***Complaints fees
***Services: floor coverings including consultations and estimates, whipstitch of carpet
**price
**a number of sales, etc.

''' The goal of the simulation '''

The goal of this simulation is to find out what parameters can increase profit the most (individually for each type of store), to find a balance between expenses to satisfy the customers in order to achieve the profit, and in the end to compare these parameters.

'''Data'''

Real data provided by the owners of the store

[[User:Ploo00|Ploo00]] ([[User talk:Ploo00|talk]]) 01:41, 16 December 2022 (CET)
:Please elaborate in more detail as we have discussed in class [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 07:17, 17 December 2022 (CET)
::I changed the assignment a little bit. Can you please look at it? [[User:Ploo00|Ploo00]] ([[User talk:Ploo00|talk]]) 19:50, 17 December 2022 (CET)
::: If you have the data to derive the parameters from, than '''Approved'''. Describe in the report how you have derived the effects of and on the customer satisfaction. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 21:52, 17 December 2022 (CET)

==Comparison of strategies for finding a lost person in the forest==

''' Author:''' Tomáš Kadaně (kadt02)

'''Type:''' Multi-agent

'''Software:''' NetLogo

'''Description:'''

The simulation will focus on comparing the times needed to find a lost person in a forest (area with trees).
The metric to compare the strategies will be the number of ticks needed to find the wanted person. Both the person being searched for and the searcher will be in a random location at the beginning of the simulation.
Within the simulation, I will take several measurements for each strategy and number of searchers (1 to 5), so that the number is statistically significant and use, for example, the means to compare which strategy is the most appropriate.

The model will be able to simulate several search strategies

*one step forward and then turn of random degree (-45 to 45 degrees), so random walk
*walk straight until it hits the edge of the forest or tree, then turn and continue walking straight
*first walk to the nearest corner of the forest and then a some kind of serpentine search
*possibly other strategies

'''Goals:'''

Finding the most appropriate strategy for finding a person in the forest depending on the number of people searching.

'''Agents:'''

*Searchers (e.g. police officers)
*Lost person

'''Parameters:'''

*Number of searchers
*Type of strategy
*Ticks needed to find person

'''Possible extensions:'''

*Searchers with certain pace of walking
*Finding the person won’t mean be at same location but seeing it for some distance (again certain ability of the searcher to see for certain distance)
*Cooperation of finders (formations, place distribution)
*Lost person will be moving when being looked for

[[User:Kadt02|Kadt02]] ([[User talk:Kadt02|talk]]) 16:01, 17 December 2022 (CET)

: '''Approved''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 22:39, 19 December 2022 (CET)

==Saving for an apartment==

Author: miln02

'''Problem definition'''

Jon has finally graduated to be an engineer and has found his first job. As he is living with his parents and doesn’t own his apartment, he made the decision to start saving so he can buy an apartment in the next 15 years. He already has some money that he has saved so far just sitting in his bank account, so he will use that as an initial investment, and after that he will invest a fixed amount every year.
He now must make a very important decision. Where should he invest his money? After doing some research, he focused on choosing between four different options:

1. Deposit money in the bank.

2. Purchase government bonds.

3. Invest in one of the world indices.

4. Invest all the money in one stock.

'''Goal'''

Create simulation that can be used as a support when making investment decision.

'''Method'''

For helping Jon to make a decision, I will use Monte Carlo simulation and Excel as an environment. The historical yield and volatility data will be used to calculate the average behaviour of all 4 options, and we will simulate possible results after 15 years. Since it can’t be expected that the market will be stable for all 15 years, economic crises will be generated.

'''Model parameters'''

* Investments:

-Initial one-time investment

-Fixed annual investment

* Market data:

-Deposits (Rate)

-Government bonds (Yield, volatility)

-Index (Yield, volatility)

-Stock (Yield, volatility)

* Economic crises probability

'''Sources'''

* https://finance.yahoo.com/

* http://www.worldgovernmentbonds.com/

* Bank website for deposit rates

[[User:Miln02|Miln02]] ([[User talk:Miln02|talk]]) 16:17, 17 December 2022 (CET)
:: '''Approved''' [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 22:14, 17 December 2022 (CET)

<nowiki>~~~~</nowiki>

==Szenario Evacuation Model==
Author: Julian Bleyer

''' Simulation '''

My idea is to recreate a building (e.g. a stadium, hall, e.g. in Prague) in Prague and simulate how long it takes to evacuate all the people. Possible are also other Szenarios, e.g. with fire, or water is flooding into the room. The model should be based on a real event site or building, which is then specified.

''' Goal'''

The aim is to adapt different strategies and parameters during the escape. For example, people can panic, genders act differently, or the age of the people has an influence on how quickly they leave the place.
The aim is to simulate how long it takes to leave the stadium, for example. If it takes too long, it is recommended to adjust the number of escape routes.

''' Practical relevance '''

This is especially important because in case of attack plans, a quick evacuation must be possible. The model can be used to adapt escape plans if necessary.

''' Method '''
The idea is to simulate in Netlogo, alternatively a similar software.

''' Model Parameters'''

-Number of persons
-Age distribution (children, adults, seniors)
-Panic tendency
-escape strategy
-other factors

''' Sources '''

Location maps of venues, e.g. the o2 station in Prague or a Cinema room, number of tickets sold, gender distribution depending on the event, etc.

<nowiki>~~~~</nowiki>

[[User:Julian Bleyer|Julian Bleyer]] ([[User talk:Julian Bleyer|talk]]) 14:16, 18 December 2022 (CET)

: The only problem I see is that it looks too similar to the exercise we did in our class. If you will model a real building as you propose, you need to solve the problem of agent orientation - how it will navigate through the building. It was very simple in our exercise. '''Approved'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 22:54, 19 December 2022 (CET)

==Car Park Solution for a New Cinema==
Author: kane02

'''Problem definition'''

A brand-new cinema is opening at Vypich in 6 months at one of the busiest streets in the region. The ambitious owners decided to use their extra budget to operate a small parking space right in front of the cinemas entrance for providing a space to park for customers and generate further profits. Planned parking space will have fixed expense for each month but the land itself can be extended. Owners are now in need of expertise on how to approach this issue. Their requirements consist of.

1. Counter on when a car enters and departs.
2. Create a receipt depending on hours.
3. Take reservations and allocate the space.

'''Goal'''

1. Create simulation that optimizes the potential waiting time, price, and number of the parking space for stake holders.
2. Offer solution on how to increase profits.

'''Method'''

For getting the job done I shall be using NetLogo to create the simulation based on client-side metrics and goals.

'''Model parameters'''

1. Park Timer
a. Counter for calculating total minutes
b. Boolean checker for availability
2. Billing
a. Set up rates per hours
b. Conditions on specific days
3. Reservation and Allocation
a. Reservation timer will adjust the potential waiting timer
b. When space is reserved new set of behaviour and conditions apply but price is fixed
''' Sources '''

https://ccl.northwestern.edu/netlogo/models/

https://jmvidal.cse.sc.edu/netlogomas/

[[User:Kane02|Kane02]] ([[User talk:Kane|talk]]) 14:10, 18 December 2022 (CET)

<nowiki>~~~~</nowiki>

: '''Approved''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 22:57, 19 December 2022 (CET)

==Ukrainian refugee crisis 2022==
Author: BortnikSvitlana

'''Problem definition'''

The current war in Ukraine has created the greatest refugee migration to OECD countries since World War II. People have been forced to evacuate their homes in search of safety, protection, and aid due to the escalation of the conflict in Ukraine, which has resulted in civilian casualties and the damage of civilian infrastructure. Since the Russian Federation's invasion of Ukraine began in February 2022, there have been more than 5.3 million refugees in Europe.

'''Goal'''

The goal of this simulation is to build an agent-based model (ABM) to study dynamics of refugee migration due to the war in Ukraine 2022.

'''Method'''

The apparent choice should be a multi-agent simulation because we are dealing with people moving around and having attributes. For this simulation, I've chosen to use NetLogo 6.3.0.

'''Model parameters'''

-Population

-Country

-Number of refugees

-Age distribution (children, adults, seniors)

''' Sources '''

https://www.statista.com/statistics/1312584/ukrainian-refugees-by-country/

https://data.unhcr.org/en/situations/ukraine

https://www.migrationdataportal.org/ukraine/crisis-movements

[[User:BortnikSvitlana|BortnikSvitlana]] ([[User talk:BortnikSvitlana|talk]]) 16:13, 18 December 2022 (CET)

<nowiki>~~~~</nowiki>

: Please, elaborate it a bit. I don't understand how the simulation should look like. Be more specific. Imagine that the assignment should be possible to solve by another person, so all the necessary information must be included. Building the model cannot be the goal itself, you have to solve an actual problem. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 23:07, 19 December 2022 (CET)

==Blockade in Artsakh on its way to humanitarian disaster==
Author: Hakobyan Irena

''' Problem definition '''

Currently, 120.000 people in Artsakh are in blockade. It has become impossible to deliver food, particularly bread and flour, as well as other basic necessities to these communities. It is stated that the provocative actions of Azerbaijan may lead to a large-scale humanitarian disaster. The goal of the simulation is to examine how many days the imported food would be enough for this number of population.

''' Method '''

For this simulation, I'll use NetLogo 6.3.0, as it's based on population and supply attributes.

''' Model variables '''

- Population

- Food supply

- Country

''' Sources '''

https://en.wikipedia.org/wiki/2022_Artsakh_blockade

: Please, elaborate the assignment in detail. How will the simulation look like? What will be the limitatins, etc. etc.? [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 00:34, 20 December 2022 (CET)

==Household electricity consumption==
Author: ruzv01

'''Problem definition'''

Household electric energy consumption is a significant problem because it contributes to climate change and can be expensive for individuals and families. The production of electricity often involves the burning of fossil fuels, which releases greenhouse gases into the atmosphere and contributes to global warming. In addition, as more and more devices and appliances in homes become electrified, the demand for electricity increases, leading to higher energy bills.

'''Goal'''

The goal of simulating household electric energy consumption is to model and predict the electricity usage of a home. This can help individuals and families understand their energy consumption patterns and identify ways to reduce their energy use, as well as help utilities and energy companies predict and plan for electricity demand. By understanding and optimizing household electric energy consumption, we can work towards a more sustainable and efficient energy system.

'''Method'''

The simulation will be done in Vensim.

