Simulace.info - User contributions [en]

Simulace retence vody v přírodě (Netlogo)

2019-06-17T10:52:32Z

Xreij15: Opraveno zobrazení obrázků

== Simulace Retence vody v přírodě ==
----
'''Název simulace:''' Simulace retence vody v přírodě

'''Autor:''' Jan Reindl

'''Modelovací nástroj:''' NetLogo

'''Popis modelu:''' Dnes často diskutovaným tématem je problém neustálého sucha v krajině a konstantní pokles hladiny spodních vod. Cílem tohoto modelu je nasimulovat podle dostupných informací tuto situaci. Prostředí tvoří krajina s různě složitým terénem, na který dopadá určité množství srážek. Část vody se vsákne, ale zbytek teče směrem dolů. V místech, kde protéká hodně vody může docházet k erozi. Půda má dvě "vrstvy" první vrstva je povrchová, s omezenou možností absorbovat vodu. Druhá vrstva je hluboká a má relativně neomezenou kapacitu, voda se do ní ale dostává postupně skrze svrchní vrstvu. V modelu je zachyceno několik kategorií půdy s různou propustností a polní kapacitou. K tomu, aby mohla voda začít prosakovat do podzemních vod, musí být nejdříve naplněna kapacita povrchové vrstvy. Voda, která steče k okraji plochy simulace je brána jako ztracená a její množství je sledováno, je však možné jej ovlivnit. Kromě vsakování také dochází k úbytku vody odpařováním a spotřebou vody rostlinami. Takovému souhrnému jevu se říká evapotranspirace. V modelu je také začleněno několik druhů povrchu půdy podle jejího využití. Každý druh povrchu (různé plodiny nebo stromy) ma jinou odolnost vůči erozi a jinou rychlost evapotranspirace.

=Metoda:= K vytvoření simulace bylo použito nástroje NetLogo, kterž z pravidla slouží k vytváření multiagentních simulací. Jedná se o ideální nástroj pro simulaci přírodních úkazů a dovoloje celkem dobře sledovat vývoj situace. Nicméně tento model je poměrně složitý a náročný, a to i přes to, že se stále jedná o zjednodušenou podobu zkoumané reality.

==Detaily modelu==

===Agenty===

Jediným druhem agentu v této simulaci jsou samotné dlaždice tvořící prostředí simulace, které si mezi sebou předávají informace. Původním záměrem bylo ztvárnit tekoucí vodu pomocí samostatných agentů. Vzhledem k již tak velmi vysoké výpočetní náročnosti, respektive omezené schopnosti nástroje NetLogo využít dostupnou kapacitu by takové počínání takřka nemožné.

===Základní metody modelu===

*'''Nastavení prostředí:''' pomocí několika metod, které slouží k vytvoření prostředí simulace je vytvořeno prostředí zobrazující krajinu s různou nadmořskou výškou a různými druhy půdy a jejího pokrytí různou vegetací.
*'''Srážky:''' Když dochází ke srážkám, na jednotlivé souřadnice dopadá různé množství vody. Tato voda se dále vsakuje nebo odtéká pryč z místa dopadu respektive ze své současné polohy.
*'''Vsakování vody:''' Pokud se na povrchu jakékoliv "dlaždice" nachází nějaká voda, dochází k jejímu vsakování rychlostí, která se liší podle druhu půdy. Tímto vsakováním se naplňuje retenční kapacita půdy
*'''Perkolace:''' Jestliže dojde k naplnění kapacity svrchní vrstvy půdy, dochází k perkolaci, tedy v podstatě k další fázi vsakování, kdy se voda z vrchní vrstvy půdy dostává do spodních vod a zvyšuje tak její hladinu.
*'''Odtok:''' poté, co se vsákne maximální možné množství vody za daný časový úsek, zbývající voda odtéká, pokud se v bezprostřední blízkosti nachází místo, které je níže položené (a případně je na něm nižší hladina vody)
*'''Úpravy prostředí:''' Operátor simulace má také k dispozici možnost vykopat umělý příkop nebo postavit hráz a zabránit vodě v odtoku nebo naopak umožnit nasměrování vody jinam.
*'''Resetování:''' Uživatel také může nechat vodu, která předtím napršela a sledovat tak stejný scénář vícekrát posobě, nebo porovnávat výsledky před a po zbudování hráze. Bez resetování může simulace naopak běžet dále.
*'''Zobrazení:''' Model dovoluje přepínat mezi zobrazením prostředí podle elevace, druhu půdy nebo druhu pokrytí.

===Průběh simulace===
Jednotlivé kroky simulace jsou "krokovány" pomocí takzvaných ticků. Tato simulace je nastavena tak, že jeden tick představuje jednu minutu skutečného času a rychlosti vsakování a vypařování jsou nastaveny podle toho. Pokud skončí déšť, uživatel může přejít do následujícího dne, odtok a vsakování vody se podle toho nasimuluje.

===Vstupní parametry modelu===
Model obsahuje značné množství vstupních prvků, které dovolojí různé nastavení prostředí simulace jako minimální a maximální elevace nebo počáteční vlhkost půdy - tedy z kolika procent je naplněna kapacita půdy. Nejduležitějším parametrem je ale samozřejmě vydatnost a intenzita srážek. Tedy kolik vody dopadne nazem a jak rychle (kolik promile z celku dopadne na zem za jednu minutu)

===Shrnutí a výsledky===

Tento model je i vzhledem k těžce dostupným informacím dle mého názoru celkem dobře nastaven. Jediným problémem je tvoření simulovaného prostředí náhodným způsobem. Pokud by existovala možnost importu topografické mapy, mohlo by se jednat o mnohem užitečnější nástroj. Největší nevýhodou modelu je však vysoká výpočetní náročnost modelu v kombinací s neschopností nástroje NetLogo řádně využít více jader procesoru činí práci s modelem relativně časově náročnou. Vývoj modelu byl časově velice náročný a potřebné informace nejsou zcela dostupné. Model byl však nastaven podle dostupných hydrologických informací přímo z České republiky a jednotlivé kategorie půdy v modelu odpovídají kategoriím používaným pro Českou republiku.

=Obrázky modelu=

'''Pohled na celkové uživatelské rozhraní'''

[[File:Xreij15-interface.PNG|border|Pohled na celkové uživatelské rozhraní]]

[[File:Xreij15-monitors.PNG|frame|centre|Model zobrazuje informace o poli na souřadnicích ukazatele myši]]

[[File:Xreij15-controls.PNG|thumb|left|Ovládání hlavních funkcí modelu - deště a běhu času]]

[[File:Xreij15-input-variables.PNG|thumb|right|Panel s nastavením vstupních parametrů]]

=Kód=

Zdrojový kód simulace je zde: [[File:Xreij15_water_retention.nlogo]]

=Zdoje=

Primárním zdrojem byly údaje dostupné od Výzkumnéhi ústavu meliorací a ochrany půdy, v.v.i. na stránkách[https://www.vumop.cz]

ALLEN, R. G. ''Crop evapotranspiration: guidelines for computing crop water requirements.'' Rome: Food and Agriculture Organization of the United Nations, 1998. ISBN 92-5-104219-5.

[https://www.nrcs.usda.gov/Internet/FSE_DOCUMENTS/nrcs142p2_053268.pdf|"Soil Infiltration"] (PDF). ''United States Department of Agriculture''.

DADKHAH, M., & GIFFORD, G. F. (1980). ''INFLUENCE OF VEGETATION, ROCK COVER, AND TRAMPLING ON INFILTRATION RATES AND SEDIMENT PRODUCTION.'' Journal of the American Water Resources Association, 16(6), 979–986. doi:10.1111/j.1752-1688.1980.tb02537.x

File:Xreij15-input-variables.PNG

2019-06-17T10:28:35Z

Xreij15:

File:Xreij15-controls.PNG

2019-06-17T10:28:16Z

Xreij15:

File:Xreij15-monitors.PNG

2019-06-17T10:28:04Z

Xreij15:

File:Xreij15-interface.PNG

2019-06-17T10:24:23Z

Xreij15:

SS 2018/2019/cs

2019-06-16T22:01:16Z

Xreij15:

{{DISPLAYTITLE:LS 2018/2019}}

Semestrální práce (simulace) z letního semestru 2018/2019. Sem přidejte odkaz na stránku s Vaší prací.
Nejprve je třeba nechat schválit [[Assignment SS 2018/2019/cs|zadání práce]].

=Vypracovaná témata LS 2018/2019=
* [[Simulace populací včel (Netlogo)]] - Michaela Trnková
* [[Simulace šíření spalniček (Vensim)]] - Jurij Povoroznyk, povj01
* [[Optimalizace centrálního skladu (Simprocess)]] - Martin Jirsa
* [[Simulace automobilových závodů (Netlogo)]] - [[User:Jinv00|Jinv00]] ([[User talk:Jinv00|talk]]) 16:26, 10 June 2019 (CET)
* [[Optimalizace počtu výčapov piva na štadióne (Simprocess)]] - Dominik Turak
* [[Simulace reklamačního oddělení (Simprocess)]] - Pavel Gregor
* [[Spotřeba surovin ve fastfoodu (Simprocess)]] - Josef Kočí
* [[Simulace výběru pokladny na prodejně (SIMPROCESS)]] - Jan Hazdra
* [[Model IT firmy (Vensim)]] - Josef Čekan, cekj01
* [[Simulace populačního vývoje České republiky (Vensim)]] - Adam Spivák
* [[Výtíženost posilovny (Simprocess)]] - Martin Matějka [[User:Xmatm82|Xmatm82]] ([[User talk:Xmatm82|talk]]) 20:55, 11 June 2019 (CET)
* [[Simulace Sjezdovky (NetLogo)]] - Michal Pokorný
* [[Simulace retence vody v přírodě (Netlogo)]] - Jan Reindl

Simulace retence vody v přírodě (Netlogo)

2019-06-16T21:58:46Z

Xreij15: /* Obrázky modelu */

== Simulace Retence vody v přírodě ==
----
'''Název simulace:''' Simulace retence vody v přírodě

'''Autor:''' Jan Reindl

'''Modelovací nástroj:''' NetLogo

'''Popis modelu:''' Dnes často diskutovaným tématem je problém neustálého sucha v krajině a konstantní pokles hladiny spodních vod. Cílem tohoto modelu je nasimulovat podle dostupných informací tuto situaci. Prostředí tvoří krajina s různě složitým terénem, na který dopadá určité množství srážek. Část vody se vsákne, ale zbytek teče směrem dolů. V místech, kde protéká hodně vody může docházet k erozi. Půda má dvě "vrstvy" první vrstva je povrchová, s omezenou možností absorbovat vodu. Druhá vrstva je hluboká a má relativně neomezenou kapacitu, voda se do ní ale dostává postupně skrze svrchní vrstvu. V modelu je zachyceno několik kategorií půdy s různou propustností a polní kapacitou. K tomu, aby mohla voda začít prosakovat do podzemních vod, musí být nejdříve naplněna kapacita povrchové vrstvy. Voda, která steče k okraji plochy simulace je brána jako ztracená a její množství je sledováno, je však možné jej ovlivnit. Kromě vsakování také dochází k úbytku vody odpařováním a spotřebou vody rostlinami. Takovému souhrnému jevu se říká evapotranspirace. V modelu je také začleněno několik druhů povrchu půdy podle jejího využití. Každý druh povrchu (různé plodiny nebo stromy) ma jinou odolnost vůči erozi a jinou rychlost evapotranspirace.

=Metoda:= K vytvoření simulace bylo použito nástroje NetLogo, kterž z pravidla slouží k vytváření multiagentních simulací. Jedná se o ideální nástroj pro simulaci přírodních úkazů a dovoloje celkem dobře sledovat vývoj situace. Nicméně tento model je poměrně složitý a náročný, a to i přes to, že se stále jedná o zjednodušenou podobu zkoumané reality.

==Detaily modelu==

===Agenty===

Jediným druhem agentu v této simulaci jsou samotné dlaždice tvořící prostředí simulace, které si mezi sebou předávají informace. Původním záměrem bylo ztvárnit tekoucí vodu pomocí samostatných agentů. Vzhledem k již tak velmi vysoké výpočetní náročnosti, respektive omezené schopnosti nástroje NetLogo využít dostupnou kapacitu by takové počínání takřka nemožné.

===Základní metody modelu===

*'''Nastavení prostředí:''' pomocí několika metod, které slouží k vytvoření prostředí simulace je vytvořeno prostředí zobrazující krajinu s různou nadmořskou výškou a různými druhy půdy a jejího pokrytí různou vegetací.
*'''Srážky:''' Když dochází ke srážkám, na jednotlivé souřadnice dopadá různé množství vody. Tato voda se dále vsakuje nebo odtéká pryč z místa dopadu respektive ze své současné polohy.
*'''Vsakování vody:''' Pokud se na povrchu jakékoliv "dlaždice" nachází nějaká voda, dochází k jejímu vsakování rychlostí, která se liší podle druhu půdy. Tímto vsakováním se naplňuje retenční kapacita půdy
*'''Perkolace:''' Jestliže dojde k naplnění kapacity svrchní vrstvy půdy, dochází k perkolaci, tedy v podstatě k další fázi vsakování, kdy se voda z vrchní vrstvy půdy dostává do spodních vod a zvyšuje tak její hladinu.
*'''Odtok:''' poté, co se vsákne maximální možné množství vody za daný časový úsek, zbývající voda odtéká, pokud se v bezprostřední blízkosti nachází místo, které je níže položené (a případně je na něm nižší hladina vody)
*'''Úpravy prostředí:''' Operátor simulace má také k dispozici možnost vykopat umělý příkop nebo postavit hráz a zabránit vodě v odtoku nebo naopak umožnit nasměrování vody jinam.
*'''Resetování:''' Uživatel také může nechat vodu, která předtím napršela a sledovat tak stejný scénář vícekrát posobě, nebo porovnávat výsledky před a po zbudování hráze. Bez resetování může simulace naopak běžet dále.
*'''Zobrazení:''' Model dovoluje přepínat mezi zobrazením prostředí podle elevace, druhu půdy nebo druhu pokrytí.

===Průběh simulace===
Jednotlivé kroky simulace jsou "krokovány" pomocí takzvaných ticků. Tato simulace je nastavena tak, že jeden tick představuje jednu minutu skutečného času a rychlosti vsakování a vypařování jsou nastaveny podle toho. Pokud skončí déšť, uživatel může přejít do následujícího dne, odtok a vsakování vody se podle toho nasimuluje.

===Vstupní parametry modelu===
Model obsahuje značné množství vstupních prvků, které dovolojí různé nastavení prostředí simulace jako minimální a maximální elevace nebo počáteční vlhkost půdy - tedy z kolika procent je naplněna kapacita půdy. Nejduležitějším parametrem je ale samozřejmě vydatnost a intenzita srážek. Tedy kolik vody dopadne nazem a jak rychle (kolik promile z celku dopadne na zem za jednu minutu)

===Shrnutí a výsledky===

Tento model je i vzhledem k těžce dostupným informacím dle mého názoru celkem dobře nastaven. Jediným problémem je tvoření simulovaného prostředí náhodným způsobem. Pokud by existovala možnost importu topografické mapy, mohlo by se jednat o mnohem užitečnější nástroj. Největší nevýhodou modelu je však vysoká výpočetní náročnost modelu v kombinací s neschopností nástroje NetLogo řádně využít více jader procesoru činí práci s modelem relativně časově náročnou. Vývoj modelu byl časově velice náročný a potřebné informace nejsou zcela dostupné. Model byl však nastaven podle dostupných hydrologických informací přímo z České republiky a jednotlivé kategorie půdy v modelu odpovídají kategoriím používaným pro Českou republiku.

=Obrázky modelu=

[[[Media:https://imgur.com/a/fSFiTo7]]]

=Kód=

Zdrojový kód simulace je zde: [[File:Xreij15_water_retention.nlogo]]

=Zdoje=

Primárním zdrojem byly údaje dostupné od Výzkumný ústav meliorací a ochrany půdy, v.v.i. na stránkách[https://www.vumop.cz]

Simulace retence vody v přírodě (Netlogo)

2019-06-16T21:57:17Z

Xreij15: Created page with "== Simulace Retence vody v přírodě == ---- '''Název simulace:''' Simulace retence vody v přírodě '''Autor:''' Jan Reindl '''Modelovací nástroj:''' NetLogo '''Popis..."

== Simulace Retence vody v přírodě ==
----
'''Název simulace:''' Simulace retence vody v přírodě

'''Autor:''' Jan Reindl

'''Modelovací nástroj:''' NetLogo

'''Popis modelu:''' Dnes často diskutovaným tématem je problém neustálého sucha v krajině a konstantní pokles hladiny spodních vod. Cílem tohoto modelu je nasimulovat podle dostupných informací tuto situaci. Prostředí tvoří krajina s různě složitým terénem, na který dopadá určité množství srážek. Část vody se vsákne, ale zbytek teče směrem dolů. V místech, kde protéká hodně vody může docházet k erozi. Půda má dvě "vrstvy" první vrstva je povrchová, s omezenou možností absorbovat vodu. Druhá vrstva je hluboká a má relativně neomezenou kapacitu, voda se do ní ale dostává postupně skrze svrchní vrstvu. V modelu je zachyceno několik kategorií půdy s různou propustností a polní kapacitou. K tomu, aby mohla voda začít prosakovat do podzemních vod, musí být nejdříve naplněna kapacita povrchové vrstvy. Voda, která steče k okraji plochy simulace je brána jako ztracená a její množství je sledováno, je však možné jej ovlivnit. Kromě vsakování také dochází k úbytku vody odpařováním a spotřebou vody rostlinami. Takovému souhrnému jevu se říká evapotranspirace. V modelu je také začleněno několik druhů povrchu půdy podle jejího využití. Každý druh povrchu (různé plodiny nebo stromy) ma jinou odolnost vůči erozi a jinou rychlost evapotranspirace.