'''Model parameters'''

- Household size (m2)

- Number of appliances and devices

- The number of people living in a household

- Renewable energy sources (If a household has installed renewable energy sources)

- Energy price

- Home age (older homes may be less energy efficient than newer homes)

''' Sources '''

https://www.czso.cz/csu/czso/spotreba-paliv-a-energii-v-domacnostech

https://www.kurzy.cz/komodity/cena-elektriny-graf-vyvoje-ceny/

[[User:Ruzv01|Ruzv01]] ([[User talk:Ruzv01|talk]]) 18:18, 18 December 2022 (CET)
:: I dont see a simulation in it yet. Elaborate it in more detail - what will you simulate exactly? since so far it looks like the more appliances the higher consumption ... Since you use the Vensim, what would be the feed back loops? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:48, 18 December 2022 (CET)
::: Thank you for the feedback. I wanted to keep the assignment more general to have a space for tweaking during the actual modeling. The main feedback loops would be: The "conservation feedback loop," in which household reduce their electricity consumption in response to high energy prices, which in turn leads to lower demand for electricity and lower energy prices. And the "technology feedback loop," in which the adoption of energy-efficient appliances and devices leads to lower electricity consumption, which in turn reduces the demand for electricity and encourages further adoption of energy-efficient technologies. In addition to this, I think it would also make sense to add "household income" as a model parameter.[[User:Ruzv01|Ruzv01]] ([[User talk:Ruzv01|talk]]) 13:20, 19 December 2022 (CET)
:::: OK, Im still not very convinced about the usefullness of the simulation (especially how you will incorporate the Renewable energy sources and energy-efficient appliances), but you have the chance to persuade me, '''Approved'''.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 16:22, 19 December 2022 (CET)

<nowiki>~~~~</nowiki>

== Heating behaviour of households ==

Author: [[User:vala18|Adam Valtr]]

''' Simulation '''

I would like to simulate a heating behavour of a household - which would in turn allow for prediction of its energy bill. Based on a weather data (temperature in approximate location of a supposed building), energy price (per kWh) and technological and spacial parametrs of a heated building (size, heat loss, etc. [see Variables]) it would model the actual temperature the building would be heated to according to it's inhabitants preferences - such as the minimal inside temperature and optimal temperature and their trade-off fuction between comfortable temperature and energy costs (utility gained by temperature increase and utility lost by money spent).

Suppose a person wants its house to be heated to 21 degrees Celsius, to achieve it, it needs to burn X kWh of natural gas. The amout of natural gas needed will vary based on outside temperature. If the outside temperature is 10 °C the energy needed is lower than when it's freezing. This fenomenon is known as temperature gradient - the bigger the gradient the bigger the heat loss, therefore the bigger the energy consuption to maintain the inside temperature goal. If the marginal increase in energy consuption would result in large enough increase in energy bill the person may choose to withstand lower inside temperature, because the utility gained by heating more, would result in higher utility loss caused by higher expenses.

''' Goal '''

The goal is to predict energy consuption (electricity or gas) of a household, based on one's utility function (trade of between comfortable temperature and energy bill), weather and technological parameters of a building.

''' Practical relevance '''

In face of a so called "energy crisis" - meaning dramatical increase in year over year prices of natural gas and electricity, which are the main comodities used for heating by households, modeling one's projected energy costs, may improve one's budgeting and fiscal planning abality and inform one's decision to invest in energy-saving measures.

''' Method '''

Excel and maybe Vensim

''' Variables '''
* outside temperature
* inside temperature
* energy required to heat m3 of air
* volume of heated building
* heat loss (based on certificate of energy efficiency of building)
* heat source efficiency
* minimal acceptable inside temperature
* optimal inside temperature
* energy price
* utility of 1 degree change of inside temperature
* utility of 1 Kč

:: How will you derive the utility function? Based on what data/ parameters? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 16:24, 19 December 2022 (CET)
:: To my knowledge, there is no data it could be based on. However, I did not plan of using real word data for the utility function. My idea is to run the model with constant and then diminishing marginal utility functions and also play around with the slopes to see how it changes the result (plotting it to graph). Also, as of now, I still have not came up with an idea how to incorporate any meaningful feedback loop. Therefore, as I have the model now, it's kind of just a glorified calculator someone can take, plug-in his/hers values and get a result. [[User:vala18|Adam Valtr]] ([[User talk:vala18|talk]]) 01:51, 21 December 2022 (CET)

==Sell Twitter, Inc. or hold?==

Author: botd00

'''Problem definition'''

The idea for this simulation is based on a recent acquisition of a social media company Twitter, Inc. for 44 billion USD. Let's suppose that we would like to see whether the acquisition price is appropriate or if it would be better to keep the company and generate income. Let's say we want to see the outcome in 10 years.
There is also a probability that the social network would get replaced by another competitor (other social network) or the general interest in the network just drops off. On the other hand there is a chance that Twitter, Inc. could acquire another social network which could possibly lead to a bigger revenue in the upcoming years.

'''Goal'''

The goal of the simulation is to find out whether we should accept the 44 billion USD acquisition price or if we would be better off owning the company and making profit in the next 10 years.

'''Method'''

The simulation will be done in Excel via Monte Carlo method.

'''Model parameters'''

* Initial market value
* Annual revenue based on historical data
* Annual expenses based on historical data

* Probability of being replaced by an all new social network or a general drop of interest in the network
* Probability of acquisition of another network – which could possibly lead to a bigger revenue

'''Sources'''

https://companiesmarketcap.com/twitter/revenue/

https://investor.twitterinc.com/financial-information/annual-reports/default.aspx

:: OK, this assignment is heavily dependent on how you will derive the revenues and expeses for the next 10Y - document it well. Do not forget the net present value of the 44 billion USD (in 10Y they will have different value too - when placed in some alternative investment).'''Approved'''.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 16:30, 19 December 2022 (CET)

==Predicting NBA players’ statelines==

Author: prin03

'''Simulation'''

Over the past 10 years basketball dynamics have been changing rapidly: LeBron James, Stephen Curry, Luka Doncic and progressing rookies made the game really unpredictable and surprising. Forecasting of matches has a practical use, e.g. in advanced analytics or betting. In this simulation I will try to predict players’ statistics.

'''Goal'''

The goal of this simulation is to predict player’s state-lines, based on which it would be possible to forecast the game, or even season results. So, there will be 3 dimensions: players, games and season. I will simulate the player’s points based on his stats from current and previous season.

'''Method'''

I will use Monte Carlo simulation with Excel and maybe Python for preparing the data.

'''Variables'''

* Points
* Assists_rate
* Game arena (Home/away)
* 3PA
* 3P%
* 2PA
* 2P%
* FTA
* FT%
* Age
* Season_num
* Minutes
* Minutes per game
* Blocks
* Steals

'''Data'''

NBA.com
Basketballreference.com

: Im not sure what is the result you propose - individual player’s state-lines (not enough), forecast the game (might be interesting), or season results (interesting, but maybe too hard)? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 16:38, 19 December 2022 (CET)
: As I have mentioned, I will predict the game results by simulating players' statistics. If the sum of their points is greater than of other team, they would win. Based on the game results, it might be possible to forecast even the season. Yes, might be too hard, but main point is to predict the game score. [[User:prin03vse|prin03vse]] ([[User talk:prin03vse|talk]]) 21:18, 20 December 2022 (CET)

==Price of web application development==

Author: Matěj Oliva (olim02)

'''Problem definition'''

Software development has two variables which are the hardest to accomplish and estimate correctly - price and how long it will take. At the same time those are the first questions customers ask even before they specify their idea of web application. The usual process is to breakdown all customers demands to as small parts as possible and for every single one of them, so the price and time consumption estimations are as precise as possible. After receiving all demands on web application, there are several methods of price and duration estimation, but even with the most precise estimation, there are always complications during development, which cannot be predicted and thus the delivery is delayed and the price is increasing. These risks can be at least calculated in the prediction as possible price hikes. Because servers and web app administration would add enough parameters to create another simulation, I will only simulate the development of it itself. Also let's assume all developers are Full-stack, so they can work on any part of the application. Because the estimation would be different for different languages and technologies, I will choose the environment I know and as a developer have experience with for better estimations. So I will assume, the estimations are calculated for web application made completely new, customer doesn't have anything yet and the company should develop the app with these technologies:

* React (frontend framework)
* Material UI (CSS Framework)
* MySQL, PHPMySQL (DBMS)
* Node.js (backend framework)
* Express.js (REST API)

'''Goal'''

The goal of the simulation is to be able to estimate price and time delivery based on the customers expectations.

'''Method'''

My idea is, that I would use the planning poker technique, which is based on Fibonnaci sequence. Every elementary task is given a value on this sequence based on how demanding it is. I would specify and try to estimate both price and time delivery for as much atomic function as I can think of (by atomic functions I mean for example account management => atomic ones would be: login, sign up, user table, changing users roles, etc.). So the random variable would be customer choosing which functions he wants to be used in the web application. Every function he adds to the simulation will have a risk of having bugs or unexpected problems during development, so the more functions customer adds, the bigger risk of price increase and time delivery delay. Also the more complex the function the more severe would the consequences be.

For simulation I would use Vensim.

'''Model parameters'''

* Demanded functions (number of tables, number of pages, login, reservations,...)
* Function complexity
* Number of developers
* Developer hour rate

* Probability of function having bugs to repair
* Probability of having trouble developing function

'''Sources'''

https://www.planningpoker.com/

:: How will you determine the Probability of function having bugs to repair and Probability of having trouble developing function? Based on what data? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 16:33, 19 December 2022 (CET)
::: Initially, I wanted to make it so every difficulty of the component based on the Fibonacci sequence, would also be proportionally equal to probability of the function having a bug, e.g. difficulty 8, means 8% chance of having a bug, difficulty 40 -> 40% chance. I would either use a typical scrum poker sequence: 0, 1/2, 1, 2, 3, 5, 8, 13, 20, 40 and 100 or more accurate one to Fibonacci sequence: 0, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89 and then end on 100. If that would be a problem, I could also try to conduct a small survey which I could send to colleagues, friends working in other developing companies and programming students and base the data on the average opinion of programmers. [[User:Olim02|Olim02]] ([[User talk:Olim02|talk]]) 17:51, 20 December 2022 (CET)
::: It's a bit artificial, but that could do. One more thing - since you will use the Vensim, what will be the feedback loops? So far it reminds more calculation than dynamic system. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:03, 20 December 2022 (CET)

==Receivables Payment==

'''Author:''' kock06

'''Type:''' Monte Carlo simulation

'''Software:''' Python or Excel

'''Problem definition'''

In the current economic crisis, companies face issues of low likvidity more than ever. Because of that, prediction model for credit notes payment could be introduced.

'''Goal'''

Simulation can be used to predict liquidity of the company.