=Metoda:= K vytvoření simulace bylo použito nástroje NetLogo, kterž z pravidla slouží k vytváření multiagentních simulací. Jedná se o ideální nástroj pro simulaci přírodních úkazů a dovoloje celkem dobře sledovat vývoj situace. Nicméně tento model je poměrně složitý a náročný, a to i přes to, že se stále jedná o zjednodušenou podobu zkoumané reality.

==Detaily modelu==

===Agenty===

Jediným druhem agentu v této simulaci jsou samotné dlaždice tvořící prostředí simulace, které si mezi sebou předávají informace. Původním záměrem bylo ztvárnit tekoucí vodu pomocí samostatných agentů. Vzhledem k již tak velmi vysoké výpočetní náročnosti, respektive omezené schopnosti nástroje NetLogo využít dostupnou kapacitu by takové počínání takřka nemožné.

===Základní metody modelu===

*'''Nastavení prostředí:''' pomocí několika metod, které slouží k vytvoření prostředí simulace je vytvořeno prostředí zobrazující krajinu s různou nadmořskou výškou a různými druhy půdy a jejího pokrytí různou vegetací.
*'''Srážky:''' Když dochází ke srážkám, na jednotlivé souřadnice dopadá různé množství vody. Tato voda se dále vsakuje nebo odtéká pryč z místa dopadu respektive ze své současné polohy.
*'''Vsakování vody:''' Pokud se na povrchu jakékoliv "dlaždice" nachází nějaká voda, dochází k jejímu vsakování rychlostí, která se liší podle druhu půdy. Tímto vsakováním se naplňuje retenční kapacita půdy
*'''Perkolace:''' Jestliže dojde k naplnění kapacity svrchní vrstvy půdy, dochází k perkolaci, tedy v podstatě k další fázi vsakování, kdy se voda z vrchní vrstvy půdy dostává do spodních vod a zvyšuje tak její hladinu.
*'''Odtok:''' poté, co se vsákne maximální možné množství vody za daný časový úsek, zbývající voda odtéká, pokud se v bezprostřední blízkosti nachází místo, které je níže položené (a případně je na něm nižší hladina vody)
*'''Úpravy prostředí:''' Operátor simulace má také k dispozici možnost vykopat umělý příkop nebo postavit hráz a zabránit vodě v odtoku nebo naopak umožnit nasměrování vody jinam.
*'''Resetování:''' Uživatel také může nechat vodu, která předtím napršela a sledovat tak stejný scénář vícekrát posobě, nebo porovnávat výsledky před a po zbudování hráze. Bez resetování může simulace naopak běžet dále.
*'''Zobrazení:''' Model dovoluje přepínat mezi zobrazením prostředí podle elevace, druhu půdy nebo druhu pokrytí.

===Průběh simulace===
Jednotlivé kroky simulace jsou "krokovány" pomocí takzvaných ticků. Tato simulace je nastavena tak, že jeden tick představuje jednu minutu skutečného času a rychlosti vsakování a vypařování jsou nastaveny podle toho. Pokud skončí déšť, uživatel může přejít do následujícího dne, odtok a vsakování vody se podle toho nasimuluje.

===Vstupní parametry modelu===
Model obsahuje značné množství vstupních prvků, které dovolojí různé nastavení prostředí simulace jako minimální a maximální elevace nebo počáteční vlhkost půdy - tedy z kolika procent je naplněna kapacita půdy. Nejduležitějším parametrem je ale samozřejmě vydatnost a intenzita srážek. Tedy kolik vody dopadne nazem a jak rychle (kolik promile z celku dopadne na zem za jednu minutu)

===Shrnutí a výsledky===

Tento model je i vzhledem k těžce dostupným informacím dle mého názoru celkem dobře nastaven. Jediným problémem je tvoření simulovaného prostředí náhodným způsobem. Pokud by existovala možnost importu topografické mapy, mohlo by se jednat o mnohem užitečnější nástroj. Největší nevýhodou modelu je však vysoká výpočetní náročnost modelu v kombinací s neschopností nástroje NetLogo řádně využít více jader procesoru činí práci s modelem relativně časově náročnou. Vývoj modelu byl časově velice náročný a potřebné informace nejsou zcela dostupné. Model byl však nastaven podle dostupných hydrologických informací přímo z České republiky a jednotlivé kategorie půdy v modelu odpovídají kategoriím používaným pro Českou republiku.

=Obrázky modelu=

[[Media:https://i.imgur.com/SWtkg7W.png]]

=Kód=

Zdrojový kód simulace je zde: [[File:Xreij15_water_retention.nlogo]]

=Zdoje=

Primárním zdrojem byly údaje dostupné od Výzkumný ústav meliorací a ochrany půdy, v.v.i. na stránkách[https://www.vumop.cz]

File:Xreij15 water retention.nlogo

2019-06-16T20:40:27Z

Xreij15:

Meta-strategies/cs

2019-06-05T21:58:04Z

Xreij15: Téma je tímto dosti vyčerpané. Na 14000 bytů byto dostalo už jen lorem ipsum

{{DISPLAYTITLE:Meta-strategie}}

'''Meta-strategie''' jsou různé strategie v [[Game theory/cs |teorii her]], kterými se hráči řídí v rámci [[Repeated_games/cs |opakovaných her]]. Meta-strategie se z pravidla uvažují u opakovaného [[Prisoner's_dilemma/cs |vězňova dilema]], tedy u vícekolové hry dvou hráčů, ve kterých může každý z hráčů buďto spolupracovat, nebo zradit druhého hráče.

U opakovaných her se předpokládá, že je hráči opakovaně řešena stejná úloha se stejnými možnými výsledky. Meta-strategie se potom obvykle berou v úvahu u ''nekonečně opakovaných her'' a u ''konečně opakovaných her s neznámým koncem''. Hráči také znají předchozí kroky spoluhráče a mohou se na jejich základě řídit. V takovém případě si mohou hráči vybrat v průběhu hry, nebo již na jejím začátku optimální plán, kterým se budou ve svém rozhodování řídit - meta-strategii.

=Jednoduché strategie=

Existují tři jednoduché meta-strategie, které určují rozhodnutí hráče, ale ve svém principu neberou v potaz předchozí ani budoucí možné rozhodnutí protihráče.

*'''Vždy zrazuj''' ''(Always Deflect)'' - Jedná se o strategii, kdy hráč za každých okolností zradí druhého hráče.

*'''Vždy spolupracuj'''''(Always Cooperate)'' - Jedná se o strategii, kdy hráč za každých okolností spolupracuje s druhým hráčem.

*'''Náhodné rozhodování''' - V tomto případě se hráč rozhoduje vždy náhodně a
pravděpodobnost jednotlivých rozhodnutí je stejná, tedy vždy 50 na 50.

*'''Střídavá strategie''' - Hráč se střídavou strategií střídá pravidelně zradu a spolupráci, ať se děje co se děje.

*'''Periodické strategie''' - U periodických strategií hráč opět nebere v úvahu strategii druhého hráče. Tentokrát se v jeho chování opakují předem určené sekvence. Například ''Spolupráce - Spolupráce - Zrada'' nebo ''Zrada - Zrada - Spolupráce'' a tak podobně.

*'''Lepší a lepší''' ''(Better and Better)'' - Hráč zradí s pravděpodobností (1000 - pořadí kola) / 1000. Tedy se stále menší pravděpodobností. Tento princip lze kombinovat i s ostatními strategiemi.

*'''Horší a horší''' ''(Worse and Worse)'' - Hráč zradí s pravděpodobností (pořadí kola) / 1000). Tedy se stále větší pravděpodobností. Tento princip lze zakombinovat i do ostatních strategií.

=Složité strategie=

Existuje také řada složitějších strategií, které berou v úvahu předchozí rozhodnutí druhého hráče a na jejich základě vybírá akci, kterou provede v kole následujícím. Tato rozhodnutí mohou v závislosti na strategii ovlivňovat jedno následující kolo, několik následujících kol, nebo dokonce všechna následující kola.

==Oko za oko==

'''Oko za oko''' ''(Tit for Tat)'' Je nejznámější a pravděpodobně také nejčastěji volenou strategií. Jedná se o strategii založenou na reciprocitě - hráč se vždy snaží spolupracovat, ale každou zradu oplatí právě jednou. Proffesor Robert Axelrod z Univerzity v Michiganu uspořádal v osmdesátých letech dva "turnaje" za účelem zkoumání strategií u opakovaných her. Strategie Tit for Tat se vždy ukázala jako vítězná. Existují také další varianty strategie Oko za oko.

*'''Naivní pokušitel''' ''(Naive Prober)'' - Stejné jako základní strategie, ale občas pokusí protihráče a občas zradí.

*'''Lítostivý pokušitel''' ''(Remorseful Prober)'' - Taktéž občas náhodně zradí, na oplátku druhého hráče však již neodpovídá další zradou - snaží se vyhnout následnému cyklu střídajícího zradu a spolupráci.

*'''Stupňující se Oko za oko''' ''(Gradual TFT)'' - U této strategie hráč spolupracuje, dokud druhý hráč nezradí. Po první zradě jednou zradí a alespoň dvakrát spolupracuje. Po druhé zradě dvakrát zradí a dvakrát spolupracuje. Po n-té zradě n-krát zradí a dvakrát spolupracuje, a tak dále.

*'''Oko za dvě oči''' ''(Tit for 2 Tats)'' - Hráč, který si zvolil tuto variantu vždy spolupracuje, vyjma případů, kdy druhý hráč zradí dvakrát po sobě.

*'''Tvrdý Joss''' ''(Hard Joss)'' - S touto strategií hráč hraje stejně jako standardní Oko za oko, ale spolupracuje poze s 90% pravděpodobností na spolupráci.

*'''Něžná Joss''' ''(Soft Joss)'' - Tato strategie se opět hraje jako Oko za oko, ale zrazuje na oplátku pouze s 90% pravděpodobností.

==Postupný zabiják==

Další možnou strategií je '''''Gradual Killer'''''. Hráš s touto strategií v prvních pěti kolech zradí, a pak ve dvou kolech spolupracuje. Pokud druhý hráč v šestém a sedmém kole zradí, pak do konce hry vždy volí zradu. V opačném případě navždy spolupracuje.

==Většinová strategie==

Pokud hráč využívá tuto meta-strategii, vybírá takové rozhodnutí, které protihráč vybral ve všech předchozích kolech nejčastěji. Tato strategie se může dále dělit na tvrdou a jemnou. Pokud druhý hráč zradil a spolupracoval se stejnou četností, u tvrdé většinové strategie hráč zradí. U jemné pak naopak spolupracuje.

==Pavlov==

Meta-strategie s názvem Pavlov volí spolupráci, pokud v předchozím kole oba hráči zvolili stejně (v případě spolupráce i zrady). V opačném případě hráč volí zradu.

==Nevraživá strategie==

V případě nevraživé strategie ''(Grudgeful strategy)'' hráč spolupracuje do té doby, dokud druhý hráč nezradí. V takovém případě již neodpouští a vždy volí zradu.

=Kategorizace strategií=

Strategie se podle Axelroda mohou dělit do osmi kategorií, a to vždy do jedné ze dvou možných.

*'''Milá vs. Podlá''' strategie. Milá strategie nikdy nezvolí zradu jako první, vždy poze na oplátku. Za to podlá strategie alespoň někdy tvolí zradu jako první. V Axelrodově turnajích milé strategie z pravidla získávali více bodů, než strategie podlé.

*'''Odpouštějící avs.í se odpustit a začít znovu spolupracovat. V případě neodpouštějící strategie hráč zrady druhého hráče nezapomíná a buďto pokračuje v neustálem cyklu oplácení, nebo přímo volí zradu za jakýchkoliv podmínek.

*'''Nezávistivá vs. Závistivá''' strategie. Nezávistivá strategie se nesnažý zbytečně poškodit soupeře. Snaží se naopak maximalizovat vlastní užitek (který obvykle plyne z kooperace obou). Naopak hráč se závistivou strategií činí takové volby, aby co nejvíce poškodil soupeře.

*'''Vyprovokovatelná vs. Nevyprovokovatelná''' strategie. Nevyprovokovatelná strategie se drží stálé struktury a stejným způsobem provádí spolupráci nebo zradu na základě chování soupeře. Popřípadě jeho chování vůbec nebere v úvahu. Oproti tomu vyprovokovatelná strategie na základě chování druhého hráče může své chování eskalovat, obvykle stále častější volbou zrady na úkor vzájemné spolupráce.

==Použité zdroje==

AXELROD, Robert M. ''The evolution of cooperation''. New York: Basic Books, c1984. ISBN 0-465-02122-0.

OSBORNE, Martin J. a Ariel RUBINSTEIN. ''A course in game theory''. Cambridge, Mass.: MIT Press, c1994. ISBN 0-262-15041-7.

AXELROD, Robert. “Effective Choice in the Prisoner's Dilemma.” ''The Journal of Conflict Resolution'', vol. 24, no. 1, 1980, pp. 3–25.

HYŠKOVÁ, Magdalena (2011). Přednášky - Teorie her 6. Opakované hry. FD ČVÚT v Praze.

Meta-strategies/cs

2019-06-05T21:32:25Z

Xreij15: Created page with "{{DISPLAYTITLE:Meta-strategie}} '''Meta-strategie''' jsou různé strategie v teorii her, kterými se hráči řídí v rámciRepeated_games/cs |opakova..."

{{DISPLAYTITLE:Meta-strategie}}

'''Meta-strategie''' jsou různé strategie v [[Game theory/cs |teorii her]], kterými se hráči řídí v rámci[[Repeated_games/cs |opakovaných her]]. Meta-strategie se z pravidla uvažují u opakovaného [[Prisoner's_dilemma/cs |vězňova dilema]], tedy u vícekolové hry dvou hráčů, ve kterých může každý z hráčů buďto spolupracovat, nebo zradit druhého hráče.

U opakovaných her se předpokládá, že je hráči opakovaně řešena stejná úloha se stejnými možnými výsledky. Meta-strategie se potom obvykle berou v úvahu u ''nekonečně opakovaných her'' a u ''konečně opakovaných her s neznámým koncem''. Hráči také znají předchozí kroky spoluhráče a mohou se na jejich základě řídit. V takovém případě si mohou hráči vybrat v průběhu hry, nebo již na jejím začátku optimální plán, kterým se budou ve svém rozhodování řídit - meta-strategii.

=Jednoduché strategie=

Existují tři jednoduché meta-strategie, které určují rozhodnutí hráče, ale ve svém principu neberou v potaz předchozí ani budoucí možné rozhodnutí protihráče.

*'''Vždy zrazuj''' ''(Always Deflect)'' - Jedná se o strategii, kdy hráč za každých okolností zradí druhého hráče.

*'''Vždy spolupracuj'''''(Always Cooperate)'' - Jedná se o strategii, kdy hráč za každých okolností spolupracuje s druhým hráčem.

*'''Náhodné rozhodování''' - V tomto případě se hráč rozhoduje vždy náhodně a
pravděpodobnost jednotlivých rozhodnutí je stejná, tedy vždy 50 na 50.

*'''Střídavá strategie''' - Hráč se střídavou strategií střídá pravidelně zradu a spolupráci, ať se děje co se děje.

*'''Periodické strategie''' - U periodických strategií hráč opět nebere v úvahu strategii druhého hráče. Tentokrát se v jeho chování opakují předem určené sekvence. Například ''Spolupráce - Spolupráce - Zrada'' nebo ''Zrada - Zrada - Spolupráce'' a tak podobně.

*'''Lepší a lepší''' ''(Better and Better)'' - Hráč zradí s pravděpodobností (1000 - pořadí kola) / 1000. Tedy se stále menší pravděpodobností. Tento princip lze kombinovat i s ostatními strategiemi.

*'''Horší a horší''' ''(Worse and Worse)'' - Hráč zradí s pravděpodobností (pořadí kola) / 1000). Tedy se stále větší pravděpodobností. Tento princip lze zakombinovat i do ostatních strategií.

=Složité strategie=

Existuje také řada složitějších strategií, které berou v úvahu předchozí rozhodnutí druhého hráče a na jejich základě vybírá akci, kterou provede v kole následujícím. Tato rozhodnutí mohou v závislosti na strategii ovlivňovat jedno následující kolo, několik následujících kol, nebo dokonce všechna následující kola.

==Oko za oko==

'''Oko za oko''' ''(Tit for Tat)'' Je nejznámější a pravděpodobně také nejčastěji volenou strategií. Jedná se o strategii založenou na reciprocitě - hráč se vždy snaží spolupracovat, ale každou zradu oplatí právě jednou. Proffesor Robert Axelrod z Univerzity v Michiganu uspořádal v osmdesátých letech dva "turnaje" za účelem zkoumání strategií u opakovaných her. Strategie Tit for Tat se vždy ukázala jako vítězná. Existují také další varianty strategie Oko za oko.