'''Model parameters'''

*ration of count of payed credit notes to count of all credit notes
*ration of sum of payed credit notes to sum of all credit notes
*terms of payment
*economic crisis probability

'''Method'''

Based on model parameters, simulation will be run to know, if the customers will pay credit notes in time or not

'''Dataset'''

https://www.kaggle.com/code/mishadey/b2b-invoice-payment-date-prediction-model/data

:: In order to be able to do, what your goal is, you would have to simulate whole cashflow of a company. Do you have data for that? What would be the random parameters and from what data you would derive their probability distribution?[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 09:11, 20 December 2022 (CET)

==Impact of conditional skills on the performance of boxing athletes==

'''Author:''' Abdullah Zahir

'''Software:''' Vensim or Python

'''Problem''' In boxing, it is difficult to plan the right training for each individual athlete. The training must be adapted to the weaknesses and strengths of the boxing athletes. It is unclear which conditional skills need to be trained in which ratio and how this affects the athlete's performance. For example, a lot of conditioning training tends to decrease strength and vice versa.

'''Simulation'''
It should be possible to create a profile for the athlete with his strengths and weaknesses. It can be entered how strong the athlete is physically and how advanced he is in terms of technical and tactical skills. There are correlations between the physical skills. For example, high agility affects the condition of the boxer. In the simulation, the skills are weighted according to their importance for boxing. The output should be the overall performance of the athlete, so that it can be tested which changes have an influence on him.

'''Goal'''
The goal is to find out what influence the athlete's conditional and technical skills have on his overall performance, in order to specifically adapt the training to his weaknesses.

'''Methode'''
The correlations are to be fitted into the equations so that the balance between the skills is sensibly given. For this purpose, research must be carried out from existing studies. For the individual parameters, there are different types of tests, such as the cooper test, to test and evaluate endurance. For the overall evaluation of the athlete, the weighting is adjusted specifically for boxing depending on the relevance of the skills.

'''Parameters'''
*Personal (weight class, age, mental strength)
*Conditional Skills (condition, strength, quickness)
*Experience (combat record: wins, losses, draws)
*Technical skills (offense, defenes)
*Tactical skills (standard situations)

'''Sources'''
*Sports textbooks: Bewegung, Training, Leistung und Gesundheit : Handbuch Sport und Sportwissenschaft / Arne Güllich, Michael Krüger
*Boxing literature: Managerboxen : gesundes Kampfsporttraining in der Praxis / Jürgen Fritzsche, Christoph Raschka

:: Please elaborate the simulation in more detail - what particular parameters you will simulate, what data you will derive the equations from, what particular literature you will use etc. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 19:57, 20 December 2022 (CET)

Assignments WS 2022/2023

2022-12-18T20:05:40Z

Vala18: /* Heating behaviour of households by vala18 */

{{Ambox
| text = <div>
Please, put here your assignments. Do not forget to sign them. You can use <nowiki>~~~~</nowiki> (four tildas) for an automatic signature. Use Show preview in order to check the result before your final sumbition.
</div>
}}

{{Ambox
| text = <div>
Please, strive to formulate your assignment carefully. We expect an adequate effort to formulate the assignment as it is your semestral paper. Do not forget that your main goal is a research paper. It means your simulation model must generate the results that are specific, measurable and verifiable. Think twice how you will develop your model, which entities you will use, draw a model diagram, consider what you will measure. No sooner than when you have a good idea about the model, submit your assignment. And of course, read [[How to deal with the simulation assignment|How to deal with the simulation assignment]].
</div>
}}

{{Ambox
| text = <div>
Topics on gambling, cards, etc. are not welcome.
</div>
}}

{{Ambox
| type = content
| text = <div>
In order to avoid possible confusion, please, check if you have added '''approved''' in bold somewhere in our comment under your submission. If there is no '''approved''', it means the assignment was not approved yet.
</div>
}}

== Effect of leniency programs on cartel rates by [[User:Baumareb|Baumareb]] ([[User talk:Baumareb|talk]]) 11:18, 7 December 2022 (CET) ==

''' Simulation '''

The leniency program of the European Commission offers the companies involved in a cartel either complete or partial immunity from fines if they self-report and hand over evidence. It was introduced in 1996, following the surge in amnesty applications in the wake of the 1993 revision of the Corporate Leniency Program of the US Department of Justice’s Antitrust Division. Reports from various implemented leniency programs showed that such programs led to numerous applications. However, despite the clear increase in leniency applications, the question poses itself as to whether the programs were also successful in a sense that the actual cartel rate in those countries declined.
The simulation will be based on a study of Harrington and Chang from 2015, in which they concluded the following:

• The actual cartel rate decreases in case that the leniency program does not affect the non-leniency enforcement

• But: if the non-leniency enforcement is affected because resources are shifted to the prosecution of leniency application cases, there might be two possibilities, the cartel rate might increase.

This simulation focuses on the latter case. Assuming endogenized non-leniency enforcement, the introduction of a leniency program might have a differential impact on different industries. If a leniency program is introduced, the cartels that are about to collapse will seek to self-report. This in turn shifts resources from exposing active cartels to prosecuting cartels that are already collapsing. This creates more work for the authorities, who, instead of focusing on active cartels may now focus on dying cartels. This crowding-out effect coming about with the introduction of a leniency program shall be simulated in this project.

''' Goal '''

The simulation will have the following objectives:

* Illustrate the change in cartel rates and the change in the average life expectancy of a cartel triggered by the introduction of a leniency program in case of endogenized non-leniency enforcement for industries with unstable cartels (e.g. industries with a high number of competitors, or demand with more price elasticity) and for industries with stable cartels (e.g. industries with less competitors and demand with less price elasticity).
* Illustrate how many resources may be shifted from non-leniency enforcement to prosecuting leniency application cases without it having an undesired effect on the actual cartel rate.

''' Practical relevance '''

The simulation may be used by law enforcement officials to evaluate whether a leniency program leads to the desired effect (i.e. the decrease in the cartel rate) or not. Also, it can help for deciding whether the non-leniency enforcement needs to be strengthened to prevent the crowding-out effect.

''' Method '''

The described scenario is a multi-agent simulation in which the agents are pursuing a utility-based approach. Thus, the simulation will be done with NetLogo.
The following features will be included into the simulation:

- For both industries with stable and industries with unstable cartels:

* Number of active cartels (dying after reaching avg. life expectancy)
* Number of competitors
* Average life expectancy of a cartel
* “Birth” of new cartels

- For leniency/non-leniency enforcement:
* Resources and their assignment to either leniency or non-leniency enforcement
* Capacity of taking down an active cartel
* Capacity of taking down a cartel based on leniency applications

The simulation will be based on the 2015 research from Harrington and Chang as well as on publicly accessible data from the European Commission regarding antitrust cases from 1964 until today.

''' Sources '''
* Harrington Jr, J. E., & Chang, M. H. (2015). When can we expect a corporate leniency program to result in fewer cartels?. The Journal of Law and Economics, 58(2), 417-449.
* Ordóñez‐De‐Haro, J. M., Borrell, J. R., & Jiménez, J. L. (2018). The European commission's fight against cartels (1962–2014): A retrospective and forensic analysis. JCMS: Journal of Common Market Studies, 56(5), 1087-1107.

[[User:Baumareb|Baumareb]] ([[User talk:Baumareb|talk]]) 11:18, 7 December 2022 (CET) Rebecca Baumann (baur00)

: This isn't an easy topic. Be careful about available data. '''Approved''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 01:46, 15 December 2022 (CET)

== The prediction of divorce rate in Czech Republic for the following 50 years ==

''' The goal of the simulation '''

Divorce in the Czech republic must always contain at least one hearing in front of the court. Legally, there are many more parties involved, such as a notary, who must verify the signatures on all the important documents and many times, divorce lawyers are also necessary. To be able to satisfy the needs of the public, all the involved parties must have an idea about how many married couples are likely to get divorced in the years to come. This simulation will help prepare the courts, notaries and lawyers by making a prediction on the amount of divorces in the next 50 years. This will also help law students choose the field of law that they will specialize in by answering the question whether divorce lawyers will be necessary in the future or not.

''' Method '''

Vensim will be used for this simulation. The used data will come from the Czech Statistical Office and possibly other sources (Refer to [1] and [2]), such as published studies on the most common reasons for divorce. When possible, the data about each reason of divorce will be also found and the simulation model will contain this data.

== Edit: additional details ==

''' What all parameters will the simulation work with and how?'''

1. Number of marriages – the more marriages, the more divorces

a/ Number of people in the age 25 to 34 (i.e., the most common age to get married) – the more there is of these people, the more marriages there will be

b/ Number of divorced people in the age 40 to 49 (i.e., the most common age to get re-married after a divorce) – the more there is of these people, the more marriages there will be, however not as much as the number above

2. Micro causes of divorces = Top 10 causes of divorce as researched by the Czech Statistical Office, published yearly – the more common are these causes (alcoholism, infidelity etc), the more divorces there will be

a/ Ill-considered marriage

b/ Alcoholism

c/ Infidelity

d/ Lack of interest in the family (incl. abandon. of living together)

e/ Ill-treatment, criminal conviction

f/ Different characters, views and interests

g/ Health reasons

h/ Sexual discord

i/ Other causes

j/ Cause not given

3. Number of people in the age 40 to 49 – the more there is of these people, the more divorces there will be (it is the most common age to get divorced)

4. Macro causes of divorces

a/ Economic independence of women = the more economically independent women are, the more likely they are to divorce in case of an unhappy marriage – this will be evaluated through a comparison of data of average income of men vs. women

b/ Being religious – divorce is far less common for religious people.

''' What data source will be used for deriving the equations?'''

Based on my current research of data sources, the Czech Statistical Office has the all the data necessary for this paper.

[1] Scott, S. B., Rhoades, G. K., Stanley, S. M., Allen, E. S., & Markman, H. J. (2013). Reasons for Divorce and Recollections of Premarital Intervention: Implications for Improving Relationship Education. Couple & family psychology, 2(2), 131–145. https://doi.org/10.1037/a0032025

[2] Hawkins, Alan & Willoughby, Brian & Doherty, William. (2012). Reasons for Divorce and Openness to Marital Reconciliation. Journal of Divorce & Remarriage. 53. 453-463. 10.1080/10502556.2012.682898.

: Sounds interesting, but I miss more detail about the simulation. What all parameters will the simulation work with and how? What data source will be used for deriving the equations? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 11:03, 15 December 2022 (CET)
:: ''' Approved'''. Just make sure that the equtions, reasons for divorce and their impact on divorce rate are properly quantified.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 07:23, 17 December 2022 (CET)

==Crop Yield Forecasting==

''' Simulation '''

Crop growth and development simulations and yield forecasting will be performed using variables such as crop type, planting date, soil type, soil texture, and climate data (temperature, rainfall, etc.).