*'''Naivní pokušitel''' ''(Naive Prober)'' - Stejné jako základní strategie, ale občas pokusí protihráče a občas zradí.

*'''Lítostivý pokušitel''' ''(Remorseful Prober)'' - Taktéž občas náhodně zradí, na oplátku druhého hráče však již neodpovídá další zradou - snaží se vyhnout následnému cyklu střídajícího zradu a spolupráci.

*'''Stupňující se Oko za oko''' ''(Gradual TFT)'' - U této strategie hráč spolupracuje, dokud druhý hráč nezradí. Po první zradě jednou zradí a alespoň dvakrát spolupracuje. Po druhé zradě dvakrát zradí a dvakrát spolupracuje. Po n-té zradě n-krát zradí a dvakrát spolupracuje, a tak dále.

*'''Oko za dvě oči''' ''(Tit for 2 Tats)'' - Hráč, který si zvolil tuto variantu vždy spolupracuje, vyjma případů, kdy druhý hráč zradí dvakrát po sobě.

*'''Tvrdý Joss''' ''(Hard Joss)'' - S touto strategií hráč hraje stejně jako standardní Oko za oko, ale spolupracuje poze s 90% pravděpodobností na spolupráci.

*'''Něžná Joss''' ''(Soft Joss)'' - Tato strategie se opět hraje jako Oko za oko, ale zrazuje na oplátku pouze s 90% pravděpodobností.

==Postupný zabiják==

Další možnou strategií je '''''Gradual Killer'''''. Hráš s touto strategií v prvních pěti kolech zradí, a pak ve dvou kolech spolupracuje. Pokud druhý hráč v šestém a sedmém kole zradí, pak do konce hry vždy volí zradu. V opačném případě navždy spolupracuje.

==Většinová strategie==

Pokud hráč využívá tuto meta-strategii, vybírá takové rozhodnutí, které protihráč vybral ve všech předchozích kolech nejčastěji. Tato strategie se může dále dělit na tvrdou a jemnou. Pokud druhý hráč zradil a spolupracoval se stejnou četností, u tvrdé většinové strategie hráč zradí. U jemné pak naopak spolupracuje.

==Pavlov==

Meta-strategie s názvem Pavlov volí spolupráci, pokud v předchozím kole oba hráči zvolili stejně (v případě spolupráce i zrady). V opačném případě hráč volí zradu.

==Nevraživá strategie==

V případě nevraživé strategie ''(Grudgeful strategy)'' hráč spolupracuje do té doby, dokud druhý hráč nezradí. V takovém případě již neodpouští a vždy volí zradu.

=Kategorizace strategií=

Strategie se podle Axelroda mohou dělit do osmi kategorií, a to vždy do jedné ze dvou možných.

*'''Milá vs. Podlá''' strategie. Milá strategie nikdy nezvolí zradu jako první, vždy poze na oplátku. Za to podlá strategie alespoň někdy tvolí zradu jako první. V Axelrodově turnajích milé strategie z pravidla získávali více bodů, než strategie podlé.

*'''Odpouštějící avs.í se odpustit a začít znovu spolupracovat. V případě neodpouštějící strategie hráč zrady druhého hráče nezapomíná a buďto pokračuje v neustálem cyklu oplácení, nebo přímo volí zradu za jakýchkoliv podmínek.

*'''Nezávistivá vs. Závistivá''' strategie. Nezávistivá strategie se nesnažý zbytečně poškodit soupeře. Snaží se naopak maximalizovat vlastní užitek (který obvykle plyne z kooperace obou). Naopak hráč se závistivou strategií činí takové volby, aby co nejvíce poškodil soupeře.

*'''Vyprovokovatelná vs. Nevyprovokovatelná''' strategie. Nevyprovokovatelná strategie se drží stálé struktury a stejným způsobem provádí spolupráci nebo zradu na základě chování soupeře. Popřípadě jeho chování vůbec nebere v úvahu. Oproti tomu vyprovokovatelná strategie na základě chování druhého hráče může své chování eskalovat, obvykle stále častější volbou zrady na úkor vzájemné spolupráce.

==Použité zdroje==

AXELROD, Robert M. ''The evolution of cooperation''. New York: Basic Books, c1984. ISBN 0-465-02122-0.

OSBORNE, Martin J. a Ariel RUBINSTEIN. ''A course in game theory''. Cambridge, Mass.: MIT Press, c1994. ISBN 0-262-15041-7.

AXELROD, Robert. “Effective Choice in the Prisoner's Dilemma.” ''The Journal of Conflict Resolution'', vol. 24, no. 1, 1980, pp. 3–25.

HYŠKOVÁ, Magdalena (2011). Přednášky - Teorie her 6. Opakované hry. FD ČVÚT v Praze.

Assignment SS 2018/2019/cs

2019-05-12T08:59:57Z

Xreij15:

{{DISPLAYTITLE:Zadání LS 2018/2019}}

{{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
| 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>
}}

== Simulace sjezdovky ==

'''Název simulace''': Simulace sjezdovky

'''Autor''': Michal Pokorný

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

'''Popis Modelu''': Simulace pohybu lyžařů/snowboardistů na svahu. Účastníci simulace jsou nejdříve vyvezeni vlekem/ky na vrcholek svahu a následně v závislosti na svojí strategii sjedou svah dolů.
Simulace by řešila optimální počet a průchodnost vleků v závislosti na počtu účastníků (toto lze řešit výpočtem), počet nehod v závislosti na počtu vleků/účastníků a porovnání jednotlivých strategií účastníků (jejich rychlost) s pravděpodobností jejich srážky s jiným účastníkem.

'''Parametry modelu''':
* Velikost svahu
* Počet účastníků
* Strategie (rychlost) účastníků
* Počet a rychlost vleků

'''Možné rozšíření''': Úprk před lavinou, různé typy (rychlosti) sjezdovek, možnost pádu účastníka bez srážky s jiným účastníkem, různé obtížnosti sjezdovek (vyšší četnost pádů), vliv strategie na četnost pádů

: Nevidím tady mnoho důvodů k agentní simulaci. Vychází mi z toho simulace diskrétní a to ještě poměrně jednoduchá. Popřemýšlel bych buďto, jak to transformovat do simulace vhodné pro agenty (viz kritéria diskutovaný na poslední hodině) nebo to dělat jako diskrétní simulaci (ale v tom případě by bylo dobré trochu zvýšit složitost) či popřemýšlet o něčem úplně jiném. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 19:27, 5 May 2019 (CET)
:: Doplňuji s odstupem pár dnů - vemte si prosím případ nějaké konkrétní sjezdovky (velká lyžařská centra mají poměrně detailní mapy a dokonce jsou k dispozici i nějaké informace o kapacitách a vytížení) a pak by to smysl jako agentní simulace dávalo. Pokud je to v takovéhle modifikaci za Vás OK, pak '''schváleno'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 18:43, 8 May 2019 (CET)

== Simulace šíření spalniček ==

'''Název simulace''': Simulace šíření spalniček

'''Autor''': Bc. Jurij Povoroznyk, povj01

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

'''Popis Modelu''': V České republice propukla epidemie spalniček. Tato nemoc se k nám dostal od cestovatele z Indie přímo do hlavního města Prahy. Celkově bylo nakaženo 2 000 lidí a další lidé rychle přibývají. Nakažený jedinci jsou z různých věkových kategorií. Přičemž děti v rozmezí 3–5 let jsou na tuto nemoc náchylnější a můžou této nemoci rychle podlehnout, dokonce umřít pokud nejsou již očkování. Očkovat dítě je možné minimálně od 1 roku života. Bylo zjištěno, že z celého souboru nebylo očkováno ani jednou dávkou vakcíny 39 % osob. Dvěma dávkami vakcíny bylo očkováno 42 % nakažených. Onemocnění se projevuje horečkou, rýmou, kašlem, slzícíma očima a na bukální sliznici jsou bělavé tečky se zarudlým okolím. Virus spalniček se přenáší kapénkovou infekcí. Inkubační doba spalniček je 6–19 dní, průměrně 13 dní. Infikovaní lidé jsou nakažliví ještě 4 až 5 dní před propuknutím této nemoci. Úmrtnost je velmi malá, 3 smrti z 1 000 případů. U dětí, které nedostali vakcínu a jsou nakažený touto chorobou je patřičně větší.

'''Parametry modelu''':
* Počet infikovaných
* Počet zdravých
* Počet jedinců z různých věkových kategorií
* Očkovaných jednou vakcínou, dvěma nebo žádnou
* Počet mrtvých
* Těžce nemocný jedinci

'''Cíl simulace''': Cílem tohoto modelu je určit a sledovat průběh této epidemie. Zároveň pomocí tohoto modelu lze určit, jak budou na tuto epidemii reagovat různé věkové kategorie a počet vakcín obdržených před vypuknutím epidemie. Údaje získané z této simulace by měly přesvědčit rodiče k očkování svých děti ihned jak to bude možné.

'''Možnosti rozšíření''': Model lze rozšířit o konkrétnější data - např.: typ vakcíny, absolvovaná karanténa nebo počet zdravých jedinců v rodině. Celkově se model rozšíří pokud budou adekvátní přibližná data a statistiky propuklé epidemie.

: Není mi úplně jasné, jak by to mělo vypadat a proč to chcete dělat jako agentní simulaci. Vezměte si prosím ta kritéria, která jsme si říkali na poslední hodině a otestujte si, kterým to vyhovuje. Tak jak je to popsáno by to podle mě spíš směřovalo do systémové dynamiky. Zkuste to prosím buď jinak navrhnout nebo zvolit jiný nástroj nebo eventuálně jiné téma. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 19:45, 5 May 2019 (CET)

:: Děkuji za Váš komentář. Hlavním důvodem výběru multiagentní simulace a konkrétně nástroje NetLogo je využití více typů jednotlivých agentů s rozlišnýma vlastnostmi a různorodýma reakcemi mezi sebou. Půjde především o lidi, kteří se budou lišit jak věkovou kategorií, tak samotnou šancí získat tuto nemoc dle výše zmíněných statistik získaných z ČSÚ. Dalším agentem je samotný virus. Mimo to by bylo možné přidat karanténu, kdy lidi budou uzamčený a nebudou moci nakazit ostatní zdravé jedince. Ovšem nedokážu si představit, jak to bude náročné na samotné programování. Zároveň vypuklá epidemie spalniček bude mít větší šanci nakazit jedince se slabší imunitou. Z výše uvedených informací mi přijde, že multiagentní simulace je nejvhodnější variantou pro aplikování této simulace. [[User:Povj01|Povj01]] ([[User talk:Povj01|talk]]) 11:39, 10 May 2019 (CET)

== Příjem, zpracování a vyloučení alkoholu z těla ==

'''Název simulace''': Příjem, zpracování a vyloučení alkoholu z těla

'''Autor''': Bc. Josef Čekan, cekj01

'''Typ modelu''': Systémově dynamický

'''Modelovací nástroj''': Vensim

'''Popis Modelu''': Tento model ukazuje účinek alkoholu na lidské tělo, když sleduje jeho příjem, zpracování a vylučování z těla. Model na základě několika faktorů dokáže odhadnout množství alkoholu v krvi po celou dobu užívání i odbourávání alkoholu, stejně jako dobu potřebnou k jeho úplnému odbourání. Hlavními faktory v modelu jsou váha jedince, typ alkoholu, množství konzumovaného alkoholu a doba samotné konzumace. Na model a jeho výsledky poté mají vliv například počet skleniček za hodinu, míra obsaženého alkoholu, objem tekutin v těle, Michaelisova konstanta či míra tolerance k alkoholu.

'''Parametry modelu''':
* Váha jedince
* Délka trvání konzumace alkoholu (včetně hodinové frekvence)
* Množství konzumovaného alkoholu
* Typ alkoholu

'''Cíl simulace''': Na základě získaných dat dokáže model vykreslit graf s množstvím promile v každém čase od začátku užívání alkoholu až do konce jeho odbourávání. Pomocí tohoto modelu tak lze například zjistit způsobilost(vzhledem k povolené míře alkoholu v krvi v závislosti na státě) k řížení vozidla pro konkrétního člověka dle množství a typu alkoholu. Stejně tak je pomocí modelu možné zjistit za jak dlouho bude veškerý alkohol z těla odbourán.

'''Možnosti rozšíření''':

== Simulace Japonské aukce ==

'''Název simulace''': Simulace Japonské aukce

'''Autor''': Bc. Dominik Turák, turd01

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

'''Popis Modelu''':
* Japonská aukce je, podobně jako anglická, aukcí se zvyšující se cenou. Na rozdíl od anglické aukce zvyšování ceny nevyhlašují účastníci, ale vyvolávač. Účastníci ochotní kupovat na začátku stojí, vyvolávač postupně hlásí vyšší a vyšší cenu, kdo z účastníků již není ochoten tolik zaplatit, dá to najevo usednutím. Kdo jednou usedl, nesmí se znovu do téže dražby zapojit; tímto rysem se japonská aukce liší od anglické po strategické stránce (anglická verze umožňuje zvýšit příhoz i těm, kteří dočasně nepřihazovali).

* Tento model bude obsahovať 50 účastníkov aukce, 1 vyvolávača cien a 20 vopred určených starožitností s ich minimálnou požadovanou cenou

* starožitnosti budú objekty, ktoré:
** budú mať vopred stanovenú cenu v intervale <500 000, 2 000 000>
** budú určitého typu náhodne zvolenom z týchto 5 typov:
*** Váza
*** Kniha
*** Lampa
*** Skriňa
*** Obraz
** ich meno sa bude skladať z 2 alebo viacerých slov, pričom prvé slovo bude stále určovať typ

* vyvolávač bude 1 špeciálny agent, ktorý:
** začne na 90% požadovanej ceny za danú vec
** cenu postupne zvyšuje o 5%
** interval oznámenia zvýšenia ceny je určený náhodne v intervale 30-60 sekúnd
** každých 30 sekúnd oznámi gong => účastníci budú vedieť že cena sa každú chvíľu zvýši

* Každý účastník bude jeden agent:
** TODO
** bude zároveň aj obchodník, čo znamená že bude vedieť odhadnúť cenu tovaru => neposadí sa hneď, ako začne aukcia ak sa práve nedraží jedna z jeho vyhliadnutých vecí
** finančný kapitál v intervale <1 500 000, 2 000 000>

'''Parametry modelu''':
* 1 vyvolávač cien + 20 starožitností a ich ceny
* 50 účastníku + 7 náhodne zvolených starožitností pre každého z nich

'''Cíl simulace''': Simulovať priebeh aukcie a ukázať vplyvy rôznych faktorov na finálnu cenu produktov. Ukázať nadhodnotenú cenu produktov pri aukciách a sledovať reakcie agentov na akcie iných agentov.

'''Možnosti rozšíření''': Na výber viac typov aukcí, nastavenie počtu zákazníkov

: Nevidím v tomto zadání nějakou přidanou hodnotu. Co by mělo být přínosem? Velmi rychle byste zjistil, že výsledek je předvídatelný a závislý především na modelu chování účastníků. Doporučoval bych to přehodnotit. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:56, 5 May 2019 (CET)

== Simulace ideálního rozdělení klužiště na rybníkový hokej ==

'''Název simulace''': Simulace ideálního rozdělení klužiště na rybníkový hokej

'''Autor''': David Lisý, xlisd05

'''Typ modelu''': diskrétní simulace

'''Modelovací nástroj''': SIMPROCESS

'''Popis Modelu''': Jelikož hokej závodně hraji, rozhodl jsem se na toto téma zpracovat i svou simulaci. V současnosti je trendem pro závodní, ale především pro rekreační hráče tzv."rybníkový hokej". Ten se hraje bez výstroje, v počtu 4 na 4, na malé branky a na třetinu jednoho klasického kluziště (na jedné klasické ledové ploše tedy máme 3 hrací plochy pro rybníkový hokej). Z vlastní zkušenosti mohu potvrdit, že hrají-li spolu pohromadě závodní hráči s hráči amatérskými, výsledná hra ztrácí na své kvalitě. Je proto lepší, hrají-li zápas proti sobě hráči stejné výkonnostní kategorie. Rozlišujeme pak tyto:
- závodní hráč (hráč se zkušenostmi z profesionálních, či závodních soutěží)
- pokročilý amatérský hráč (hráč se zkušeností z rekreačních soutěží)
- amatérský hráč - začátečník (hráč bez jakýchkoliv zkušeností z rekreačních soutěží)

Data budou čerpána z reálného zimního stadionu v Praze, který disponuje 2 ledovými plochami (celkově tedy simulace sleduje 6 hracích ploch pro rybníkový hokej). Podstatný fakt je ten, že se tedy hraje 4 na 4, střídá se stylem "poslední do hry - poslední na střídačku" (na střídačce se nám tedy tvoří jakási fronta hráčů) a počet hráčů na jedné střídačce není nikterak omezen. Na základě vlastního pozorování budu v simulaci počítat s následujícím procentuálním rozdělením výkonnostních kategorií:
- závodní hráči = 15%
- pokročilí amatérští hráči = 60%
- amatérští hráči - začátečníci = 25%

'''Parametry modelu''':
* počet hráčů
* průměrná doba hraní na stadionu
* počet hracích ploch pro rybníkový hokej (6)

'''Cíl simulace''': pomocí simulace zjistit ideální rozvrhnutí hracích ploch dle výkonnostních kategorií

'''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 18:45, 8 May 2019 (CET)

== Vytíženost posilovny ==

----
'''Název''': Vytíženost posilovny

'''Autor''': Martin Matějka, xmatm82

'''Nástroj''': SIMPROCESS

'''Definice problému''':
V dnešní době je velice populární zajít si zacvičit nebo se jen tak protáhnout do pohodlné, hezky vybavené posilovny. Jelikož je tento způsob cvičení v dnešní době tak populární, je dobré vědět, jak si na tom určitá posilovna stojí z hlediska schopnosti pokrytí návševnosti. Jak z pohledu zákazníka, tak i provozního, co by mohl zlepšit.  Mají dostatek místa? Dostatek nástrojů či pomůcek na posílování? Mají všichni možnost se dojít osprchovat bez delšího čekání nebo nevázne to hnedka u vchodu při koupi vstupenky?

'''Metoda''':
V simulaci bude zahrnuta spousta entit, které budou mít na výsledné hodnoty vliv (druh zákazníka, doba návštěvy..), ale jednou z nejdůležitějčích entit je množství a frekvence návševníků přicházející do posilovny. Pro generování návštěvníků bude použit určitý algoritmus, který bude produkovat náhodná čísla, ale také bude zahrnovat učité hodnoty ze známého chování návštěvníků. Například, že v dopoledních hodinách je nevštěvnost o něco měnší a nebo o víkendech zase vyšší. Pro zanalyzování vytíženosti posilovny v čase je Monte Carlo dobrá volba.

::Zdravím, co všechno by byly tedy náhodné proměnné? Na základě jakých reálných dat budete odvozovat jejich pravděpodobnostní rozdělení? (data a odvození pravděpodobnostních rozdělení musí být součástí vypracované simulace). Jak přesně bude simulace fungovat? Předpokládám, že i když zmiňujete Monte Carlo, tak jako nástroj jste si vybral Simprocess, což je v tomto případě relevatní - v Excelu by udělat nešlo. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 12:11, 4 May 2019 (CET)

::: Odpověďi:
::: 1)''Náhodné proměné?''
- počet návštěvníků
- zaměření návštěvníka
- fitness partie (horní, dolní, full-body)
- cardio
- volba nástrojů na cvičení
- popřípadě i doba návštěvy

::: 2)''Reálných dat?'' Co se týče vybavení posilovny (druhy,počty strojů), mohu sestavit několik šablon, které v reálu představujou posilovny, které znám. Návštěvnost bude taková, aby byla reálná a také trochu hraniční, aby byla známa přibližná maximální zatíženost posilovny. Dále čas strávených na určitých posilovacích zařízení budou stanoveny podle mého vlasního uvážení, které vychází z mnoha let zkušeností.

::: 3)''Jak bude fungovat?'' Budou přícházet návštěvnící do posilovny. Která má stanovený počty několika druhů vybavení. Každý návštěvník má určité zaměření, co chce posilovat a tím je stanoveno jaké stroje by chtěl použít. Použije pár strojů, vysprchuje, oblíkne a odejde. Budem sledovat jaké stroje jsou nejvíce/nejméně vytíženy. Kde má posilovna nedostatny atd. [[User:Xmatm82|Xmatm82]] ([[User talk:Xmatm82|talk]]) 19:34, 7 May 2019 (CET)

:::: V pořádku, nicméně: opatřete si data z nějaké konkrétní posilovny/posiloven. Z kontextu jsem pochopil, že Vám toto prostředí není cizí, neměl by to pro Vás být tedy problém. Vlastní zkušenost je důležitá, ale někdy nekoresponduje zcela s realitou. Dále, tak jak to popisujete (náhodné volby různých posilovacích strojů apod.), není úplně triviální. Lze to udělat, každopádně potřebujete ostrou verzi Simprocessu (je na učebnách). '''Schváleno'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 18:51, 8 May 2019 (CET)

== Spotřeba surovin ve fastfoodu ==
----
'''Název''': Spotřeba surovin ve fastfoodu

'''Autor''': Josef Kočí

'''Nástroj''': Simprocess

'''Definice modelu''':
Protože již 4 roky pracuji ve společnosti AmRest, z pozice hlavního instruktora mám přístup k manažerským systémům, kde lze sledovat data o prodeji, počtu objednávek v různých hodinách a spotřebu jednotlivých ingrediencí. Mým cílem je část této reality zachytit v programu Simprocess, zobrazit v něm proces na jednotlivých ingrediencích, jejich objednání a naskladnění ráno, jejich průběžné vyskladňování, použití do procesu až k vydání zákazníkům. Proces tak zachytí, kolik dle simulací průměrně zůstává nevyužitých ingrediencí, jak dlouho přibližně zákazníci čekají a pokusím se případně i o analýzu zlepšení tzv. SOS (Speed of Service).

'''Data''':
Vstupní data jako množství zákazníků v jedno hodinách či spotřeba ingrediencí sice budou náhodná (avšak vzájemně spolupracující), nicméně budu vycházet z reálných dat z manažerských systémů tak, aby počty objednávek na různé hodiny přibližně seděly.

'''Doplnění''':
Prostředí bude přímo z KFC, jelikož ale Simprocess má limitované množství entit, nezachytím bohužel všechny suroviny, které se v KFC používají. Proto se pokusím zachytit ty nejdůležitější. Mezi hlavní cíl patří monitoring zbylých surovin a pokusit se o minimalizaci jejich množství, které na konci zbyde. Budu tedy hledat kritická místa, o nichž pak sepíšu zprávu. Mým cílem tedy bude dosáhnutí co nejmenšího zbytku surovin na konci dne. Z vlastní zkušenosti vím, že není možné skončit s naprosto prázdným stavem, neboť to ve výsledku může negativně ovlivnit SOS v průběhu posledních hodin.
V modelu se pochopitelně pokusím o co nejvěrnější proces, tedy sendviče se nějakou dobu zpracovávají, maso se nějakou dobu připravuje a pak nějakou dobu smaží. Uvidím, jak detailně se mi proces povede zachytit.

: Téma je OK, ale je potřeba jej zpřesnit. 1) Stanovte zcela konkrétní cíl(e). Z toho zadání mi to moc konkrétní nepřijde. Co je cílem? Minimalizace zásob? Je to issue? 2) Amrest má pokud vím více brandů. Uvidíte podle definice cíle, ale pravděpodobně bude dobré vyberte si jeden a nasimulovat jej do detailu. 3) Je potřeba zohlednit všechny faktory, které mohou být s ohledem na výsledek relevantní. Předběžně to má zelenou, ale rozpracujte to zadání prosím dopodrobna. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 21:06, 5 May 2019 (CET)

== Simulace automobilových závodů ==
----
'''Název:''' Simulace automobilových závodů

'''Autor:''' [[User:Jinv00|Jinv00]] ([[User talk:Jinv00|talk]]) 10:51, 5 May 2019 (CET)

'''Nástroj:''' Netlogo

'''Typ modelu:''' Multiagentní

'''Popis modelu:''' Simulace pohybu závodních vozů po okruhu. Vozy jsou na začátku závodu seřazeny na startovní rovince, a po odstartování krouží po okruhu. Každý vůz může mít různou (náhodně přidělenou) rychlost. Rychlost vozů je kromě základní přidělené rychlosti závislá i na míře opotřebení pneumatik (opotřebovanější pneumatiky jsou pomalejší než méně opotřebované), na aktuální zvolené směsi pneumatik (měkčí směs pneumatik je rychlejší než tvrdší) a na jízdním stylu řidiče (agresivní jízdní styl je rychlejší než konzervativní). Rychlost opotřebovávání pneumatik je závislá na zvolené směsi pneumatik (měkčí směs pneumatik se opotřebovává rychleji než tvrdší), na jízdním stylu řidiče (agresivním jízdním stylem se pneumatiky opotřebovávají rychleji než konzervativním jízdním stylem) a na vzdálenosti vozu za jiným vozem (jízda do cca 2 sekund za jiným vozem má za následek ztrátu přítlaku, pronásledující vůz tak po trati více "klouže" a tím trpí pneumatiky). Přezouvání pneumatik se provádí během pit stopů, které trvají nějaký čas (a k tomu samotná jízda boxovou uličkou je pomalejší než jízda po okruhu). Projede-li vůz za jiným detekční zónou pro DRS s odstupem menším než 1 sekundu, můžu potom v následující DRS zóně využít DRS pro krátkodobé zvýšení rychlosti. Každý vůz musí během závodu použít alespoň 2 různé směsi pneumatik.

'''Parametry modelu:'''
* Počet vozů
* Počet kol závodu
* Rychlost vozů (náhodná v intervalu od nejnižší zadané rychlosti po nejvyšší zadanou)
* Průměrná míra opotřebení jednotlivých směsí pneumatik
* Míra vlivu opotřebení pneumatik na rychlost vozu
* Míra vlivu použité směsi pneumatik na rychlost vozu
* Míra vlivu jízdního stylu řidiče na rychlost vozu
* Rychlost opotřebovávání jednotlivých směsí pneumatik
* Míra vlivu jízdního stylu řidiče na míru opotřebení pneumatik
* Míra vlivu jízdy v závěsu (do cca 2 s) za jiným vozem na opotřebení pneumatik
* Rychlost vozů v boxové uličce
* Rychlost vozů v DRS zóně
* Zvolená směs pneumatik jednotlivých vozů na startu závodu
* Počet zastávek v boxech

'''Cíl simulace:''' Simulací by se dala odhadnout optimální strategie zastávek v boxech (počet zastávek, načasování zastávek, použité sady pneumatik (a jejich počet)) a optimální jízdní styl (agresivní/konzervativní).

'''Možnosti rozšíření:''' Pravděpodobnosti předjetí v různých částech tratě (v mnou navrženém modelu rychlejší vůz vždy kdekoliv předjede pomalejší, ve skutečnosti je však předjetí nejpravděpodobnější na dlouhých rovinkách (ideálně za asistence DRS) a v zatáčkách s větší šířkou tratě; v modelu vůbec neuvažuji zdržení jednoho vozu za druhým kvůli nemožnosti ho předjet). Kolize (v mnou navrženém modelu sebou mohou jednotlivé vozy "projet" bez jakékoliv možnosti havárie). Slipstream - vůz jedoucí za jiným (především při vyšších rychlostech) může využít slipstream vznikající za pronásledovaným vozem ke zvýšení rychlosti. Různá rychlost vozů v různých částech tratě - vyšší rychlost na rovinkách, nižší v zatáčkách (v mnou navrženém modelu je rychlost vozu na celé trati vždy stejná (kromě boxové uličky a DRS zón)), k tomu by šlo přidat i různé nastavení vozů (vyšší přítlak = vyšší rychlost v zatáčkách a menší na rovinkách, nižší přítlak = nižší rychlost v zatáčkách a vyšší na rovinkách). Simulace množství paliva ve vozech (vliv jízdního stylu řidiče na spalování paliva (agresivní = rychlejší spalování paliva, konzervativní = pomalejší spalování), vliv množství paliva ve vozech na rychlost vozu (více paliva (těžší vůz) = pomalejší, méně paliva (lehčí vůz) = rychlejší) a simulace možnosti přidání tankování paliva během zastávek v boxech. Různé opotřebení jednotlivých pneumatik na voze závislé na různých nastaveních vozu (v mnou navrženém modelu se všechny pneumatiky opotřebovávají stejně a stejnou mírou, ve skutečnosti je však opotřebení pneumatik závislé na orientaci okruhu (pravotočivý/levotočivý) a na různých nastaveních vozu (přítlak předního/zadního přítlačného křídla, geometrie zavěšení, odemknutý/zamknutý diferenciál, brake bias (vyvážení brzd (přední vs zadní kola)), tlak v pneumatikách, tlak brzd, rozmístění hmotnosti (či umístění balastu), atd.)).

: To řešení kolizí by mi v tom modelu připadalo jako poměrně podstatné. Jinak to ale vypadá dobře. '''Schváleno.''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 21:54, 5 May 2019 (CET)

== Úprk přes hranici ==
----
'''Název simulace:''' Úprk přes hranici

'''Autor:''' Michaela Trnková

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

'''Popis Modelu:''' Simulace simuluje lidi, kteří se snaží uprchnout – přelézt zeď (potenciálně další překážky) z jedné strany na druhou. Zeď střeží strážníci. Koho strážník spatří, toho zastřelí. Koho nespatří a najde cestu, ten se dostane na druhou stranu.

Cílem je zjistit, kolik je třeba strážníků/překážek na hranici, přes níž se lidi snaží dostat.

'''Parametry modelu:'''
* Počet lidí snažících se uprchnout
* Dohled lidí snažících se uprchnout (jak daleko dohlédnou)
* Počet strážníků
* Dohled strážníků
* Délka hranice
* Rychlost strážníků
* Rychlost lidí snažících se uprchnout

'''Možnosti rozšíření:'''

* Různé role strážných – někdo může opravovat zničený hraniční plot/zeď, někdo může strážit na věži (vidí daleko, ale ne pod sebe), někteří můžou chodit, jiní stát…
* Hraniční přechod může tvořit více překážek, např. za zdí může být minové pole, další zeď atd.

: Obávám se, že to je úplně virtuální problém a neměla byste žádná čísla, o která byste to mohla opřít. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 21:54, 10 May 2019 (CET)

== Simulace reklamačního oddělení ==
----
'''Název''': Simulace reklamačního oddělení

'''Autor''': Pavel Gregor

'''Nástroj''': Simprocess

'''Předmět simulace''':
Firma poskytuje zákazníkovi službu a to takovou, že pokud se zákazníkovi zakoupené zboží jakkoli rozbije i vlastním zaviněním, dostane výměnou nový kus za stávající.
Vrácené jednotky pak procházejí testovacím procesem funkčnosti. Rozbité jednotky jsou přeposílány na rozebrání. Rozebrané jednotky se pak využijí na náhradní díly. Otestované jednotky, které projdou celým procesem, bez nalezené chyby jsou vráceny zpět do oběhu za sníženou cenu.

Na každé pozici má operátor předepsaný počet jednotek, které musí v daném čase otestovat. V simulaci bude řešen počet jednotlivých operátorů na daných pozicích, aby nedocházelo k hromadění jednotek na některých z pozic, které jsou časově náročnější. Dále kolik je zapotřebí operátorů v závislosti na počtu přijatých jednotek.
Upravení počtu jednotek/h na jednotlivých pozicích k optimalizaci celého procesu.

'''Modely simulace''':

* Současná situace
* Optimalizace počtu operátorů závisející na denním příjmu jednotek (současný systém)
* Optimalizace počtu zpracovaných jednotek na jednotlivých pozicích z vlastních zkušeností
* Maximální možné vytížení na modelu č. 3 a kapacitě provozovny

'''Popis procesu''':

* Příjem jednotek
* Nahrání jednotek do systému + základní rozřazení dle hlášené chyby (2 kategorie – fyzické x sw poškození/chyba)
* Nabití všech jednotek (test baterie)
* Restore – Tovární nastavení jednotky
* Základní verifikace – ověření hlášené chyby zákazníkem
* SW kontrola funkce display + mechanická kontrola dotyku operátorem
* SW kontrola Audio – reproduktory + mikrofon
* Kontrola základních funkcí telefonu
* Test wifi (2,4 GHz, 5 GHz), Bluetooth, GPS
* Kontrola funkčnosti telefonické komunikace
* Vizuální kontrola jemného fyzického poškození
* Otevření jednotky a kontrola, zda nebyla jednota zasažena tekutinou
* Ověření, zda jednotka nebyla poškozena při otevření (opakují se body 6-10)
* Finální kontrola (vizuální kontrola + tovární nastavení)
* Očištění jednotek
* Balení
* Odeslání

'''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 19:47, 8 May 2019 (CET)

== Simulace třídících algoritmů ==

'''Název simulace''': Simulace třídících algoritmů

'''Autor''': Martin Jirsa

'''Modelovací nástroj''': MS Excel

'''Popis Modelu''': jako programátor jsem se dostal do situace, kdy je potřeba optimálním způsobem setřídit větší množství dat.
Otázkou pak tedy může být, jaký vhodný algoritmus použít, aby byl časově efektivní. Třídících algoritmů je celá řada, a proto
se budu zabývat poměrně často používanými třídícimi metodami, na kterých je zajímavé časovou složitost ukázat:

- vyhledávání v nesetříděném poli
- quicksort (třídění rozdělováním)
- bubblesort
- třídění přímým vkládáním

Testování bude probíhat na setřízeném i nesetřízeném poli dat a také na speciálně upravených datech, která budou schválně upravena tak,
aby byla pro měření a porovnání jednotlivých algoritmů zajímavá. Bude záležet nejen na setřízenosti tříděných dat, ale také na jejich hodnotách
a zda jsou v poli rozložena zcela nepravidelně. Součástí simulace budou k dispozici jak konkrétní data využitá k testování časové efektivity,
tak reálná data obsahující výsledky měření získané z různých typů strojů, překladačů a operačních systémů.