'''Problem definition'''

Arable land is increasingly limited, while the world's population has steadily been increasing over the years. In order to meet rapidly rising demand, production must be increased while natural resources must be protected. New agricultural research is needed to provide information on how to achieve sustainable agriculture in the face of global climate variability. Predicting crop yield under different conditions, such as different irrigation regimes, planting dates, and crop management practices, has become critical for farmers and other stakeholders who use these predictions to make more informed decisions about how to allocate resources, such as labor, equipment, and inputs, to maximize yield and productivity.

'''Method'''

Crop yield simulation tools include AquaCrop, DSSAT, and CropSyst. These tools use mathematical models to simulate crop growth and development based on input data like weather, soil type, and management practices. These tools use this data to estimate the crop's potential yield, as well as other important factors like water use and crop evapotranspiration. For this assignment I will be using AquaCrop which is a crop water productivity model developed by the United Nations Food and Agriculture Organization (FAO). It is used to simulate crop growth and yield under various environmental and management conditions. AquaCrop simulates crop growth and development, and estimates yield based on soil conditions, climate, irrigation, and management practices. The application gives access to various FAO databases with all the necessary data needed to perform a comprehensive simulation of the crop yield.

'''Citations'''

* Y. Lu, C. Wei, M. F. McCabe, and J. Sheffield, “Multi-variable assimilation into a modified AquaCrop model for improved maize simulation without management or crop phenology information,” Agricultural Water Management, vol. 266, p. 107576, May 2022, doi: 10.1016/j.agwat.2022.107576.
* P. N. Kephe, K. K. Ayisi, and B. M. Petja, “Challenges and opportunities in crop simulation modelling under seasonal and projected climate change scenarios for crop production in South Africa,” Agriculture & Food Security, vol. 10, no. 1, p. 10, Apr. 2021, doi: 10.1186/s40066-020-00283-5.
* N. T. Olivera, O. B. Manrique, Y. G. Masjuan, and A. M. G. Alega, “Evaluation of AquaCrop model in crop dry bean growth simulation,” Revista Ciencias Técnicas Agropecuarias, vol. 25, no. 3, pp. 23–30, Accessed: Dec. 10, 2022. [Online]. Available: https://www.redalyc.org/journal/932/93246970003/html/
* N. Pirmoradian, Z. Saadati, M. Rezaei, and M. R. Khaledian, “Simulating water productivity of paddy rice under irrigation regimes using AquaCrop model in humid and semiarid regions of Iran,” Appl Water Sci, vol. 10, no. 7, p. 161, Jun. 2020, doi: 10.1007/s13201-020-01249-5.

[[User:Pierreatekwana|Pierreatekwana]] ([[User talk:Pierreatekwana|talk]]) 15:06, 15 December 2022 (CET)

: Topic souds interesting, but the proposed simulation tool has to be one of the ones we have used in our class ( as specified in How to deal with the simulation assignment:
One of your key course requirements is a submission of simulation. You choose your topic yourself, the same as a method and a tool that you will use. It could be any of the development environments we have used (Excel, Simprocess, Netlogo, or Vensim).) [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 07:05, 17 December 2022 (CET)

== Electricity Spot Market Simulation by [[User:Ceta|Ceta]] ([[User talk:Ceta|talk]]) 01:13, 16 December 2022 (CET) ==
'''IDEA 2'''
Pumped-storage hydroelectricity (PSH), or pumped hydroelectric energy storage (PHES), is a type of hydroelectric energy storage used by electric power systems for load balancing. The method stores energy in the form of gravitational potential energy of water, pumped from a lower elevation reservoir to a higher elevation. Low-cost surplus off-peak electric power is typically used to run the pumps. During periods of high electrical demand, the stored water is released through turbines to produce electric power. Although the losses of the pumping process make the plant a net consumer of energy overall, the system increases revenue by selling more electricity during periods of peak demand, when electricity prices are highest. If the upper lake collects significant rainfall or is fed by a river then the plant may be a net energy producer in the manner of a traditional hydroelectric plant.

Pumped-storage hydroelectricity allows energy from intermittent sources (such as solar, wind) and other renewables, or excess electricity from continuous base-load sources (such as coal or nuclear) to be saved for periods of higher demand. The reservoirs used with pumped storage are quite small when compared to conventional hydroelectric dams of similar power capacity, and generating periods are often less than half a day.

'''Problem definition'''
Company PMP wants to build a new pumped storage hydroelectricity power plant across a river. This facility will be generating power during the peak hours of the day because of its half day upstream reservoir capacity. And for the off-peak hours it will be pumping up the water that is collected in its downstream reservoir using the power from the grid. So, basically, during the day it will be generating power and selling it with peak prices, and during the evening it will be consuming energy and will need to buy it for off peak prices. The Company PMP is trying to decide about downstream reservoir capacity. To decide it they need to simulate the system with water inflow input and market prices to decide what proportion of upstream and downstream reservoirs would be optimal to decide on size of downstream reservoir.

'''Parameters:'''

Stream inflow (m3/s or m3/day or another conversion)

Upstream active reservoir volume = half day generation of hydro power plant

Installed capacity of hydro power generation (MW)

Precipitation (Random normal)

Evaporation (0.1 percentage lost every hour)

Generator power factor (How much water volume needed for per MWh generation)

Pump flow capacity (m3/s or m3/day or another conversion)

Pumping consumption factor (How much MWh needed per m3)

Initial active reservoir levels (percentage full)

Spot Market Prices (Usd/MWh)

Upstream reservoir maximum capacity (m3) (Fixed)

Downstream reservoir maximum capacity (m3) (Variable)

Compulsory flow schedule back to river (m3) (Fixed)

'''Method'''
Most probably Vensim simulation will be done.

Upstream active reservoir volume = Initial reservoir volume level (UpS) + stream inflow + pumped inflow – penstock outflow (to generation) + precipitation – evaporation
(Between 0 and Upstream reservoir maximum capacity (m3))

Downstream active reservoir volume = Initial reservoir level (DwS) + penstock outflow (from generation) – pumped inflow
(Between 0 and Downstream reservoir maximum capacity (m3) (Variable)) - compulsory flow schedule back to river

Revenues = SUM (Power Generated x Spot Market Price) - SUM (Power Consumed x Spot Market Price)

Power Generated = Generator power factor x penstock outflow (to generation)

Power Consumed = Pumping consumption factor x pumped inflow

'''Goal'''
To simulate and determine the ratio of Upstream reservoir maximum capacity / Downstream reservoir maximum capacity

'''Sources:'''
https://en.wikipedia.org/wiki/Pumped-storage_hydroelectricity
https://seffaflik.epias.com.tr/transparency

'''IDEA 1'''

'''Problem definition'''

Anthony is as a portfolio manager in the power company Goodpower. Goodpower has a portfolio of hydro power plants. Goodpower is a market participant in a liberated market structure. The power generation can be sold either in spot market with volatile prices, or it can be sold with a yearly fixed price on over the counter (OTC). Goodpower assigned Anthony responsible for optimization of power generation revenue. Now Anthony needs to decide on how much generation to risk in the volatile spot market and how much to risk with the fixed price. After contacting the power brokers in OTC market, he was offered the following deals:

1. A baseload deal with a fixed price.

2. An off-peak hours deal with a fixed price.

3. A peak hours deal with a fixed price.

All of the deals will have random limited volumes.
A combination of peak and off-peak deal with the same volume is basically equal to a baseload deal with the same volume.

Peak deal represents the constant load between 08:00 - 20:00 (12 Hours).

Off-Peak deal represents the constant load between 20:00 - 08:00 (12 Hours).

Baseload deal represents the constant load for 24 hours.

'''Goal'''

Simulation that can be used as a decision support tool when trading a power portfolio.

'''Method'''

Monte Carlo simulation in Excel environment will be created. The historical spot prices will be used to determine fixed deal prices. The historical generation values will be used to determine generation scenarios (wet season - high.generation, average generation, dry season – low generation). The volatility of spot market prices will be based on again historical spot prices. The simulation of 1 year = 8760 hours will be generated. Since, the stability spot market prices in winter are dependent on natural gas shortages, these shortage scenarios will be added to the simulation.

The natural gas shortage effect will be extracted from past price data. There's a price cap for the highest bid and the spot market prices equal to highest bid means the supplied amount of power in the market can barely match the demand. So the highest bid gets selected to match the demand as much as possible.

'''Model parameters'''

• Hydro Generation scenarios:

- Wet season – high generation (MWh)

- Average season - average generation (MWh)

- Dry season – low generation (MWh)

• Market data:

- Volatile spot market prices (USD/MWh)

- Fixed deal prices will be based on past year spot market prices (While OTC market prices can’t be publicly viewed)

''' Data '''

- EXIST Transparency Portal https://seffaflik.epias.com.tr/transparency/

: From the description I am not sure that I understnad what simulation is being proposed. What will the simulation actully look like, what is it going simulate exactly? If you want to take into consideration the effcts like the Effects of Natural Gas Shortages, how will you quantify the strentg of such effect? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 21:47, 17 December 2022 (CET)

Professor I made changes in my simulation. Can you please check?

:: Idea 2 '''approved'''.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:52, 18 December 2022 (CET)

== Profit in store vs e-shop ==

''' Method:''' System Dynamics

'''Software:''' Vensim

'''Simulation'''

An unnamed company that sells carpets has its own store in Prague. During COVID-19 the company reopened an e-shop, so it currently has two mutually supporting sales channels. Both types of stores have their advantages and disadvantages. At the same time, there are various factors that affect the profit. Examples of these factors are the following: customer satisfaction and needs (carpet quality, order processing speed, price, etc.), expenses (advertising, rent, employees, etc.), the possibility of expansion, etc. To ensure customer satisfaction the company should make some expenses.

'''Model parameters'''

*Expenses
**fixed
**variable
*Revenues
**customer satisfaction -> influence amount of expenses
***Product quality,
***Speed of orders/purchases processing,
***Opening hours, working on weekends and holidays,
***The possibility of picking up the order in the store/speed of delivery
***Increasing customer satisfaction using sales and giving gifts for the order
***Store availability
***Parking
***Complaints fees
***Services: floor coverings including consultations and estimates, whipstitch of carpet
**price
**a number of sales, etc.

''' The goal of the simulation '''

The goal of this simulation is to find out what parameters can increase profit the most (individually for each type of store), to find a balance between expenses to satisfy the customers in order to achieve the profit, and in the end to compare these parameters.