'''Parametry modelu''':

* typy jednotlivých algoritmů
* charakter a počet testovaných prvků
* typ testované operace (porovnání dvou prvků pole, případně jejich prohození)
* celkový čas třídění pro menší a větší objem prvků
* složitost algoritmu
* grafický průběh

'''Cíl simulace''': zjistit optimální třídící metodu na jednoduších až komplexnější datech, z hlediska časové efektivity

== Simulace výběru pokladny na prodejně ==

'''Název simulace''': Simulace výběru pokladny na prodejně

'''Autor''': Jan Hazdra

'''Typ modelu''': Diskrétní simulace

'''Modelovací nástroj''': SIMPROCESS

'''Definice problému''': Pracuji v Makru, jde o společnost zaměřenou na velkoobchodní prodej nejen potravinářského spotřebního zboží. V centrálním obchodě používáme několik různých typů pokladních systému a druhů pokladen. Jsou zde pokladny klasické s obsluhou, samoobslužné a nově v pilotním provozu tzv. scan pokladny. Ve skutečnosti jde pouze o váhu, samotné markování artiklů probíhá přes mobilní aplikaci. Váha pak jen několika způsoby porovnává obsah košíku s obsahem virtuálního namarkovaného košíku v aplikaci a při shodě přechází k placení.

'''Metoda''': Problém bude řešen jako diskrétní simulace v programu Simprocess, jelikož jde o variaci na problém front, který se v Simprocessu řeší nejsnadněji. Při simulaci vycházím z reálných dat posbíraných za jeden den na jedné z prodejen v České Republice. Data se během jednotlivých dnů příliš neliší, proto budu vycházet ze vzorku z jednoho dne.

'''Parametry''':
* typ pokladny
* počet pokladen
* zdržení na pokladně
* počet zákazníků
* doba strávené na prodejně

'''Cíl simulace''': Nasimulovat běžný provoz prodejny s třemi druhy pokladních systémů, výsledky by mohly vést k optimalizaci procesu placení na pokladnách (změnit počet a poměr pokladen, zobrazit vytížení a další).

: '''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:14, 8 May 2019 (CET)

== Meziměstská autobusová doprava ==
----
'''Název:''' Simulace meziměstské autobusové dopravy

'''Autor:''' [[User:Zikl00|Zikl00]] ([[User talk:Zikl00|talk]]) 12:25, 8 May 2019 (CET)

'''Nástroj:''' Simprocess

'''Typ modelu:''' Diskrétní

'''Popis modelu:''' Chceme založit dopravní společnost, která se bude zabývat meziměstskou autobusovou dopravou. Pomocí simulace budeme zjišťovat, do jakých měst se vyplatí
zavést autobusové linky společnosti. Konkurence se nebere v této úloze v úvahu.
Ve městech se generují pasažéři v závislosti na velikosti města, denní hodině a dni v týdnu. V simulaci půjde o ekonomické řízení podniku, kde se budou sledovat příjmy a
výdaje. Bude se zjišťovat, po jak dlouhé době se společnost dostane do černých čísel. Na začátku totiž musí pořídit několik autobusů. Dále musí platit své řidiče a náklady
na provoz autobusů. Aby přeprava byla výdělečná, bude záležet na počtu autobusů a časů, ve kterých jezdí. Autobusy mají danou kapacitu, opotřebení, fixní a variabilní
náklady na provoz. Sledovat se bude výdělečnost a ztrátovost přeprav.

'''Parametry modelu:'''
* Počet cestujících na nádražích (denní hodina a den v týdnu)
* Velikost populace jednotlivých měst
* Vzdálenost mezi městy
* Počet autobusů
* Pořizovací cena jednoho autobusu
* Počet řidičů
* Náklady na provoz jednoho autobusu
* Náklady na jednoho řidiče
* Cena paliva

'''Cíl simulace:''' Výsledky simulace budou sloužit jako podpora při rozhodování, zda autobusovou společnost založit, či nikoliv. Dále zjistíme, kolik je potřeba investovat
a za jak dlouho začne společnost vydělávat.

: Téma samotné se mi líbí, upřesněte prosím ale, kde vezmete data. Bude jich potřeba docela dost. Kupříkladu vytíženost autobusů během dne/týdnu, celkové náklady na vlastnictví/provoz autobusů (údržba, lidské zdroje, redundance, palivo, amortizace, pojištění, atd...). Pokud máte hodnověrné zdroje, na základě kterých jste schopen takové parametry nastavit, tak je to super zadání. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 20:20, 8 May 2019 (CET)

== Retence vody v krajině ==
----
'''Název:''' Simulace retence vody v krajině

'''Autor:''' Jan Reindl

'''Nástroj:''' Netlogo

'''Popis simulace:''' Prostředí tvoří krajina s různě složitým terénem, na který dopadá různé množství srážek. Část vody se vsákne, ale zbytek teče směrem dolů. V místech, kde protéká hodně vody může docházet k erozi. Pokud voda odtéká příliš rychle, půda vysychá. Půda má dvě "vrstvy" první vrstva je povrchová, s omezenou možností absorbovat vodu. Druhá vrstva je hluboká a má relativně neomezenou kapacitu, voda se do ní ale dostává postupně skrze svrchní vrstvu. Uživatel bude mít možnost na jednotlivých "dlaždicích" možnost uměle zvýšit nebo snížit elevaci (vytvořit hráz nebo vykopat příkop). Model bude sledovat množství vsáknuté vody, hladinu "spodních vod", množství vody, která odteče pryč, a závislost těchto výsledků na vydatnosti a četnosti srážek. Jedná se o dnes často zkoumaný problém, a neměl by být problém sehnat data pro relativně přesné nastavení modelu.

'''Parametry modelu:'''
* Vydatnost srážek
* Četnost srážek
* Absorbční schopnost půdy
* Absorbční kapacita půdy
* Pevnost půdy (odolnost proti erozi)
* Množství vody v jednotlivých vrstvách půdy
* Rychlost úbytku vody v půdě

'''Možnosti rozšíření modelu:'''
* Různé druhy půdy (les, pole s řepkou,...)
* Možnost přidání lidského osídlení, které může ohrozit povodeň.
* Více možných terénních úprav
* Různé možnosti generace nebo vložení "mapy"

[[User:Xreij15|Xreij15]] ([[User talk:Xreij15|talk]]) 09:58, 12 May 2019 (CET)

Assignment SS 2018/2019/cs

2019-04-24T08:19:25Z

Xreij15: Created page with "{{DISPLAYTITLE:Zadání LS 2018/2019}} {{Ambox | text = <div> Na tuto stránku vkládejte svá zadání. Nezapomeňte se podepsat. Můžete použít <nowiki>~~~~</nowiki> (..."

Simulace pastviny (NetLogo)

2018-06-17T01:04:53Z

Xreij15: Created page with " __TOC__ =Zadání= '''Název simulace:''' Simulace pastviny '''Autor:''' Jan Reindl '''Typ modelu:''' Multiagentní '''Modelovací nástroj:''' NetLogo '''Popis modelu:..."

__TOC__

=Zadání=

'''Název simulace:''' Simulace pastviny

'''Autor:''' Jan Reindl

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

'''Popis modelu:''' Model zachycuje situaci na pastvině, pastvina je pokryta trávou a nachází se v ní zvířata konzumující trávu Pokud zvířata spasou veškerou trávu na určitém poli, dojde k erozi půdy a pole se změní v poušť. Pokud je naopak pole dlouhou dobu nespasené, zaroste křovím. V pastvině se nachází tři druhy zvířat, skot, ovce a kozy. Každý druh má jiné preference z hlediska potravy, každé zvíře tak při krmení používa jinou strategii a případně si i vybírá jiný druh rostlin ke spasení. Tedy: Skot je nejvybíravější a při nízkém počtu zvířat je i nízký selekční tlak a krávy tak nejsou nuceny jíst i "plevel", což zvyšuje šanci na to, že pastvina zaroste křovím. Při vysokém počtu zvířat však není skot schopen tolik prosperovat. Ovce nejsou vybíravé, ale nechávají za sebou po pastvě menší množství rostlin, které poté obrůstá. Kozy naopak preferují plevel a menší křovinaté rostliny. Sežerou ale všechno i s kořínky a významně tím přispívají k desertifikaci.

=Metoda=

Zvolenou metodou je software NetLogo, který dovoluje relativně dobře nasimulovat model v podstatě jakéhokoliv ekosystému a problému v jeho rámci řešenému. Navíc dobře dovoluje sledovat dlouhodobý běh modelu a změny v průběhu času.

=Model=

Model se skládá ze tří druhů agentů a obsahuje 6 uživatelem zadávaných parametrů, řadu vnitřních, obvykle "hard-coded" parametrů, 3 ukazatele, 2 z nich ve formě grafu.

== Vstupní parametry ==

* '''number-of-cows''' - Udává počet krav vytvořených v modelu.
* '''number-of-sheep''' - Udává počet ovcí vytvořených v modelu.
* '''number-of-goats''' - Udává počet koz vytvořených v modelu.
* '''regrowth-rate''' - Udává rychlost, s jakou rychlostí rostliny v pastvině obrůstají
* '''energy-decay''' - Udává, jak rychle zvířatům ubývá energie, tedy s jakou rychlostí "dostávají hlad"

* '''Allow Reproduction''' - Po stisknutí tlačítka se zvířata v modelu mohou rozmnožovat

== Pole ==

=== Vlastnosti polí ===

Každé políčko představuje část pastviny, na které roste tráva. Každé pole má 3 vlastní hodnoty:
* '''annuals-amount''' - Označuje množství dostupných, převážně jednoletých travin
* '''perennials-amount''' - Označuje množství dvouletých a víceletých rostlin dostupné k pastvě
* '''bushes-amount''' - Označuje množství křovin, náletů a podobných rostlin, které mohou jíst zvířata

=== Akce polí ===

* '''colour-patch''' - Tato metoda obarvuje políčka na základě množství rostlin. Jsou rozlišeny 4 barvy pro erodovanou půdu a pro zdravou, příliš vytíženou, a zarostlou pastvinu.
* '''regrow-annuals''' - Zaručuje obnovu jednoletých rostlin, pokud jsou spaseny pod určitou mez, dorůstají nějakou dobu pomaleji.
* '''regrow-perennials''' - Zaručuje obnovu víceletých rostlin, pokud jsou spaseny pod určitou mez, dorůstají nějakou dobu také pomaleji, ale tato hranice je nižší, neboť tyto rostliny ukrývají více energie v kořenech.
* '''regrow-bushes''' - Zaručuje růst křovin, ty rostou velice pomalu, dokud se nedostanou přes určitou mez, kdy začnou růst rychleji.

Jednotlivé druhy rostlin si v růstu přirozeně vzájemně konkurují. Vzhledem k zadaným hodnotám a dostupným datům, by jedno pole mělo velice přibližně odpovídat ploše sta metrů čtverečních.

== Agenti ==

Všem agentům je v modelu univerzální parametr '''energy, status a speed'''. Energie udává, jak jsou zvířata vykrmena a Status je svázán s energií a udává, jestli je zvíře vykrmené, zdravé, nebo zdali hladoví.

=== Cows ===
Skot, nebo jednoduše krávy mají kromě pohybu dvě akce:
* '''cows-graze''' - Zajišťuje pasení krav. Krávy preferují jednoleté rostliny, poté víceleté a křoviny okusují pouze z nutnosti a mají z nich méně energie. Rostliny jedí spíše povrchně a nechávají za sebou větší množství zeleně, jsou ale vybíravější.
* '''reproduce-cows''' - Pokud je povolena reprodukce a kráva je dobře živena, má šanci se rozmnožit

=== Sheep ===
Ovce mají vlastní variantu akcí
* '''sheep-graze''' - Zajišťuje pasení ovcí. Ovce preferují víceleté rostliny, poté jednoleté a křoviny okusují pouze z nutnosti a tolik se jimi nenasytí. Rostliny okusují až na nízký porost, to více vyhovuje právě víceletým rostlinám, ale méně těm jednoletým.
* '''reproduce-sheep''' - Pokud je povolena reprodukce a ovce je dobře živena, má šanci se rozmnožit

=== Goats ===
I kozy mají svoji variantu akcí.
* '''sheep-graze''' - Zajišťuje kozám krmení se. Kozy preferují okusování keřů. Ostatní rostliny, zejména ty víceleté jim ale nedělají problém. Sežerou, to co je zrovna k mání a nedělá jim problém sežrat rostliny na poli i s kožínky a zabránit tak jejich dalšímu růstu.
* '''reproduce-goats''' - Pokud je povolena reprodukce a koza je dobře živena, má šanci se rozmnožit

== UI a ukazatele ==

Uživatelské rozhraní je relativně jednoduché a umožňuje zadávat vstupní parametry a sledovat ukazatele. Ukazatele jsou následující:

* '''Status of animals''' - Dovoluje sledovat počet a poměr zvířat podle jejich stavu v čase - zda li jsou dobře vykrmená, pouze zdravá, nebo zda dokonce strádají hladem, a jak se tento poměr vyvyjí v čase.

* '''Soil Status''' - Sleduje poměr polí, která jsou buďto zdravá, zarostlá, přílišně vytížena, nebo zda se vlivem zvířat změnila v poušť.

* '''Hunger strike bodycount''' - Ukazuje, kolik zvířat nepřežilo hladovku.

[[File:Xreij15baseUI.PNG|thumb|right|Pohled na UI]]

=Výsledky=

Po několika dnech testování a upravování parametrů se mi ani vzdáleně nepodařilo dospět ke stavu, který by vedl k dobrému stavu jak zvířat, tak pastviny. Ani jsem nenašel žádný dokonalý poměr mezi počty krav, koz a ovcí. Přesto se v modelu našla řada zajímávých výsledků:

==Příliš vysoká populace==
Pokud "naženeme" na pastvu příliš vysoký počet krav nebo ovcí, výsledek je vždy stejný. Dojde k rychlé konzumaci všeho dostupného a zvířata vymřou. Stejný scénář nastane, pokud zvířatům dovolíme se rozmnožovat. V modelu chybí predátor, a tak dojde k náhle populační explozi a následnému vyhynutí.

[[File:Xreij15overpopulated.PNG]]
''-Typický scénář příliš vysoké populace''

Zajímavý je ovšem scenář, pokud jsou stavy ostatních zvířat nízké nebo nulové, ale nachází se v modelu vysoký počet koz. Pokud je v modelu o velikosti 16x16 polí přibližně 300 až 345 koz, dojde k zajímavé situaci. Většina krav a zejména ovcí vymře. Kozy však dosáhnou toho, že změní přibližně třetinu políček v erodovanou, neúrodnou půdu a jejich počet klesne přibližně na 40% původní hodnoty, následně však dojde k nastolení rovnováhy a kozí populace je v tomto stavu schopna dlouhodobě přežít. Tento scénář funguje i v případě, že je zvířatům dovoleno se rozmnožovat, což je pozoruhodné, zejména vzhledem k absenci predátora v modelu.

[[File:Xreij15toomanygoats.PNG|thumb|center|Případ příliš vysokého počtu koz]]

== Malý vs. velký počet krav ==

Dalším, poměrně zajímavým zjištěním je vstah mezi nižším množstvím krav a množstvím středně vysokým. Pokud tedy uvažujeme plochu 16x16 polí, 10 krav si povede stejně jako krav 40. Povedou si tak, že jen některé budou dobře napasené, zatímco většina bude "pouze" zdravá.

Pravděpodobně je to tím, že počet deseti krav je příliš malý - krávy tedy mají možnost si vybrat jen to, co mají nejradši. Spasou tedy pouze jednoleté rostliny, zatímco víceleté mají možnost volně růst a omezují tak možnosti růstu právě rostlin jednoletých.
Naopak 40 krav už je těsně pod hranicí vyhynutí, neboť u většiny jedoleté trávy dojde k totálnímu spasení a víceleté, které zbydou nemají pro krávy takovou energetickou hodnotu.

== Symbiotický vztah krav a ovcí ==

Výše je použit pro srovnání počet 44 krav. Počet převyšující číslo 45 však za stávajících podmínek modelu eventuelně vede k vymření. Pokud však ke stejnému počtu přidáme zhruba 20 ovcí, zřejmě dojde k rovnoměrnějšímu spasení a následně dorůstání jak jednoletých, tak víceletých rostlin. Dojde tak k lepšímu stavu jak zvířat, tak pastviny.

=Závěr=

Model sice postrádá predátory, ale i tak se z něj dají vyčíst zajímavé informace. Model má i nadále jisté možnosti pro další rozšíření. Například o další druhy zvířat nebo širší okruh podmínek. Naneštěstí se nepodařilo najít žádný zlatý rovnovážný stav mezi počty jednotlivých druhů zvířat, ale je možné, že ani žádný neexistuje. Také by bylo vhodné, kdyby se objevili nějaké přesnější informace potřebné k základu modelu ze strany vědecké komunity. Současná data jsou v tomto ohledu více než neúplná a často velice odlišná.