'''Data'''

Real data provided by the owners of the store

[[User:Ploo00|Ploo00]] ([[User talk:Ploo00|talk]]) 01:41, 16 December 2022 (CET)
:Please elaborate in more detail as we have discussed in class [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 07:17, 17 December 2022 (CET)
::I changed the assignment a little bit. Can you please look at it? [[User:Ploo00|Ploo00]] ([[User talk:Ploo00|talk]]) 19:50, 17 December 2022 (CET)
::: If you have the data to derive the parameters from, than '''Approved'''. Describe in the report how you have derived the effects of and on the customer satisfaction. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 21:52, 17 December 2022 (CET)

==Comparison of strategies for finding a lost person in the forest==

''' Author:''' Tomáš Kadaně (kadt02)

'''Type:''' Multi-agent

'''Software:''' NetLogo

'''Description:'''

The simulation will focus on comparing the times needed to find a lost person in a forest (area with trees).
The metric to compare the strategies will be the number of ticks needed to find the wanted person. Both the person being searched for and the searcher will be in a random location at the beginning of the simulation.
Within the simulation, I will take several measurements for each strategy and number of searchers (1 to 5), so that the number is statistically significant and use, for example, the means to compare which strategy is the most appropriate.

The model will be able to simulate several search strategies

*one step forward and then turn of random degree (-45 to 45 degrees), so random walk
*walk straight until it hits the edge of the forest or tree, then turn and continue walking straight
*first walk to the nearest corner of the forest and then a some kind of serpentine search
*possibly other strategies

'''Goals:'''

Finding the most appropriate strategy for finding a person in the forest depending on the number of people searching.

'''Agents:'''

*Searchers (e.g. police officers)
*Lost person

'''Parameters:'''

*Number of searchers
*Type of strategy
*Ticks needed to find person

'''Possible extensions:'''

*Searchers with certain pace of walking
*Finding the person won’t mean be at same location but seeing it for some distance (again certain ability of the searcher to see for certain distance)
*Cooperation of finders (formations, place distribution)
*Lost person will be moving when being looked for

[[User:Kadt02|Kadt02]] ([[User talk:Kadt02|talk]]) 16:01, 17 December 2022 (CET)

==Saving for an apartment==

Author: miln02

'''Problem definition'''

Jon has finally graduated to be an engineer and has found his first job. As he is living with his parents and doesn’t own his apartment, he made the decision to start saving so he can buy an apartment in the next 15 years. He already has some money that he has saved so far just sitting in his bank account, so he will use that as an initial investment, and after that he will invest a fixed amount every year.
He now must make a very important decision. Where should he invest his money? After doing some research, he focused on choosing between four different options:

1. Deposit money in the bank.

2. Purchase government bonds.

3. Invest in one of the world indices.

4. Invest all the money in one stock.

'''Goal'''

Create simulation that can be used as a support when making investment decision.

'''Method'''

For helping Jon to make a decision, I will use Monte Carlo simulation and Excel as an environment. The historical yield and volatility data will be used to calculate the average behaviour of all 4 options, and we will simulate possible results after 15 years. Since it can’t be expected that the market will be stable for all 15 years, economic crises will be generated.

'''Model parameters'''

* Investments:

-Initial one-time investment

-Fixed annual investment

* Market data:

-Deposits (Rate)

-Government bonds (Yield, volatility)

-Index (Yield, volatility)

-Stock (Yield, volatility)

* Economic crises probability

'''Sources'''

* https://finance.yahoo.com/

* http://www.worldgovernmentbonds.com/

* Bank website for deposit rates

[[User:Miln02|Miln02]] ([[User talk:Miln02|talk]]) 16:17, 17 December 2022 (CET)
:: '''Approved''' [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 22:14, 17 December 2022 (CET)

<nowiki>~~~~</nowiki>

==Szenario Evacuation Model==
Author: Julian Bleyer

''' Simulation '''

My idea is to recreate a building (e.g. a stadium, hall, e.g. in Prague) in Prague and simulate how long it takes to evacuate all the people. Possible are also other Szenarios, e.g. with fire, or water is flooding into the room. The model should be based on a real event site or building, which is then specified.

''' Goal'''

The aim is to adapt different strategies and parameters during the escape. For example, people can panic, genders act differently, or the age of the people has an influence on how quickly they leave the place.
The aim is to simulate how long it takes to leave the stadium, for example. If it takes too long, it is recommended to adjust the number of escape routes.

''' Practical relevance '''

This is especially important because in case of attack plans, a quick evacuation must be possible. The model can be used to adapt escape plans if necessary.

''' Method '''
The idea is to simulate in Netlogo, alternatively a similar software.

''' Model Parameters'''

-Number of persons
-Age distribution (children, adults, seniors)
-Panic tendency
-escape strategy
-other factors

''' Sources '''

Location maps of venues, e.g. the o2 station in Prague or a Cinema room, number of tickets sold, gender distribution depending on the event, etc.

<nowiki>~~~~</nowiki>

[[User:Julian Bleyer|Julian Bleyer]] ([[User talk:Julian Bleyer|talk]]) 14:16, 18 December 2022 (CET)

==Car Park Solution for a New Cinema==
Author: kane02

'''Problem definition'''

A brand-new cinema is opening at Vypich in 6 months at one of the busiest streets in the region. The ambitious owners decided to use their extra budget to operate a small parking space right in front of the cinemas entrance for providing a space to park for customers and generate further profits. Planned parking space will have fixed expense for each month but the land itself can be extended. Owners are now in need of expertise on how to approach this issue. Their requirements consist of.

1. Counter on when a car enters and departs.
2. Create a receipt depending on hours.
3. Take reservations and allocate the space.

'''Goal'''

1. Create simulation that optimizes the potential waiting time, price, and number of the parking space for stake holders.
2. Offer solution on how to increase profits.

'''Method'''

For getting the job done I shall be using NetLogo to create the simulation based on client-side metrics and goals.

'''Model parameters'''

1. Park Timer
a. Counter for calculating total minutes
b. Boolean checker for availability
2. Billing
a. Set up rates per hours
b. Conditions on specific days
3. Reservation and Allocation
a. Reservation timer will adjust the potential waiting timer
b. When space is reserved new set of behaviour and conditions apply but price is fixed
''' Sources '''

https://ccl.northwestern.edu/netlogo/models/

https://jmvidal.cse.sc.edu/netlogomas/

[[User:Kane02|Kane02]] ([[User talk:Kane|talk]]) 14:10, 18 December 2022 (CET)

<nowiki>~~~~</nowiki>

==Ukrainian refugee crisis 2022==
Author: BortnikSvitlana

'''Problem definition'''

The current war in Ukraine has created the greatest refugee migration to OECD countries since World War II. People have been forced to evacuate their homes in search of safety, protection, and aid due to the escalation of the conflict in Ukraine, which has resulted in civilian casualties and the damage of civilian infrastructure. Since the Russian Federation's invasion of Ukraine began in February 2022, there have been more than 5.3 million refugees in Europe.

'''Goal'''

The goal of this simulation is to build an agent-based model (ABM) to study dynamics of refugee migration due to the war in Ukraine 2022.

'''Method'''

The apparent choice should be a multi-agent simulation because we are dealing with people moving around and having attributes. For this simulation, I've chosen to use NetLogo 6.3.0.

'''Model parameters'''

-Population

-Country

-Number of refugees

-Age distribution (children, adults, seniors)

''' Sources '''

https://www.statista.com/statistics/1312584/ukrainian-refugees-by-country/

https://data.unhcr.org/en/situations/ukraine

https://www.migrationdataportal.org/ukraine/crisis-movements

[[User:BortnikSvitlana|BortnikSvitlana]] ([[User talk:BortnikSvitlana|talk]]) 16:13, 18 December 2022 (CET)

<nowiki>~~~~</nowiki>

==Blockade in Artsakh on its way to humanitarian disaster==
Author: Hakobyan Irena

''' Problem definition '''

Currently, 120.000 people in Artsakh are in blockade. It has become impossible to deliver food, particularly bread and flour, as well as other basic necessities to these communities. It is stated that the provocative actions of Azerbaijan may lead to a large-scale humanitarian disaster. The goal of the simulation is to examine how many days the imported food would be enough for this number of population.

''' Method '''

For this simulation, I'll use NetLogo 6.3.0, as it's based on population and supply attributes.

''' Model variables '''

- Population

- Food supply

- Country

''' Sources '''

https://en.wikipedia.org/wiki/2022_Artsakh_blockade

==Household electricity consumption==
Author: ruzv01

'''Problem definition'''

Household electric energy consumption is a significant problem because it contributes to climate change and can be expensive for individuals and families. The production of electricity often involves the burning of fossil fuels, which releases greenhouse gases into the atmosphere and contributes to global warming. In addition, as more and more devices and appliances in homes become electrified, the demand for electricity increases, leading to higher energy bills.

'''Goal'''

The goal of simulating household electric energy consumption is to model and predict the electricity usage of a home. This can help individuals and families understand their energy consumption patterns and identify ways to reduce their energy use, as well as help utilities and energy companies predict and plan for electricity demand. By understanding and optimizing household electric energy consumption, we can work towards a more sustainable and efficient energy system.

'''Method'''

The simulation will be done in Vensim.

'''Model parameters'''

- Household size (m2)

- Number of appliances and devices

- The number of people living in a household

- Renewable energy sources (If a household has installed renewable energy sources)

- Energy price

- Home age (older homes may be less energy efficient than newer homes)

''' Sources '''

https://www.czso.cz/csu/czso/spotreba-paliv-a-energii-v-domacnostech

https://www.kurzy.cz/komodity/cena-elektriny-graf-vyvoje-ceny/

[[User:Ruzv01|Ruzv01]] ([[User talk:Ruzv01|talk]]) 18:18, 18 December 2022 (CET)
:: I dont see a simulation in it yet. Elaborate it in more detail - what will you simulate exactly? since so far it looks like the more appliances the higher consumption ... Since you use the Vensim, what would be the feed back loops? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:48, 18 December 2022 (CET)

<nowiki>~~~~</nowiki>

== Heating behaviour of households ==

Author: [[User:vala18|Adam Valtr]]

''' Simulation '''

I would like to simulate a heating behavour of a household - which would in turn allow for prediction of its energy bill. Based on a weather data (temperature in approximate location of a supposed building), energy price (per kWh) and technological and spacial parametrs of a heated building (size, heat loss, etc. [see Variables]) it would model the actual temperature the building would be heated to according to it's inhabitants preferences - such as the minimal inside temperature and optimal temperature and their trade-off fuction between comfortable temperature and energy costs (utility gained by temperature increase and utility lost by money spent).

Suppose a person wants its house to be heated to 21 degrees Celsius, to achieve it, it needs to burn X kWh of natural gas. The amout of natural gas needed will vary based on outside temperature. If the outside temperature is 10 °C the energy needed is lower than when it's freezing. This fenomenon is known as temperature gradient - the bigger the gradient the bigger the heat loss, therefore the bigger the energy consuption to maintain the inside temperature goal. If the marginal increase in energy consuption would result in large enough increase in energy bill the person may choose to withstand lower inside temperature, because the utility gained by heating more, would result in higher utility loss caused by higher expenses.

''' Goal '''

The goal is to predict energy consuption (electricity or gas) of a household, based on one's utility function (trade of between comfortable temperature and energy bill), weather and technological parameters of a building.

''' Practical relevance '''

In face of a so called "energy crisis" - meaning dramatical increase in year over year prices of natural gas and electricity, which are the main comodities used for heating by households, modeling one's projected energy costs, may improve one's budgeting and fiscal planning abality and inform one's decision to invest in energy-saving measures.

''' Method '''

Excel and maybe Vensim

''' Variables '''
* outside temperature
* inside temperature
* energy required to heat m3 of air
* volume of heated building
* heat loss (based on certificate of energy efficiency of building)
* heat source efficiency
* minimal acceptable inside temperature
* optimal inside temperature
* energy price
* utility of 1 degree change of inside temperature
* utility of 1 Kč

Assignments WS 2022/2023

2022-12-18T20:03:37Z

Vala18:

{{Ambox
| text = <div>
Please, put here your assignments. Do not forget to sign them. You can use <nowiki>~~~~</nowiki> (four tildas) for an automatic signature. Use Show preview in order to check the result before your final sumbition.
</div>
}}

{{Ambox
| text = <div>
Please, strive to formulate your assignment carefully. We expect an adequate effort to formulate the assignment as it is your semestral paper. Do not forget that your main goal is a research paper. It means your simulation model must generate the results that are specific, measurable and verifiable. Think twice how you will develop your model, which entities you will use, draw a model diagram, consider what you will measure. No sooner than when you have a good idea about the model, submit your assignment. And of course, read [[How to deal with the simulation assignment|How to deal with the simulation assignment]].
</div>
}}

{{Ambox
| text = <div>
Topics on gambling, cards, etc. are not welcome.
</div>
}}

{{Ambox
| type = content
| text = <div>
In order to avoid possible confusion, please, check if you have added '''approved''' in bold somewhere in our comment under your submission. If there is no '''approved''', it means the assignment was not approved yet.
</div>
}}

== Effect of leniency programs on cartel rates by [[User:Baumareb|Baumareb]] ([[User talk:Baumareb|talk]]) 11:18, 7 December 2022 (CET) ==

''' Simulation '''

The leniency program of the European Commission offers the companies involved in a cartel either complete or partial immunity from fines if they self-report and hand over evidence. It was introduced in 1996, following the surge in amnesty applications in the wake of the 1993 revision of the Corporate Leniency Program of the US Department of Justice’s Antitrust Division. Reports from various implemented leniency programs showed that such programs led to numerous applications. However, despite the clear increase in leniency applications, the question poses itself as to whether the programs were also successful in a sense that the actual cartel rate in those countries declined.
The simulation will be based on a study of Harrington and Chang from 2015, in which they concluded the following:

• The actual cartel rate decreases in case that the leniency program does not affect the non-leniency enforcement

• But: if the non-leniency enforcement is affected because resources are shifted to the prosecution of leniency application cases, there might be two possibilities, the cartel rate might increase.

This simulation focuses on the latter case. Assuming endogenized non-leniency enforcement, the introduction of a leniency program might have a differential impact on different industries. If a leniency program is introduced, the cartels that are about to collapse will seek to self-report. This in turn shifts resources from exposing active cartels to prosecuting cartels that are already collapsing. This creates more work for the authorities, who, instead of focusing on active cartels may now focus on dying cartels. This crowding-out effect coming about with the introduction of a leniency program shall be simulated in this project.

''' Goal '''

The simulation will have the following objectives:

* Illustrate the change in cartel rates and the change in the average life expectancy of a cartel triggered by the introduction of a leniency program in case of endogenized non-leniency enforcement for industries with unstable cartels (e.g. industries with a high number of competitors, or demand with more price elasticity) and for industries with stable cartels (e.g. industries with less competitors and demand with less price elasticity).
* Illustrate how many resources may be shifted from non-leniency enforcement to prosecuting leniency application cases without it having an undesired effect on the actual cartel rate.

''' Practical relevance '''

The simulation may be used by law enforcement officials to evaluate whether a leniency program leads to the desired effect (i.e. the decrease in the cartel rate) or not. Also, it can help for deciding whether the non-leniency enforcement needs to be strengthened to prevent the crowding-out effect.

''' Method '''

The described scenario is a multi-agent simulation in which the agents are pursuing a utility-based approach. Thus, the simulation will be done with NetLogo.
The following features will be included into the simulation:

- For both industries with stable and industries with unstable cartels:

* Number of active cartels (dying after reaching avg. life expectancy)
* Number of competitors
* Average life expectancy of a cartel
* “Birth” of new cartels

- For leniency/non-leniency enforcement:
* Resources and their assignment to either leniency or non-leniency enforcement
* Capacity of taking down an active cartel
* Capacity of taking down a cartel based on leniency applications

The simulation will be based on the 2015 research from Harrington and Chang as well as on publicly accessible data from the European Commission regarding antitrust cases from 1964 until today.

''' Sources '''
* Harrington Jr, J. E., & Chang, M. H. (2015). When can we expect a corporate leniency program to result in fewer cartels?. The Journal of Law and Economics, 58(2), 417-449.
* Ordóñez‐De‐Haro, J. M., Borrell, J. R., & Jiménez, J. L. (2018). The European commission's fight against cartels (1962–2014): A retrospective and forensic analysis. JCMS: Journal of Common Market Studies, 56(5), 1087-1107.

[[User:Baumareb|Baumareb]] ([[User talk:Baumareb|talk]]) 11:18, 7 December 2022 (CET) Rebecca Baumann (baur00)

: This isn't an easy topic. Be careful about available data. '''Approved''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 01:46, 15 December 2022 (CET)

== The prediction of divorce rate in Czech Republic for the following 50 years ==

''' The goal of the simulation '''

Divorce in the Czech republic must always contain at least one hearing in front of the court. Legally, there are many more parties involved, such as a notary, who must verify the signatures on all the important documents and many times, divorce lawyers are also necessary. To be able to satisfy the needs of the public, all the involved parties must have an idea about how many married couples are likely to get divorced in the years to come. This simulation will help prepare the courts, notaries and lawyers by making a prediction on the amount of divorces in the next 50 years. This will also help law students choose the field of law that they will specialize in by answering the question whether divorce lawyers will be necessary in the future or not.

''' Method '''

Vensim will be used for this simulation. The used data will come from the Czech Statistical Office and possibly other sources (Refer to [1] and [2]), such as published studies on the most common reasons for divorce. When possible, the data about each reason of divorce will be also found and the simulation model will contain this data.

== Edit: additional details ==

''' What all parameters will the simulation work with and how?'''

1. Number of marriages – the more marriages, the more divorces

a/ Number of people in the age 25 to 34 (i.e., the most common age to get married) – the more there is of these people, the more marriages there will be

b/ Number of divorced people in the age 40 to 49 (i.e., the most common age to get re-married after a divorce) – the more there is of these people, the more marriages there will be, however not as much as the number above

2. Micro causes of divorces = Top 10 causes of divorce as researched by the Czech Statistical Office, published yearly – the more common are these causes (alcoholism, infidelity etc), the more divorces there will be

a/ Ill-considered marriage

b/ Alcoholism

c/ Infidelity

d/ Lack of interest in the family (incl. abandon. of living together)

e/ Ill-treatment, criminal conviction

f/ Different characters, views and interests

g/ Health reasons

h/ Sexual discord

i/ Other causes

j/ Cause not given

3. Number of people in the age 40 to 49 – the more there is of these people, the more divorces there will be (it is the most common age to get divorced)

4. Macro causes of divorces

a/ Economic independence of women = the more economically independent women are, the more likely they are to divorce in case of an unhappy marriage – this will be evaluated through a comparison of data of average income of men vs. women

b/ Being religious – divorce is far less common for religious people.

''' What data source will be used for deriving the equations?'''

Based on my current research of data sources, the Czech Statistical Office has the all the data necessary for this paper.

[1] Scott, S. B., Rhoades, G. K., Stanley, S. M., Allen, E. S., & Markman, H. J. (2013). Reasons for Divorce and Recollections of Premarital Intervention: Implications for Improving Relationship Education. Couple & family psychology, 2(2), 131–145. https://doi.org/10.1037/a0032025

[2] Hawkins, Alan & Willoughby, Brian & Doherty, William. (2012). Reasons for Divorce and Openness to Marital Reconciliation. Journal of Divorce & Remarriage. 53. 453-463. 10.1080/10502556.2012.682898.

: Sounds interesting, but I miss more detail about the simulation. What all parameters will the simulation work with and how? What data source will be used for deriving the equations? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 11:03, 15 December 2022 (CET)
:: ''' Approved'''. Just make sure that the equtions, reasons for divorce and their impact on divorce rate are properly quantified.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 07:23, 17 December 2022 (CET)

==Crop Yield Forecasting==

''' Simulation '''

Crop growth and development simulations and yield forecasting will be performed using variables such as crop type, planting date, soil type, soil texture, and climate data (temperature, rainfall, etc.).

'''Problem definition'''

Arable land is increasingly limited, while the world's population has steadily been increasing over the years. In order to meet rapidly rising demand, production must be increased while natural resources must be protected. New agricultural research is needed to provide information on how to achieve sustainable agriculture in the face of global climate variability. Predicting crop yield under different conditions, such as different irrigation regimes, planting dates, and crop management practices, has become critical for farmers and other stakeholders who use these predictions to make more informed decisions about how to allocate resources, such as labor, equipment, and inputs, to maximize yield and productivity.

'''Method'''

Crop yield simulation tools include AquaCrop, DSSAT, and CropSyst. These tools use mathematical models to simulate crop growth and development based on input data like weather, soil type, and management practices. These tools use this data to estimate the crop's potential yield, as well as other important factors like water use and crop evapotranspiration. For this assignment I will be using AquaCrop which is a crop water productivity model developed by the United Nations Food and Agriculture Organization (FAO). It is used to simulate crop growth and yield under various environmental and management conditions. AquaCrop simulates crop growth and development, and estimates yield based on soil conditions, climate, irrigation, and management practices. The application gives access to various FAO databases with all the necessary data needed to perform a comprehensive simulation of the crop yield.