=Kód=

[[File:.PastvinaXREIJ15V3.tmp.nlogo]]

=Obrázky=

[[File:Xreij1510cows.PNG|thumb|left|Případ deseti krav]][[File:Xreij1544cows.PNG|thumb|center|Případ čtyřiačtyřiceti krav]][[File:Xreij15alltogether.PNG|thumb|right|Případ dlouhodobě prospívajících zvířat, ale s horším stavem půdy]]

File:Xreij15alltogether.PNG

2018-06-17T00:40:35Z

Xreij15:

File:Xreij1544cows.PNG

2018-06-17T00:27:36Z

Xreij15:

File:Xreij1510cows.PNG

2018-06-17T00:26:28Z

Xreij15:

File:Xreij15toomanygoats.PNG

2018-06-17T00:08:52Z

Xreij15:

File:Xreij15overpopulated.PNG

2018-06-16T23:57:43Z

Xreij15:

File:.PastvinaXREIJ15V3.tmp.nlogo

2018-06-16T23:52:55Z

Xreij15:

File:Xreij15baseUI.PNG

2018-06-16T23:52:23Z

Xreij15:

SS 2017/2018/cs

2018-06-15T23:52:23Z

Xreij15:

{{DISPLAYTITLE:LS 2017/2018}}

Semestrální práce (simulace) z letního semestru 2017/2018. Sem přidejte odkaz na stránku s Vaší prací. Nejprve je třeba nechat schválit [[Assignment_SS_2017/2018/cs|zadání práce]].

=Vypracovaná témata LS 2017/2018=
* [[Simulace úspor na důchod ve zvoleném kraji v ČR (Monte Carlo)]] - Jan Marek Slabihoud, slaj09
* [[Můj život aneb jak poznat tu pravou (NetLogo)]] - Mai Duc Anh, maid01
* [[Simulace pohybu zavazadel na letišiti (SIMPROCESS)]] - Daniel Navrátil, navd00
* [[Simulace_jizdy_v_dopravni_zacpe]] - Daniel Nejezchleb, xnejd00
* [[Optimalizace_provozu_školní_jídelny]] - Ulrika Anna Jagošová, xjagu00
* [[Simulace činnosti kavárny (Vensim)]] - Mariia Alekseeva
* [[Simulace vícejazyčné komunity (NetLogo)]] - Marina Lushnikova, xlusm05
* [[Simulace_automatizovaneho_nakladani_kamionu]] (NetLogo) - Kenan Dervisevic, derk01
* [[Optimalizace po%C4%8Dtu provozoven rychl%C3%A9ho ob%C4%8Derstven%C3%AD nov%C3%A9ho podniku ve m%C4%9Bstech %C4%8CR (Monte Carlo)]] - Nguyen Van Thanh, xngut65
* [[Simulace vývoje slávy kapely (Vensim)]] - Luboš Tomandl, xtoml29
* [[Simulace výběru pokladny na prodejně (SIMPROCESS)]] - Jan Hazdra, xhazj03
* [[Simulace pastviny (NetLogo)]] - Jan Reindl, xreij15

Agents/cs

2018-06-14T21:59:16Z

Xreij15: more bytes?

{{DISPLAYTITLE:Agenty}}

'''Agent''', také '''inteligentní agent''' nebo někdy '''racionální agent''' je označením pro autonomní entitu, která je schopna vykonávat určitou činnost v nějakém prostředí. Tato entita pozoruje pomocí senzorů své prostředí a jedná pomocí aktuátorů. Agenty mohou být velice jednoduché i složité, některé jsou například schopné učit se a/nebo využívat znalosti k dosažení svých cílů. Existují různé způsoby definice i klasifikace agentů.

__TOC__

== Charekteristika agenta ==

Není jednoduché jednoznačně definovat agenta, neboť neexistuje striktní definice tohoto pojmu. Konkrétní definice často záleží, z jakého oboru pochází, neboť pojem agent spadá pod společný okruh umělé inteligence, ekonomiky i teorie her. Agenty lze dělit do kategorií podle různých charakteristik. Mohou se dělit podle architektury, tedy svého vnitřního uspořádání, fyzické substance nebo jejich způsobu racionality.

Agenty bývají charakterizovány sadou vlastností. Mezi tyto vlastnosti patří:

• '''Autonomnost''' - Agent musí být proaktivní a samostatný. Musí tedy sám řešit zadané úkoly a cíle.

• '''Reaktivita''' - Agenty jsou aktivovány událostmi a jsou schopny reakce v souladu s vnímáním prostředí.

• '''Intencionalita''' - Schopnost mít na paměti dlouhodobé cíle a organizovat své chování tak, aby jich bylo dosaženo.

• '''Schopnost sociálního chování''' - Agent by měl být schopný spolupráce s ostatními agenty k dosažení společných cílů. Také by měl být schopný udržovat informace o ostatních agentech a sdružovat se do skupin a očekávat z nich vzájemný prospěch.

• '''Schopnost učení''' - Agent by měl být schopný získávat a uchovávat nové znalosti a na jejich základě měnit své chování.

== Kategorie agentů ==

Na základě jejich racionality lze agenty rozdělit do následujících skupin:

'''Reaktivní agenty'''

Reaktivní agenty jsou nejjednodušším typem agentů. Za reaktivní agent je označována entita, která vykonává akce výhradně na základě podnětů, které zachytí senzory z vnějšího prostředí a její racionalita je přímým důsledkem interakce agenta se svým okolním světem. Agent neobsahuje žádné součásti, které by obsahovaly plány ani možnosti tvorby plánů nebo moduly rozhodování. Tento agent se skládá z kompetenčních modulů, tyto moduly se aktivují na základě přijatého stimulu a vykonávají určitou akci. Agent také může obsahovat vnitřní stavy, které moho ovlivňovat jeho reaktivní chování. Tento agent dosahuje svých předem určených cílů na základě těchto reakcí na změny prostředí.

'''Deliberativní agenty'''

Deliberativní agent se vyznačuje tím, že dokáže plánovat cestu ke svým cílům. Tento postup plánuje na základě databáze znalostí o světě a na základě svých vnitřních stavů. Tyto znalosti tvoří převážně vnitřní symbolická reprezentace světa (tedy prostředí, ve kterém se nachází).

'''Sociální agenty'''

Někdy se jako další kategorie uvádí takzvaný sociální agent. Takový agent je rozšířen o možnost komunikace s ostatními agenty. Takový agent bývá v základní formě vybaven jistou obdobou telefonního seznamu - má informace o identifikaci jednotlivého agenta, jeho adrese a o službě, kterou nabízí. Sociální agenty jsou tak schopny zvažovat cíle a motivace ostatních agentů a uchovávat historii interakcí se všemi ostatními agenty. Smyslem propojení agentů je kromě samotného dosažení cíle také překonání omezenosti zdrojů jednotlivých agentů.

'''Hybridní agenty'''

Označením hybridní agent je myšlen agent, který ve své činnosti kombinuje vlastnosti a funkce ostatních druhů agentů.

== Reaktivní agenty ==

Reaktivní agent je nejjednodušším z typů agentů. Tento netvoří symbolickou reprezentaci okolí. Jako takový pouze reaguje na změny prostředí a při jeho použití se inteligentní chování vyskytne pouze z emergence v rámci celého multiagentního systému.

Základem reaktivního agenta je takzvaná subsumpční architektura, která v protikladu s klasickou (symbolickou) umělou inteligencí vychází z následujících principů:

• '''Tělesnost''' (embodiment) – agenty mají tělo se senzory a aktuátory

• '''Situovanost''' (situatedness) – agenty jsou situovány v reálném světě, se kterým interagují, a který ovlivňuje jejich chování

• '''Inteligence''' – jako výsledek střetu agenta s okolím a adekvátní reakce na podněty (stimulus → response); tyto reakce nepotřebují centrální reprezentaci cílů a plánů

• '''Emergence''' – inteligence systému vzniká samovolně jeho interakcí s prostředím a také vzájemnou interakcí komponent systému

Subsumpční architektura znamená dekompozici agenta dle jeho aktivit do vrstev. Jednotlivé vrstvy spolu „soupeří“ o řízení agenta. Nejspodnější vrstva má přednost, pokud nepracuje, nastupuje další vrstva atd. Agent je tedy vytvářen zdola nahoru, postupně se tak rozšiřuje jeho funkcionalita. Jednotlivé vrstvy interagují na základě potlačení (suppression) na úrovni
vstupů do jednotlivých vrstev agenta (vstup do nižší vrstvy je nahrazen signálem z vyšší vrstvy) a zabránění (inhibition) na úrovni výstupů z jednotlivých vrstev agenta (výstup z vyšší vrstvy zabrání výstupu z nižší vrstvy). Obrázek vpravo ukazuje subsumpční architekturu robota, který prozkoumává své okolí. Tato činnost má nejnižší prioritu, vyšší prioritu má bloudění a nejvyšší prioritu má vyhýbání se překážkám.
[[File:Reaktivniagent.PNG|center|436px|Příklad třívrstvé architektury reaktivního agenta]]

Příkladem jednoduchého reaktivního agenta může být mechanická beruška, která odpovídá výše zmíněnému popisu. Beruška se pohybuje po stole, opírá se o velké kolečko a tykadla. Pokud se tykadly dostane mimo desku stolu, zapojí se další (malé) kolečko, které berušku otočí. V moment, kdy se tykadla znovu dostanou na plochu stolu, malé kolečko se odstaví a beruška se opět rozjede rovně.

Dalším příkladem může být jednoduchý robotický systém, který simuluje chování pobřežního slimáka. Ten se pohybuje vzhůru jako reakce na gravitaci a pohybuje se do tmy jako reakce na světlo. To odpovídá chování pobřežního slimáka, který se živí řasami rostoucími mezi skalami ve vodě i na vzduchu. Na dně se pohybuje do tmy skalních štěrbin a v nich se plazí směrem vzhůru. Je-li sluneční světlo příliš silné, zůstane pod hladinou, jinak vyleze a zůstane mezi skalami, kde hledá potravu.

== Deliberativní agenty ==

Deliberativní (také označované jako usuzující, racionální, nebo intencionální) agenty jsou takové, které vykazují inteligentní chování na základě vlastní umělé inteligence. Pracují se symbolickou reprezentací vnějšího prostředí, kterou využívají k vytvoření modelu tohoto světa ve své paměti a který dokáží využít k plánování a dosažení cílů. Deliberativní agenty nemusí mít nutně pouze jeden cíl. Mohou sledovat velice složitý cíl, skládající se z mnoha podcílů, dlouhodobé i krátkodobé cíle, nebo vícero hierarchicky uspodářaných cílů najednou. Rozhodovací proces je tak zesložitěn i snaho vybrat nejlepší cíl pro konkrétní situaci.

V určitých situacích není tento agent schopen dosáhnout cíle sám, na řadu tak přichází sociální vrstva agenta, která mu dovoluje kooperaci s ostatními agenty. Ty mohou, ale nemusí přijmout žádost agenta, pokud tato žádost neodpovídá cílům žádaného. Nevíhodou deliberativních agentů je jejich složitost. Mohou se objevit chyby a ty mohou být náročné na odstranění. Jsou také velice náročné na výpočetní výkon.

Při pohledu z vnějšku se mohou deliberativní agenty podobat agentům reaktivním. Vnímají své prostředí, vjemy zpracují a vyhodnotí a vyberou nejlepší vhodnou odpověď a tu provedou. Vnitřní proces je však výrazně složitější. Jak již bylo zmíněno, agenty používají systém vnitřních znalostí. Ty se skládají z nějakých základních informací, ze zkušeností získaných interakcí s prostředím, z vnitřních stavů a cílů, kterých má agent dosáhnout. Základem je postup, při kterém se na základě nějakého vstupu změní vnitřní stav agenta. Následkem čehož je provedena nějaká akce. Existují však různé přístupy, jak vytvořit takovou architekturu.

Jakýmsi standardem je v tomto ohledu '''teorie BDI'''. Tato teorie tvoří sofistikovaný přístup k architektuře agenta a skládá se ze tří základních pojmů:

• '''Beliefs''' (doměnky) - vyjadřují představy agenta o světě.

• '''Desires''' (touhy) - vyjadřují touhy agenta dosáhnout cíle nebo určitého stavu světa

• '''Intentions''' (záměry) - vyjadřují záměr agenta dosáhnout cíle

Na základě těchto doměnek, přání a záměrů agent uvažuje o světě.

=== Agentní prostředí ===

Prostředí je vše, s čím agent přichází do styku během své činnosti nebo existence. Je to ve své podstatě agentní systém, pouze však bez jednotlivých agentů. Toto prostředí lze dělit podle několika různých kritérií.Prostředí tedy může být:

'''Plně pozorovatelné / Částečně pozorovatelné'''

• Plně pozorovatelné prostředí je takové, které může agent svými senzory zcela sledovat. Může sledovat všechny jeho stavy.

• Částečně pozorovatelné je pak opakem, tedy agent není schopen sledovat všechny stavy prostředí.

'''Statické / Dynamické'''

• Statické prostředí je takové, které se může měnit jenom díky akcím agentů.

• Dynamické prostředí se může měnit i bez zásahu agenta.

'''Deterministické / Nedeterministické'''

• Deterministické prostředí je takové, u kterého je predikovatelný jeho následný stav ze znalosti momentálního stavu prostředí a vykonávané agentní akce.

• Nedeterministické prostředí je charakterizováno jako prostředí, u kterého nelze jeho následný stav predikovat.

'''Diskrétní / Spojité'''

• Diskrétní prostředí má konečný nebo spočetný počet stavů. (přechází tedy po konkrétních krocích ze stavu do stavu)

• Spojité prostředí má nekonečný počet stavů.

== Hybridní agenty ==

Jak již bylo zmíněno výše, a jak z názvu vypovídá, hybridní agenty jsou takové, které kombinují vlastnosti ostatních typů agentů. A tedy agentů reaktivních a aagentů deliberativních. Hybridní agenty se skládají z několika vrstev a každá tato vrstva působí jako samostatný agent. Hybridní agent tak musí mít alespoň dvě vrstvy - jednu deliberativní a jednu reaktivní. Vrstev však samozřejmě může mít i více. Vrstvy poté mohou být uspořádány do různých struktur. Tyto vrstvy tvořící celkovou strukturu poté udávají konečné chování agenta.

Struktury, neboli architektury vrstev hybridního agenta můžeme v zásadě rozdělit na tři architektury. Jedná se o architekturu horizontální, vertikalní s jednopruchodovým ovládáním a vertikální s dvouprůchodovým ovládáním

=== Horizontální ===

Horizontální vrstvení zaručuje přístup všech vrstev k senzorickému a efektorickému vybavení agenta. Řídící mechanismus musí pak zabezpečovat správné přidělení zdrojů agenta jednotlivým vrstvám tak, aby bylo zabezpečeno racionální chování (například aby agent neprováděl dvě protichůdná řešení), zároveň však aby tato racionalita nebyla narušena "bojem" vrstev o dané zdroje a vykonávání akcí. Viz také grafické zobrazení na obrázku. [[File:Hybridní_architektura_s_horizontálním_vrstvením_boyIsurehopethefilenamegivesmeenoughbytesonthepagelenght.jpg|thumb|right|Příklad horizontální architektury]]

• Výhody: jednoduché ztvárnění (každá vrstva představuje jedno chování)

• Nevýhody: potenciální překážkou může být potřeba subsystému, kterou z důvodu konkurence mezi vrstvami agenti potřebují.

=== Vertikální ===

Druhým typem organizace chování v hybridní architektuře je vertikální vrstvení. V tomto případě je se senzory a aktuátory spojena jenom jedna vrstva. U dvouprůchodové architektury je tato vrstva spojena jak se senzory tak s aktuátory. U jednoprůchodové se pak senzorová a aktuátorová vrstva nachází na opačných koncích. Data a žádosti v této architektuře proudí z nižších vrstev do vyšších, které pak případně delegují nižší pro provádění úloh (v případě dvouprůchodového vrstvení). [[File:Hybridní_architektura_s_vertikálním_vrstvením_jednoprůchodové_a_dvouprůchodové_didIgetenoughbytesyetbetterkeeptypingloremipsumdolorsitamet.jpg|thumb|right|Varianty vertikální architektury]]

'''Jednoprůchodové ovládání'''

• '''Výhody:''' jednodušší interakce mezi vrstvami

• '''Nevýhody:''' méně flexibilní, více náchylná k selhání, neexistuje zpětná vazba mezi vrstvami

'''Dvouprůchodové ovládání'''

• '''Výhody:''' struktura se podobá firmě, méně interakce mezi vrstvami

• '''Nevýhody:''' méně flexibilní, více náchylná k selhání, náročnější na výpočetní výkon

== Zdroje ==

• BERKA, Petr. - Inteligentní systémy. V Praze: Oeconomica, 2008. ISBN 978-80-245-1436-9.

• ŠALAMON, Ing. et Ing. Tomáš, Ph.D., MBA - Podklady k předmětu 4IT495 - Simulace systémů; VŠE - fakulta informatiky a statistiky, Multiagent systems I.pdf,

• KUBÍK, Aleš. Inteligentní agenty. Brno: Computer Press, 2004. ISBN 80-251-0323-4.