'''Citations'''

* Y. Lu, C. Wei, M. F. McCabe, and J. Sheffield, “Multi-variable assimilation into a modified AquaCrop model for improved maize simulation without management or crop phenology information,” Agricultural Water Management, vol. 266, p. 107576, May 2022, doi: 10.1016/j.agwat.2022.107576.
* P. N. Kephe, K. K. Ayisi, and B. M. Petja, “Challenges and opportunities in crop simulation modelling under seasonal and projected climate change scenarios for crop production in South Africa,” Agriculture & Food Security, vol. 10, no. 1, p. 10, Apr. 2021, doi: 10.1186/s40066-020-00283-5.
* N. T. Olivera, O. B. Manrique, Y. G. Masjuan, and A. M. G. Alega, “Evaluation of AquaCrop model in crop dry bean growth simulation,” Revista Ciencias Técnicas Agropecuarias, vol. 25, no. 3, pp. 23–30, Accessed: Dec. 10, 2022. [Online]. Available: https://www.redalyc.org/journal/932/93246970003/html/
* N. Pirmoradian, Z. Saadati, M. Rezaei, and M. R. Khaledian, “Simulating water productivity of paddy rice under irrigation regimes using AquaCrop model in humid and semiarid regions of Iran,” Appl Water Sci, vol. 10, no. 7, p. 161, Jun. 2020, doi: 10.1007/s13201-020-01249-5.

[[User:Pierreatekwana|Pierreatekwana]] ([[User talk:Pierreatekwana|talk]]) 15:06, 15 December 2022 (CET)

: Topic souds interesting, but the proposed simulation tool has to be one of the ones we have used in our class ( as specified in How to deal with the simulation assignment:
One of your key course requirements is a submission of simulation. You choose your topic yourself, the same as a method and a tool that you will use. It could be any of the development environments we have used (Excel, Simprocess, Netlogo, or Vensim).) [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 07:05, 17 December 2022 (CET)

== Electricity Spot Market Simulation by [[User:Ceta|Ceta]] ([[User talk:Ceta|talk]]) 01:13, 16 December 2022 (CET) ==
'''IDEA 2'''
Pumped-storage hydroelectricity (PSH), or pumped hydroelectric energy storage (PHES), is a type of hydroelectric energy storage used by electric power systems for load balancing. The method stores energy in the form of gravitational potential energy of water, pumped from a lower elevation reservoir to a higher elevation. Low-cost surplus off-peak electric power is typically used to run the pumps. During periods of high electrical demand, the stored water is released through turbines to produce electric power. Although the losses of the pumping process make the plant a net consumer of energy overall, the system increases revenue by selling more electricity during periods of peak demand, when electricity prices are highest. If the upper lake collects significant rainfall or is fed by a river then the plant may be a net energy producer in the manner of a traditional hydroelectric plant.

Pumped-storage hydroelectricity allows energy from intermittent sources (such as solar, wind) and other renewables, or excess electricity from continuous base-load sources (such as coal or nuclear) to be saved for periods of higher demand. The reservoirs used with pumped storage are quite small when compared to conventional hydroelectric dams of similar power capacity, and generating periods are often less than half a day.

'''Problem definition'''
Company PMP wants to build a new pumped storage hydroelectricity power plant across a river. This facility will be generating power during the peak hours of the day because of its half day upstream reservoir capacity. And for the off-peak hours it will be pumping up the water that is collected in its downstream reservoir using the power from the grid. So, basically, during the day it will be generating power and selling it with peak prices, and during the evening it will be consuming energy and will need to buy it for off peak prices. The Company PMP is trying to decide about downstream reservoir capacity. To decide it they need to simulate the system with water inflow input and market prices to decide what proportion of upstream and downstream reservoirs would be optimal to decide on size of downstream reservoir.

'''Parameters:'''

Stream inflow (m3/s or m3/day or another conversion)

Upstream active reservoir volume = half day generation of hydro power plant

Installed capacity of hydro power generation (MW)

Precipitation (Random normal)

Evaporation (0.1 percentage lost every hour)

Generator power factor (How much water volume needed for per MWh generation)

Pump flow capacity (m3/s or m3/day or another conversion)

Pumping consumption factor (How much MWh needed per m3)

Initial active reservoir levels (percentage full)

Spot Market Prices (Usd/MWh)

Upstream reservoir maximum capacity (m3) (Fixed)

Downstream reservoir maximum capacity (m3) (Variable)

Compulsory flow schedule back to river (m3) (Fixed)

'''Method'''
Most probably Vensim simulation will be done.

Upstream active reservoir volume = Initial reservoir volume level (UpS) + stream inflow + pumped inflow – penstock outflow (to generation) + precipitation – evaporation
(Between 0 and Upstream reservoir maximum capacity (m3))

Downstream active reservoir volume = Initial reservoir level (DwS) + penstock outflow (from generation) – pumped inflow
(Between 0 and Downstream reservoir maximum capacity (m3) (Variable)) - compulsory flow schedule back to river

Revenues = SUM (Power Generated x Spot Market Price) - SUM (Power Consumed x Spot Market Price)

Power Generated = Generator power factor x penstock outflow (to generation)

Power Consumed = Pumping consumption factor x pumped inflow

'''Goal'''
To simulate and determine the ratio of Upstream reservoir maximum capacity / Downstream reservoir maximum capacity

'''Sources:'''
https://en.wikipedia.org/wiki/Pumped-storage_hydroelectricity
https://seffaflik.epias.com.tr/transparency

'''IDEA 1'''

'''Problem definition'''

Anthony is as a portfolio manager in the power company Goodpower. Goodpower has a portfolio of hydro power plants. Goodpower is a market participant in a liberated market structure. The power generation can be sold either in spot market with volatile prices, or it can be sold with a yearly fixed price on over the counter (OTC). Goodpower assigned Anthony responsible for optimization of power generation revenue. Now Anthony needs to decide on how much generation to risk in the volatile spot market and how much to risk with the fixed price. After contacting the power brokers in OTC market, he was offered the following deals:

1. A baseload deal with a fixed price.

2. An off-peak hours deal with a fixed price.

3. A peak hours deal with a fixed price.

All of the deals will have random limited volumes.
A combination of peak and off-peak deal with the same volume is basically equal to a baseload deal with the same volume.

Peak deal represents the constant load between 08:00 - 20:00 (12 Hours).

Off-Peak deal represents the constant load between 20:00 - 08:00 (12 Hours).

Baseload deal represents the constant load for 24 hours.

'''Goal'''

Simulation that can be used as a decision support tool when trading a power portfolio.

'''Method'''

Monte Carlo simulation in Excel environment will be created. The historical spot prices will be used to determine fixed deal prices. The historical generation values will be used to determine generation scenarios (wet season - high.generation, average generation, dry season – low generation). The volatility of spot market prices will be based on again historical spot prices. The simulation of 1 year = 8760 hours will be generated. Since, the stability spot market prices in winter are dependent on natural gas shortages, these shortage scenarios will be added to the simulation.

The natural gas shortage effect will be extracted from past price data. There's a price cap for the highest bid and the spot market prices equal to highest bid means the supplied amount of power in the market can barely match the demand. So the highest bid gets selected to match the demand as much as possible.

'''Model parameters'''

• Hydro Generation scenarios:

- Wet season – high generation (MWh)

- Average season - average generation (MWh)

- Dry season – low generation (MWh)

• Market data:

- Volatile spot market prices (USD/MWh)

- Fixed deal prices will be based on past year spot market prices (While OTC market prices can’t be publicly viewed)

''' Data '''

- EXIST Transparency Portal https://seffaflik.epias.com.tr/transparency/

: From the description I am not sure that I understnad what simulation is being proposed. What will the simulation actully look like, what is it going simulate exactly? If you want to take into consideration the effcts like the Effects of Natural Gas Shortages, how will you quantify the strentg of such effect? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 21:47, 17 December 2022 (CET)

Professor I made changes in my simulation. Can you please check?

:: Idea 2 '''approved'''.[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:52, 18 December 2022 (CET)

== Profit in store vs e-shop ==

''' Method:''' System Dynamics

'''Software:''' Vensim

'''Simulation'''

An unnamed company that sells carpets has its own store in Prague. During COVID-19 the company reopened an e-shop, so it currently has two mutually supporting sales channels. Both types of stores have their advantages and disadvantages. At the same time, there are various factors that affect the profit. Examples of these factors are the following: customer satisfaction and needs (carpet quality, order processing speed, price, etc.), expenses (advertising, rent, employees, etc.), the possibility of expansion, etc. To ensure customer satisfaction the company should make some expenses.

'''Model parameters'''

*Expenses
**fixed
**variable
*Revenues
**customer satisfaction -> influence amount of expenses
***Product quality,
***Speed of orders/purchases processing,
***Opening hours, working on weekends and holidays,
***The possibility of picking up the order in the store/speed of delivery
***Increasing customer satisfaction using sales and giving gifts for the order
***Store availability
***Parking
***Complaints fees
***Services: floor coverings including consultations and estimates, whipstitch of carpet
**price
**a number of sales, etc.

''' The goal of the simulation '''

The goal of this simulation is to find out what parameters can increase profit the most (individually for each type of store), to find a balance between expenses to satisfy the customers in order to achieve the profit, and in the end to compare these parameters.

'''Data'''

Real data provided by the owners of the store

[[User:Ploo00|Ploo00]] ([[User talk:Ploo00|talk]]) 01:41, 16 December 2022 (CET)
:Please elaborate in more detail as we have discussed in class [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 07:17, 17 December 2022 (CET)
::I changed the assignment a little bit. Can you please look at it? [[User:Ploo00|Ploo00]] ([[User talk:Ploo00|talk]]) 19:50, 17 December 2022 (CET)
::: If you have the data to derive the parameters from, than '''Approved'''. Describe in the report how you have derived the effects of and on the customer satisfaction. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 21:52, 17 December 2022 (CET)

==Comparison of strategies for finding a lost person in the forest==

''' Author:''' Tomáš Kadaně (kadt02)

'''Type:''' Multi-agent

'''Software:''' NetLogo

'''Description:'''

The simulation will focus on comparing the times needed to find a lost person in a forest (area with trees).
The metric to compare the strategies will be the number of ticks needed to find the wanted person. Both the person being searched for and the searcher will be in a random location at the beginning of the simulation.
Within the simulation, I will take several measurements for each strategy and number of searchers (1 to 5), so that the number is statistically significant and use, for example, the means to compare which strategy is the most appropriate.