• NETRVALOVÁ, Arnoštka, Ing. - [http://www.kiv.zcu.cz/~netrvalo/phd/MAS.pdf Úvod do problematiky multiagentních systémů]

Agents/cs

2018-06-14T21:47:02Z

Xreij15: Mělo to být větší, složitější, hezčí, originálnější, a tak vůbec, ale nějaký chudák se rozhodl, že se domů nedostanu včas a skočil mi pod vlak :/

{{DISPLAYTITLE:Agenty}}

'''Agent''', také '''inteligentní agent''' nebo někdy '''racionální agent''' je označením pro autonomní entitu, která je schopna vykonávat určitou činnost v nějakém prostředí. Tato entita pozoruje pomocí senzorů své prostředí a jedná pomocí aktuátorů. Agenty mohou být velice jednoduché i složité, některé jsou například schopné učit se a/nebo využívat znalosti k dosažení svých cílů. Existují různé způsoby definice i klasifikace agentů.

__TOC__

== Charekteristika agenta ==

Není jednoduché jednoznačně definovat agenta, neboť neexistuje striktní definice tohoto pojmu. Konkrétní definice často záleží, z jakého oboru pochází, neboť pojem agent spadá pod společný okruh umělé inteligence, ekonomiky i teorie her. Agenty lze dělit do kategorií podle různých charakteristik. Mohou se dělit podle architektury, tedy svého vnitřního uspořádání, fyzické substance nebo jejich způsobu racionality.

== Kategorie agentů ==

Na základě jejich racionality lze agenty rozdělit do následujících skupin:

'''Reaktivní agenty'''

Reaktivní agenty jsou nejjednodušším typem agentů. Za reaktivní agent je označována entita, která vykonává akce výhradně na základě podnětů, které zachytí senzory z vnějšího prostředí a její racionalita je přímým důsledkem interakce agenta se svým okolním světem. Agent neobsahuje žádné součásti, které by obsahovaly plány ani možnosti tvorby plánů nebo moduly rozhodování. Tento agent se skládá z kompetenčních modulů, tyto moduly se aktivují na základě přijatého stimulu a vykonávají určitou akci. Agent také může obsahovat vnitřní stavy, které moho ovlivňovat jeho reaktivní chování. Tento agent dosahuje svých předem určených cílů na základě těchto reakcí na změny prostředí.

'''Deliberativní agenty'''

Deliberativní agent se vyznačuje tím, že dokáže plánovat cestu ke svým cílům. Tento postup plánuje na základě databáze znalostí o světě a na základě svých vnitřních stavů. Tyto znalosti tvoří převážně vnitřní symbolická reprezentace světa (tedy prostředí, ve kterém se nachází).

'''Sociální agenty'''

Někdy se jako další kategorie uvádí takzvaný sociální agent. Takový agent je rozšířen o možnost komunikace s ostatními agenty. Takový agent bývá v základní formě vybaven jistou obdobou telefonního seznamu - má informace o identifikaci jednotlivého agenta, jeho adrese a o službě, kterou nabízí. Sociální agenty jsou tak schopny zvažovat cíle a motivace ostatních agentů a uchovávat historii interakcí se všemi ostatními agenty. Smyslem propojení agentů je kromě samotného dosažení cíle také překonání omezenosti zdrojů jednotlivých agentů.

'''Hybridní agenty'''

Označením hybridní agent je myšlen agent, který ve své činnosti kombinuje vlastnosti a funkce ostatních druhů agentů.

== Reaktivní agenty ==

Reaktivní agent je nejjednodušším z typů agentů. Tento netvoří symbolickou reprezentaci okolí. Jako takový pouze reaguje na změny prostředí a při jeho použití se inteligentní chování vyskytne pouze z emergence v rámci celého multiagentního systému.

Základem reaktivního agenta je takzvaná subsumpční architektura, která v protikladu s klasickou (symbolickou) umělou inteligencí vychází z následujících principů:

• '''Tělesnost''' (embodiment) – agenty mají tělo se senzory a aktuátory

• '''Situovanost''' (situatedness) – agenty jsou situovány v reálném světě, se kterým interagují, a který ovlivňuje jejich chování

• '''Inteligence''' – jako výsledek střetu agenta s okolím a adekvátní reakce na podněty (stimulus → response); tyto reakce nepotřebují centrální reprezentaci cílů a plánů

• '''Emergence''' – inteligence systému vzniká samovolně jeho interakcí s prostředím a také vzájemnou interakcí komponent systému

Subsumpční architektura znamená dekompozici agenta dle jeho aktivit do vrstev. Jednotlivé vrstvy spolu „soupeří“ o řízení agenta. Nejspodnější vrstva má přednost, pokud nepracuje, nastupuje další vrstva atd. Agent je tedy vytvářen zdola nahoru, postupně se tak rozšiřuje jeho funkcionalita. Jednotlivé vrstvy interagují na základě potlačení (suppression) na úrovni
vstupů do jednotlivých vrstev agenta (vstup do nižší vrstvy je nahrazen signálem z vyšší vrstvy) a zabránění (inhibition) na úrovni výstupů z jednotlivých vrstev agenta (výstup z vyšší vrstvy zabrání výstupu z nižší vrstvy). Obrázek vpravo ukazuje subsumpční architekturu robota, který prozkoumává své okolí. Tato činnost má nejnižší prioritu, vyšší prioritu má bloudění a nejvyšší prioritu má vyhýbání se překážkám.
[[File:Reaktivniagent.PNG|center|436px|Příklad třívrstvé architektury reaktivního agenta]]

Příkladem jednoduchého reaktivního agenta může být mechanická beruška, která odpovídá výše zmíněnému popisu. Beruška se pohybuje po stole, opírá se o velké kolečko a tykadla. Pokud se tykadly dostane mimo desku stolu, zapojí se další (malé) kolečko, které berušku otočí. V moment, kdy se tykadla znovu dostanou na plochu stolu, malé kolečko se odstaví a beruška se opět rozjede rovně.

Dalším příkladem může být jednoduchý robotický systém, který simuluje chování pobřežního slimáka. Ten se pohybuje vzhůru jako reakce na gravitaci a pohybuje se do tmy jako reakce na světlo. To odpovídá chování pobřežního slimáka, který se živí řasami rostoucími mezi skalami ve vodě i na vzduchu. Na dně se pohybuje do tmy skalních štěrbin a v nich se plazí směrem vzhůru. Je-li sluneční světlo příliš silné, zůstane pod hladinou, jinak vyleze a zůstane mezi skalami, kde hledá potravu.

== Deliberativní agenty ==

Deliberativní (také označované jako usuzující, racionální, nebo intencionální) agenty jsou takové, které vykazují inteligentní chování na základě vlastní umělé inteligence. Pracují se symbolickou reprezentací vnějšího prostředí, kterou využívají k vytvoření modelu tohoto světa ve své paměti a který dokáží využít k plánování a dosažení cílů. Deliberativní agenty nemusí mít nutně pouze jeden cíl. Mohou sledovat velice složitý cíl, skládající se z mnoha podcílů, dlouhodobé i krátkodobé cíle, nebo vícero hierarchicky uspodářaných cílů najednou. Rozhodovací proces je tak zesložitěn i snaho vybrat nejlepší cíl pro konkrétní situaci.

V určitých situacích není tento agent schopen dosáhnout cíle sám, na řadu tak přichází sociální vrstva agenta, která mu dovoluje kooperaci s ostatními agenty. Ty mohou, ale nemusí přijmout žádost agenta, pokud tato žádost neodpovídá cílům žádaného. Nevíhodou deliberativních agentů je jejich složitost. Mohou se objevit chyby a ty mohou být náročné na odstranění. Jsou také velice náročné na výpočetní výkon.

Při pohledu z vnějšku se mohou deliberativní agenty podobat agentům reaktivním. Vnímají své prostředí, vjemy zpracují a vyhodnotí a vyberou nejlepší vhodnou odpověď a tu provedou. Vnitřní proces je však výrazně složitější. Jak již bylo zmíněno, agenty používají systém vnitřních znalostí. Ty se skládají z nějakých základních informací, ze zkušeností získaných interakcí s prostředím, z vnitřních stavů a cílů, kterých má agent dosáhnout. Základem je postup, při kterém se na základě nějakého vstupu změní vnitřní stav agenta. Následkem čehož je provedena nějaká akce. Existují však různé přístupy, jak vytvořit takovou architekturu.

Jakýmsi standardem je v tomto ohledu '''teorie BDI'''. Tato teorie tvoří sofistikovaný přístup k architektuře agenta a skládá se ze tří základních pojmů:

• '''Beliefs''' (doměnky) - vyjadřují představy agenta o světě.

• '''Desires''' (touhy) - vyjadřují touhy agenta dosáhnout cíle nebo určitého stavu světa

• '''Intentions''' (záměry) - vyjadřují záměr agenta dosáhnout cíle

Na základě těchto doměnek, přání a záměrů agent uvažuje o světě.

=== Agentní prostředí ===

Prostředí je vše, s čím agent přichází do styku během své činnosti nebo existence. Je to ve své podstatě agentní systém, pouze však bez jednotlivých agentů. Toto prostředí lze dělit podle několika různých kritérií.Prostředí tedy může být:

'''Plně pozorovatelné / Částečně pozorovatelné'''

• Plně pozorovatelné prostředí je takové, které může agent svými senzory zcela sledovat. Může sledovat všechny jeho stavy.

• Částečně pozorovatelné je pak opakem, tedy agent není schopen sledovat všechny stavy prostředí.

'''Statické / Dynamické'''

• Statické prostředí je takové, které se může měnit jenom díky akcím agentů.

• Dynamické prostředí se může měnit i bez zásahu agenta.

'''Deterministické / Nedeterministické'''

• Deterministické prostředí je takové, u kterého je predikovatelný jeho následný stav ze znalosti momentálního stavu prostředí a vykonávané agentní akce.

• Nedeterministické prostředí je charakterizováno jako prostředí, u kterého nelze jeho následný stav predikovat.

'''Diskrétní / Spojité'''

• Diskrétní prostředí má konečný nebo spočetný počet stavů. (přechází tedy po konkrétních krocích ze stavu do stavu)

• Spojité prostředí má nekonečný počet stavů.

== Hybridní agenty ==

Jak již bylo zmíněno výše, a jak z názvu vypovídá, hybridní agenty jsou takové, které kombinují vlastnosti ostatních typů agentů. A tedy agentů reaktivních a aagentů deliberativních. Hybridní agenty se skládají z několika vrstev a každá tato vrstva působí jako samostatný agent. Hybridní agent tak musí mít alespoň dvě vrstvy - jednu deliberativní a jednu reaktivní. Vrstev však samozřejmě může mít i více. Vrstvy poté mohou být uspořádány do různých struktur. Tyto vrstvy tvořící celkovou strukturu poté udávají konečné chování agenta.

Struktury, neboli architektury vrstev hybridního agenta můžeme v zásadě rozdělit na tři architektury. Jedná se o architekturu horizontální, vertikalní s jednopruchodovým ovládáním a vertikální s dvouprůchodovým ovládáním

=== Horizontální ===

Horizontální vrstvení zaručuje přístup všech vrstev k senzorickému a efektorickému vybavení agenta. Řídící mechanismus musí pak zabezpečovat správné přidělení zdrojů agenta jednotlivým vrstvám tak, aby bylo zabezpečeno racionální chování (například aby agent neprováděl dvě protichůdná řešení), zároveň však aby tato racionalita nebyla narušena "bojem" vrstev o dané zdroje a vykonávání akcí. Viz také grafické zobrazení na obrázku. [[File:Hybridní_architektura_s_horizontálním_vrstvením_boyIsurehopethefilenamegivesmeenoughbytesonthepagelenght.jpg|thumb|right|Příklad horizontální architektury]]

• Výhody: jednoduché ztvárnění (každá vrstva představuje jedno chování)

• Nevýhody: potenciální překážkou může být potřeba subsystému, kterou z důvodu konkurence mezi vrstvami agenti potřebují.

=== Vertikální ===

Druhým typem organizace chování v hybridní architektuře je vertikální vrstvení. V tomto případě je se senzory a aktuátory spojena jenom jedna vrstva. U dvouprůchodové architektury je tato vrstva spojena jak se senzory tak s aktuátory. U jednoprůchodové se pak senzorová a aktuátorová vrstva nachází na opačných koncích. Data a žádosti v této architektuře proudí z nižších vrstev do vyšších, které pak případně delegují nižší pro provádění úloh (v případě dvouprůchodového vrstvení). [[File:Hybridní_architektura_s_vertikálním_vrstvením_jednoprůchodové_a_dvouprůchodové_didIgetenoughbytesyetbetterkeeptypingloremipsumdolorsitamet.jpg|thumb|right|Varianty vertikální architektury]]

'''Jednoprůchodové ovládání'''

• '''Výhody:''' jednodušší interakce mezi vrstvami

• '''Nevýhody:''' méně flexibilní, více náchylná k selhání, neexistuje zpětná vazba mezi vrstvami

'''Dvouprůchodové ovládání'''

• '''Výhody:''' struktura se podobá firmě, méně interakce mezi vrstvami

• '''Nevýhody:''' méně flexibilní, více náchylná k selhání, náročnější na výpočetní výkon

== Zdroje ==

• BERKA, Petr. - Inteligentní systémy. V Praze: Oeconomica, 2008. ISBN 978-80-245-1436-9.

• ŠALAMON, Ing. et Ing. Tomáš, Ph.D., MBA - Podklady k předmětu 4IT495 - Simulace systémů; VŠE - fakulta informatiky a statistiky, Multiagent systems I.pdf,

• KUBÍK, Aleš. Inteligentní agenty. Brno: Computer Press, 2004. ISBN 80-251-0323-4.

• NETRVALOVÁ, Arnoštka, Ing. - [http://www.kiv.zcu.cz/~netrvalo/phd/MAS.pdf Úvod do problematiky multiagentních systémů]

File:Hybridní architektura s vertikálním vrstvením jednoprůchodové a dvouprůchodové didIgetenoughbytesyetbetterkeeptypingloremipsumdolorsitamet.jpg

2018-06-14T21:01:47Z

Xreij15: Vertikální hybridní architektura

Vertikální hybridní architektura

File:Hybridní architektura s horizontálním vrstvením boyIsurehopethefilenamegivesmeenoughbytesonthepagelenght.jpg

2018-06-14T20:40:25Z

Xreij15: Horizontalní hybridní architektura

Horizontalní hybridní architektura

File:Reaktivniagent.PNG

2018-06-14T18:59:45Z

Xreij15: Příklad třívrstvé architektury reaktivního agenta

Příklad třívrstvé architektury reaktivního agenta

Agents/cs

2018-06-13T22:01:30Z

Xreij15: Created page with "{{DISPLAYTITLE:Agenty}} '''Agent''', také '''inteligentní agent''' nebo někdy '''racionální agent''' je označením pro autonomní entitu, která je schopna vykonávat u..."

Assignment SS 2017/2018/cs

2018-05-13T11:43:39Z

Xreij15:

{{DISPLAYTITLE:Zadání LS 2017/2018}}

{{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
| 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>
}}

----

'''Název simulace''': Simulace náhradní dopravy přes řeku

'''Autor''': Alena Charniauskaya

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

Nosným tématem mé simulace bude náhrada dopravy přes řeku kvůli zbourání mostu a stavbě nového. Jako jednou ze zkoumaných variant náhradní dopravy by se mohla stát říční lodní doprava (na bázi přívozu, tedy pouze spojující dva body proti sobě přes řeku).
Parametry modelu:
* Rychlost lodí
* Rychlost nástupu a výstupu
* Šířka řeky (vzdálenost)
* Přepravní kapacita na jednu lod'
* Počet lodí
* Počet pasažérů (v závislosti, zda je přeprava v dopravní špičce nebo mimo ni)

Cílem simulace je zjistit:

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

[[User:Chaa14|Chaa14]] ([[User talk:Chaa14|talk]]) 21:25, 3 May 2018 (CEST)

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

'''Název simulace''': Simulace brnění (NetLogo)

'''Autor''': Mykyta Lipskyi

'''Typ modelu''': Multiagentni

'''Modelovací nástroj''': NetLogo

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

Parametry modelu:
* Tloušťka materiálu
* Rychlost náboje
* Materiál náboje
* Teplota materiálu
Cílem simulace je zkontrolovat odolnost nového brnění

[[User:Lipm01|Lipm01]] ([[User talk:Lipm01|talk]]) 16:46, 4 May 2018 (CEST)

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

[[User:Lipm01|Lipm01]] ([[User talk:Lipm01|talk]]) 23:23, 6 May 2018 (CEST) Upraveno

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

'''Název simulace''': Gammora

'''Autor''': Ulrika Anna Jagošová

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

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

Simulace bude realizována na české komunitě HIV/AIDS pozitivních osob, která v současné době čítá 2762 osob a každoročně se zvyšuje průměru o 255 osob (průměr za posledních 5 let). HIV se do AIDS vyvine v průměru během 5 let. Jedince v tomto stavu není možné zachránit. Současný počet AIDS+ je 590 osob (z 2762). Každý rok přibude v průměru 39 nových případů AIDS. Roční úmrtnost na AIDS je v průměru 12 osob. Současná efektivnost léku Gammora je 97% na zničení viru HIV. Předpokládáme, že o možnost aplikace budou mít zájem všichni HIV+. Dále předpokládáme, že po schválení této vakcíny, bude samotná její aplikace zpoplatněna, a ne každý HIV+ si ji bude moci dovolit. Rozdělení komunity bude v závislosti na rozdělení skupin obyvatelstva dle skupiny čistého měsíčního příjmu na spotřební jednotku OECD. Toto rozdělení bude modifikováno na 4 skupiny (do 14000, 14001-18000, 18001-25000 a 25001+) v poměru daném statistikou.