The model will be able to simulate several search strategies

*one step forward and then turn of random degree (-45 to 45 degrees), so random walk
*walk straight until it hits the edge of the forest or tree, then turn and continue walking straight
*first walk to the nearest corner of the forest and then a some kind of serpentine search
*possibly other strategies

'''Goals:'''

Finding the most appropriate strategy for finding a person in the forest depending on the number of people searching.

'''Agents:'''

*Searchers (e.g. police officers)
*Lost person

'''Parameters:'''

*Number of searchers
*Type of strategy
*Ticks needed to find person

'''Possible extensions:'''

*Searchers with certain pace of walking
*Finding the person won’t mean be at same location but seeing it for some distance (again certain ability of the searcher to see for certain distance)
*Cooperation of finders (formations, place distribution)
*Lost person will be moving when being looked for

[[User:Kadt02|Kadt02]] ([[User talk:Kadt02|talk]]) 16:01, 17 December 2022 (CET)

==Saving for an apartment==

Author: miln02

'''Problem definition'''

Jon has finally graduated to be an engineer and has found his first job. As he is living with his parents and doesn’t own his apartment, he made the decision to start saving so he can buy an apartment in the next 15 years. He already has some money that he has saved so far just sitting in his bank account, so he will use that as an initial investment, and after that he will invest a fixed amount every year.
He now must make a very important decision. Where should he invest his money? After doing some research, he focused on choosing between four different options:

1. Deposit money in the bank.

2. Purchase government bonds.

3. Invest in one of the world indices.

4. Invest all the money in one stock.

'''Goal'''

Create simulation that can be used as a support when making investment decision.

'''Method'''

For helping Jon to make a decision, I will use Monte Carlo simulation and Excel as an environment. The historical yield and volatility data will be used to calculate the average behaviour of all 4 options, and we will simulate possible results after 15 years. Since it can’t be expected that the market will be stable for all 15 years, economic crises will be generated.

'''Model parameters'''

* Investments:

-Initial one-time investment

-Fixed annual investment

* Market data:

-Deposits (Rate)

-Government bonds (Yield, volatility)

-Index (Yield, volatility)

-Stock (Yield, volatility)

* Economic crises probability

'''Sources'''

* https://finance.yahoo.com/

* http://www.worldgovernmentbonds.com/

* Bank website for deposit rates

[[User:Miln02|Miln02]] ([[User talk:Miln02|talk]]) 16:17, 17 December 2022 (CET)
:: '''Approved''' [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 22:14, 17 December 2022 (CET)

<nowiki>~~~~</nowiki>

==Szenario Evacuation Model==
Author: Julian Bleyer

''' Simulation '''

My idea is to recreate a building (e.g. a stadium, hall, e.g. in Prague) in Prague and simulate how long it takes to evacuate all the people. Possible are also other Szenarios, e.g. with fire, or water is flooding into the room. The model should be based on a real event site or building, which is then specified.

''' Goal'''

The aim is to adapt different strategies and parameters during the escape. For example, people can panic, genders act differently, or the age of the people has an influence on how quickly they leave the place.
The aim is to simulate how long it takes to leave the stadium, for example. If it takes too long, it is recommended to adjust the number of escape routes.

''' Practical relevance '''

This is especially important because in case of attack plans, a quick evacuation must be possible. The model can be used to adapt escape plans if necessary.

''' Method '''
The idea is to simulate in Netlogo, alternatively a similar software.

''' Model Parameters'''

-Number of persons
-Age distribution (children, adults, seniors)
-Panic tendency
-escape strategy
-other factors

''' Sources '''

Location maps of venues, e.g. the o2 station in Prague or a Cinema room, number of tickets sold, gender distribution depending on the event, etc.

<nowiki>~~~~</nowiki>

[[User:Julian Bleyer|Julian Bleyer]] ([[User talk:Julian Bleyer|talk]]) 14:16, 18 December 2022 (CET)

==Car Park Solution for a New Cinema==
Author: kane02

'''Problem definition'''

A brand-new cinema is opening at Vypich in 6 months at one of the busiest streets in the region. The ambitious owners decided to use their extra budget to operate a small parking space right in front of the cinemas entrance for providing a space to park for customers and generate further profits. Planned parking space will have fixed expense for each month but the land itself can be extended. Owners are now in need of expertise on how to approach this issue. Their requirements consist of.

1. Counter on when a car enters and departs.
2. Create a receipt depending on hours.
3. Take reservations and allocate the space.

'''Goal'''

1. Create simulation that optimizes the potential waiting time, price, and number of the parking space for stake holders.
2. Offer solution on how to increase profits.

'''Method'''

For getting the job done I shall be using NetLogo to create the simulation based on client-side metrics and goals.

'''Model parameters'''

1. Park Timer
a. Counter for calculating total minutes
b. Boolean checker for availability
2. Billing
a. Set up rates per hours
b. Conditions on specific days
3. Reservation and Allocation
a. Reservation timer will adjust the potential waiting timer
b. When space is reserved new set of behaviour and conditions apply but price is fixed
''' Sources '''

https://ccl.northwestern.edu/netlogo/models/

https://jmvidal.cse.sc.edu/netlogomas/

[[User:Kane02|Kane02]] ([[User talk:Kane|talk]]) 14:10, 18 December 2022 (CET)

<nowiki>~~~~</nowiki>

==Ukrainian refugee crisis 2022==
Author: BortnikSvitlana

'''Problem definition'''

The current war in Ukraine has created the greatest refugee migration to OECD countries since World War II. People have been forced to evacuate their homes in search of safety, protection, and aid due to the escalation of the conflict in Ukraine, which has resulted in civilian casualties and the damage of civilian infrastructure. Since the Russian Federation's invasion of Ukraine began in February 2022, there have been more than 5.3 million refugees in Europe.

'''Goal'''

The goal of this simulation is to build an agent-based model (ABM) to study dynamics of refugee migration due to the war in Ukraine 2022.

'''Method'''

The apparent choice should be a multi-agent simulation because we are dealing with people moving around and having attributes. For this simulation, I've chosen to use NetLogo 6.3.0.

'''Model parameters'''

-Population

-Country

-Number of refugees

-Age distribution (children, adults, seniors)

''' Sources '''

https://www.statista.com/statistics/1312584/ukrainian-refugees-by-country/

https://data.unhcr.org/en/situations/ukraine

https://www.migrationdataportal.org/ukraine/crisis-movements

[[User:BortnikSvitlana|BortnikSvitlana]] ([[User talk:BortnikSvitlana|talk]]) 16:13, 18 December 2022 (CET)

<nowiki>~~~~</nowiki>

==Blockade in Artsakh on its way to humanitarian disaster==
Author: Hakobyan Irena

''' Problem definition '''

Currently, 120.000 people in Artsakh are in blockade. It has become impossible to deliver food, particularly bread and flour, as well as other basic necessities to these communities. It is stated that the provocative actions of Azerbaijan may lead to a large-scale humanitarian disaster. The goal of the simulation is to examine how many days the imported food would be enough for this number of population.

''' Method '''

For this simulation, I'll use NetLogo 6.3.0, as it's based on population and supply attributes.

''' Model variables '''

- Population

- Food supply

- Country

''' Sources '''

https://en.wikipedia.org/wiki/2022_Artsakh_blockade

==Household electricity consumption==
Author: ruzv01

'''Problem definition'''

Household electric energy consumption is a significant problem because it contributes to climate change and can be expensive for individuals and families. The production of electricity often involves the burning of fossil fuels, which releases greenhouse gases into the atmosphere and contributes to global warming. In addition, as more and more devices and appliances in homes become electrified, the demand for electricity increases, leading to higher energy bills.

'''Goal'''

The goal of simulating household electric energy consumption is to model and predict the electricity usage of a home. This can help individuals and families understand their energy consumption patterns and identify ways to reduce their energy use, as well as help utilities and energy companies predict and plan for electricity demand. By understanding and optimizing household electric energy consumption, we can work towards a more sustainable and efficient energy system.

'''Method'''

The simulation will be done in Vensim.

'''Model parameters'''

- Household size (m2)

- Number of appliances and devices

- The number of people living in a household

- Renewable energy sources (If a household has installed renewable energy sources)

- Energy price

- Home age (older homes may be less energy efficient than newer homes)

''' Sources '''

https://www.czso.cz/csu/czso/spotreba-paliv-a-energii-v-domacnostech

https://www.kurzy.cz/komodity/cena-elektriny-graf-vyvoje-ceny/

[[User:Ruzv01|Ruzv01]] ([[User talk:Ruzv01|talk]]) 18:18, 18 December 2022 (CET)
:: I dont see a simulation in it yet. Elaborate it in more detail - what will you simulate exactly? since so far it looks like the more appliances the higher consumption ... Since you use the Vensim, what would be the feed back loops? [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 20:48, 18 December 2022 (CET)

<nowiki>~~~~</nowiki>

== Heating behaviour of households by [[User:vala18|vala18]] ==

''' Simulation '''

I would like to simulate a heating behavour of a household - which would in turn allow for prediction of its energy bill. Based on a weather data (temperature in approximate location of a supposed building), energy price (per kWh) and technological and spacial parametrs of a heated building (size, heat loss, etc. [see Variables]) it would model the actual temperature the building would be heated to according to it's inhabitants preferences - such as the minimal inside temperature and optimal temperature and their trade-off fuction between comfortable temperature and energy costs (utility gained by temperature increase and utility lost by money spent).

Suppose a person wants its house to be heated to 21 degrees Celsius, to achieve it, it needs to burn X kWh of natural gas. The amout of natural gas needed will vary based on outside temperature. If the outside temperature is 10 °C the energy needed is lower than when it's freezing. This fenomenon is known as temperature gradient - the bigger the gradient the bigger the heat loss, therefore the bigger the energy consuption to maintain the inside temperature goal. If the marginal increase in energy consuption would result in large enough increase in energy bill the person may choose to withstand lower inside temperature, because the utility gained by heating more, would result in higher utility loss caused by higher expenses.

''' Goal '''

The goal is to predict energy consuption (electricity or gas) of a household, based on one's utility function (trade of between comfortable temperature and energy bill), weather and technological parameters of a building.

''' Practical relevance '''

In face of a so called "energy crisis" - meaning dramatical increase in year over year prices of natural gas and electricity, which are the main comodities used for heating by households, modeling one's projected energy costs, may improve one's budgeting and fiscal planning abality and inform one's decision to invest in energy-saving measures.

''' Method '''

Excel and maybe Vensim

''' Variables '''
* outside temperature
* inside temperature
* energy required to heat m3 of air
* volume of heated building
* heat loss (based on certificate of energy efficiency of building)
* heat source efficiency
* minimal acceptable inside temperature
* optimal inside temperature
* energy price
* utility of 1 degree change of inside temperature
* utility of 1 Kč