Jak se bude měnit počet členů komunity v závislosti na možnostech dovolit si aplikaci vakcíny? Jak bude vypadat komunita, pokud si vakcínu budou moci dovolit všichni HIV+?

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

[[User:Xjagu00|xjagu00]] ([[User talk:Xjagu00|talk]]) 18:11, 5 May 2018 (CEST)

: Fajn, to by mohlo být ok, ale než si to potvrdíme, rozpracujte prosím zadání do detailu. Tohle je velmi stručné, nedá se z toho pořádně odvodit, jak budete pokračovat ani obtížnost... Jako příklad si vezměte zadání školních úloh. [[User:Admin|Admin]] ([[User talk:Admin|talk]]) 11:23, 6 May 2018 (CEST)
:: Doplnila jsem zadání. [[User:Xjagu00|xjagu00]] ([[User talk:Xjagu00|talk]]) 17:44, 6 May 2018 (CEST)
::: Obávám se, že ta metoda není dobrá. Náhodný pohyb agentů a jejich potkávání se je populární způsob, jak to dělat, ale málokdy dává smysl. Tímto způsobem jste jen obtížně schopná ovlivnit pravděpodobnost přenosu infekce, resp. musíte na to jít nepřímo přes poměrné zastoupení různých typů agentů. Stejně tak moc nerozumím tomu, proč by dílem náhody mělo být i podání vakcíny? Není návštěva lékaře spíše záměrným rozhodnutím? Obávám se, že u tohoto tématu bude třeba přijmout nějaký sofistikovanější způsob řešení. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 08:57, 9 May 2018 (CEST)
:::: Poupravila jsem způsob realizace. [[User:Xjagu00|xjagu00]] ([[User talk:Xjagu00|talk]]) 21:58, 11 May 2018 (CEST)
::::: OK, tady mi ale není jasné, proč to řešit jako agentní simulaci, resp. jak přesně ta simulace bude vypadat. Podle mého názoru si tu sama trochu nabíháte na vidle. Doporučoval bych u tohoto tématu trochu něco jiného: píšete, že účinnost toho léku je 97%. To je nějaký průměr. Nechcete zkusit ve zdrojích dohledat, co tu účinnost ovlivňuje (jako třeba včasnost podání, pohlaví, sociální status nebo kýho výra...) a zkusit nasimulovat nasazení léku v některých vytipovaných komunitách (o kterých si také najdete příslušné informace)? Je to jen návrh, můžete přijít s něčím jiným, ale v případě výše uvedeného by to chtělo tu metodu opravdu důkladně zvážit [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 01:31, 13 May 2018 (CEST)
:::::: Bohužel se mi nepovedlo vyhledat žádné bližší údaje vztahující se k efektivnosti Gammory, proto bych se ráda věnovala vlivu potencionálního zpoplatnění vakcíny na zvolenou komunitu. [[User:Xjagu00|xjagu00]] ([[User talk:Xjagu00|talk]]) 10:50, 13 May 2018 (CEST)
----
'''Název simulace''': Optimalizace počet provozoven rychlého občerstvení nového podniku v městech v ČR

'''Autor''': Nguyen Van Thanh

'''Typ modelu''': Monte Carlo

'''Modelovací nástroj''': MS Excel

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

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

'''Cíl simulace'''
* Optimalizovat počet provozoven v daném městě na základě poptávky a nabídky a tím docílit podniku nejvyšší zisk.
* Optimalizovat efektivní rozpoložení počet zaměstnanců napříč provozoven
[[User:Xngut65|Xngut65]] ([[User talk:Xngut65|talk]]) 12:43, 6 May 2018 (CEST)

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

'''Název simulace''': Simulace jizdy v dopravni zacpe na dalnici

'''Autor''': Daniel Nejezchleb

'''Typ modelu''': Multiagentni

'''Modelovací nástroj''': NetLogo

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

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

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

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

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

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

[[User:Xnejd00|Xnejd00]] ([[User talk:Xnejd00|talk]]) 02:01, 6 May 2018 (CEST)

: Dobrá, rozpracujte prosím zadání do detailu. Jak se třeba budou lišit osobní auta, dodávky, nákladní, v jakém poměru je budete na silnici pouštět a proč? Jak budete v simulaci řešit různé počty pruhů, jak se bude lišit slušný a agresivní řidič, v jakém poměru budou a proč, atd. atd. Jak jsme si říkali, zadání by mělo být formulováno tak, aby se to jen na jeho základě pak dalo řešit. [[User:Admin|Admin]] ([[User talk:Admin|talk]]) 11:26, 6 May 2018 (CEST)

:: Zkonkrétnil jsem zadání. Dalo by se už takto schválit?
:: [[User:Xnejd00|Xnejd00]] ([[User talk:Xnejd00|talk]]) 00:08, 7 May 2018 (CEST)

::: Lepší by bylo mít ty parametry už v tom zadání, protože je poměrně obecné, ale '''Schváleno'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 09:01, 9 May 2018 (CEST)
----
'''Název simulace''': Simulace vývoje slávy kapely

'''Autor''': Luboš Tomandl

'''Typ modelu''': Systémová dynamika

'''Modelovací nástroj''': VensimPLE

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

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

[[User:Xtoml29|Xtoml29]] ([[User talk:Xtoml29|talk]]) 12:01, 6 May 2018 (CEST)

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

'''Název simulace''': Šíření luteránství na území dnešního Německa v 16. století

'''Autor''': Vojtěch Hyvnar

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo 6.0.3

'''Popis modelu''': Začátkem 16. století došlo na území dnešního Německa k reformaci církve, kdy na základě učení Martina Luthera vzniklo nové vyznání - luteránství. Luteránství se z Wittenbergu, kde Martin Luther učil, rozšířilo do velké části německého území a také na některá další evropská místa.
Tento model simuluje šíření luteránství v Německu, z Wittenbergu do ostatních regionů v závislosti na jejich geopolitických vlastnostech.
Model je tvořen na mapě dnešního Německa (případně také nejbližšího okolí).
Model a jeho parametry jsou samozřejmě velice zjednodušeným odrazem reality, jelikož se jedná o opravdu komplexní problém.

Parametry modelu:
* počet luteránů v regionu Wittenbergu
* počty katolíků dle jednotlivých území (počty obyvatel - reálná data z 16. stol.)
* pravděpodobnost konvertování katolíků v závislosti na jejich území:
- vzdálenost od Wittenbergu
- ekonomická síla/důležitost daného regionu
- náboženská situace v sousedních regionech
- typ vlády v regionu (svobodné říšské město/knížecí biskupství aj.)
* [předpokládaný min. počet území je 13, max. kolem ~30, pokud mi to barevná paleta dovolí]
* pravděpodobnost konvertování luterána
* pravděpodobnost, že člověk samovolně opustí své náboženství a stane se ateistou
* frekvence, jak často budou lidé evaluovat svou náboženskou situaci
* střední délka života (podloženo reálnými daty)

Druhá vrstva mapy doplňující původní o další parametry:
* obsahuje geografické prvky (hory, voda, etc.)
* terén ovlivňuje pohyb a chování lidí (zpomaluje, mění trasy...)

'''Cíl''': Zjistit, jak geopolitická situace jednotlivých regionů ovlivňuje adaptaci nové víry a co by muselo vést k tomu, aby se celé území dnešního Německa stalo plně protestantské.
[[User:Xhyvv00|Xhyvv00]] ([[User talk:Xhyvv00|talk]]) 13:52, 6 May 2018 (CEST)

: Dobrý den, je to hodně měkké, abstraktní téma, která obvykle zamítám, protože je velmi obtížné udržet, aby se z toho nestala úplná blbost. Hlavně proto, že je tam spousta vágních údajů, apod. Ale tohle téma mi přijde hodně originální, rád bych mu dal šanci. Ale je třeba zamyslet se nad následujícími otázkami: 1) představa ateistů ve středověké, resp. ranně novověké Evropě, je hodně divoká, podle mého názoru muselo jít o počty statisticky zcela nevýznamné. 2) Rozmístění představitelů jednotlivých demoninací je hodně svévolné. Ti luteráni ještě budiž, ale katolíci kolem Říma??? 3) To šíření víry jistě v realitě není difuzní, jako by šlo o nějakou infekci, ale je ovlivněno mnoha faktory: migrací, mocenskými centry... 4) Jak budete řešit časový nesoulad mezi založením jednotlivých církví? ...a to mě jen tak zfleku napadlo. Doporučoval bych z toho vybrat nějaký konkrétní, dobře definovatelný podproblém a ten simulovat. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 10:10, 9 May 2018 (CEST)
::Dobrý den, díky za feedback. Zadání jsem upravil. [[User:Xhyvv00|Xhyvv00]] ([[User talk:Xhyvv00|talk]]) 02:47, 13 May 2018 (CEST)
----

'''Název simulace''': Simulace dodání zásilek dvěma kuryry

'''Autor''': Evgeny Konoshenko

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

'''Popis modelu''':

Parametry modelu: Existuje malá vesnice, třeba v Sibiře, která má velmi špatnou dostupnost a nemá svoji vlastní poštu. Jednou za týden, odpovědná persona (kurýr) jede do pošty ve velkém městě v okolí vyzvednout zásilky pro obyvatele dané vesnice. Pokaždé, kurýr má různý seznam odběratelů zásilek a na základě toho plánuje svou trasu, kam má zajet. Pokud nikdo nepřevezme na ukázané adrese zásilku v moment, kdy kurýr přijel, kurýr se bude vracet, pokud tuto zásilku adresát nepřevezme. Vedle prvního kurýra, který vždycky jede na nejbližší adresu existuje druhý který plánuje trasu s tím že přibližně vědí kde adresát bude přítomen a kde není.

Cílem simulace je najít optimální trasu pro druhého kurýra a zjistit při jaké pravděpodobností, který kurýr bude nejužitečnější (optimálně doručí všechny zásilky). Parametry simulace jsou počet návratu, když adresát není doma, počet budov, kam má zajet kurýr a pravděpodobnost nezastižení adresátu.

[[User:Xkone06|Xkone06]] ([[User talk:Xkone06|talk]]) 15:30, 6 May 2018 (CEST)

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

Změna zadání, prosím o schválení.[[User:Xkone06|Xkone06]] ([[User talk:Xkone06|talk]]) 18:51, 11 May 2018 (CEST)

: OK, tohle není úplně simulace jako ty ostatní. Jde o variatu problému obchodního cestujícího. Ale může to mít zajímavé výstupy, takže '''schváleno'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 01:33, 13 May 2018 (CEST)
----

'''Název simulace:''' Simulace pastviny

'''Autor:''' Jan Reindl

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

'''Popis modelu:''' Model zachycuje situaci na pastvině (nebo v savanně), pastvina je pokryta trávou a nachází se v ní zvířata konzumující trávu a predátoři konzumující trávou vykrmená zvířata. Pokud zvířata spasou veškerou trávu na určitém poli, dojde k erozi půdy a pole se změní v poušť. Pokud je naopak pole dlouhou dobu nespasené, zaroste křovím.
Zvířata jsou přirozeně líná a zůstávají na jednom místě, dokud vše nespasou. Existence predátorů však uvádí zvířata v pohyb, takže nemají čas vše spást a změnit tak krajinu v poušť. Příliš mnoho predátorů však uloví všechna zvířata a pastvina zaroste křovinami a lesy. V pastvině se nachází tři druhy zvířat, skot, ovce a kozy. Každý druh má jiné preference z hlediska potravy, každé zvíře tak při krmení používa jinou strategii a případně si i vybírá jiný druh rostlin ke spasení. Tedy: Skot je nejvybíravější a při nízkém počtu zvířat je i nízký selekční tlak a krávy tak nejsou nuceny jíst i "plevel", což zvyšuje šanci na to, že pastvina zaroste křovím. Při vysokém počtu zvířat však není skot schopen tolik prosperovat. Ovce nejsou vybíravé, ale nechávají za sebou po pastvě menší množství rostlin, které potom snadno obrůstá. Kozy naopak preferují plevel a menší křovinaté rostliny. Sežerou ale všechno i s kořínky a významně tím přispívají k desertifikaci.
Kromě přirozených predátorů se v modelu může nacházet i člověk v roli pastevce - speciálního predátora. Ten si potom s ostatními predátory konkuruje a může lovit i ostatní predátory.

Parametry modelu:

* Rychlost růstu rostlin
* Počet krav v pastvině
* Počet ovcí v pastvině
* Počet koz v pastvině
* Počet přirozených predátorů v pastvině
* Počet pastevců v pastvině
* Bohatost půdy
* Strategie pastevce

Cílem simulace je:

* Popsat vztah mezi počtem zvířat a predátorů v pastvině, a to včetně závislosti na bohatosti půdy (tedy kolik potravy může být maximálně k dispozici) a rychlosti růstu rostlin.
* Popsat vztah mezi počty různých druhů zvířat a najít ideální poměr. Zjistit, zda se mění rovnovážný poměr v závislosti na celkovém počtu zvířat či rychlosti růstu rostlin.
* Najít přibližný bod rovnováhy pro dlouhodobou udržitelnost modelu, popřípadě najít bod zvratu vedoucí k desertifikaci či k totálnímu zalesnění.
* Zjistit, jak se změní charakter modelu, pokud člověk vyhubí ostatní predátory.

Možnosti rozšíření:
Uvažoval jsem o případně o rozšíření v podobě lidské činnosti a rozdělení pastviny na různé ohrádky se systémem rotací jednotlivých druhů zvířat, ale nevím zda/jak by šel takový model rozšířit.

[[User:Xreij15|Xreij15]] ([[User talk:Xreij15|talk]]) 18:13, 6 May 2018 (CEST)
: Klasick7 Predator-Prey model, který byl zpracováván už v mnoha obměnách, nicméně základní verze, která téměř odpovídá velmi blízko Vašeho návrhu je součástí standardních knihoven NetLoga. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 02:11, 10 May 2018 (CEST)
::Upraveno, rozšířeno. Takto by to mohlo být již dostatečně odlišné od ostatních modelů. Mám v záměru na model případně nabalovat další věci, ale uvidím, co zvládnu a kam se případně před konečným termínem stihnu dostat. -[[User:Xreij15|Xreij15]] ([[User talk:Xreij15|talk]]) 12:13, 10 May 2018 (CEST)
::: Honzo, skoro bych Vám doporučoval popřemýšlet o něčem docela jiném. Nemohu říct, že tam nemáte nějaké zajímavé otázky, ale ten model je oproti tomu původnímu, resp. proti predator-prey navržen jako mnohem komplikovanější, ale přitom si nejsem jist, zda nwaw o tolik větší přínos než klasiký P-P. Je ale zatížen velkou měrou měkkých parametrů, které obvykle "snesou všechno". P-P je neskutečně vytěžená záležitost, je mimořádně obtížné vymyslet kolem něj něco opravdu nového.
:::Co se vykašlat na predátory a zkusit nějak simulovat vliv toho zatížení pastviny na základě poměru zvířat s různými způsoby spásání? To mi přišlo zajímavé a možná by to stálo za rozpracování. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 01:30, 13 May 2018 (CEST)
::::To byl přesně můj záměr již od začátku, predátor (jeho úlohu může plnit i pastevec nebo třeba ovčácký pes) je tam hlavně od toho, aby se ostatní želvičky pohybovaly alespoň nějak "smysluplně," ale somozřejmě by mohl být jejich pohyb zcela náhodný, nebo určený na jiném základě (jednotlivé druhy budou tvořit stáda, vyhledávat lepší zeleň atp.), s tím by něměl být takový problém. Predátor může z modelu zmizet. -[[User:Xreij15|Xreij15]] ([[User talk:Xreij15|talk]]) 13:43, 13 May 2018 (CEST)
----

'''Název simulace:''' Simulace pohybu zavazadel na letišti

'''Autor:''' Daniel Navrátil

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo 6.0.3

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

Parametry modelu:

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

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

[[User:Navd00|Navd00]] ([[User talk:Navd00|talk]]) 22:28, 6 May 2018 (CEST)
: Diskrétní simulace. Lze ji takto řešit, ale musel byste si obstarat reální data z letiště. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 02:11, 10 May 2018 (CEST)
:: S obstaráním reálných dat nebude problém - můj kamarád roky pracoval na letišti a měl na starost právě přepravu a manipulaci se zavazadly [[User:Navd00|Navd00]] ([[User talk:Navd00|talk]]) 11:11, 10 May 2018 (CEST)
::: Ať na to koukám z kterékoliv strany, vychází mi, že je to diskrétní simulace. Pokud jste to ochoten řešit v tom Simprocessu, pak '''Schváleno'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 01:42, 13 May 2018 (CEST)
----

'''Název simulace:''' Simulace činnosti kavárny

'''Autorka:''' Mariia Alekseeva

'''Typ modelu:''' Systémová dynamika

'''Modelovací nástroj:''' VensimPLE

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

'''Cíl:''' Spočitat náklady, pohopit kolik optimalně musíme utratit peněz aby byla kavárna popularní. A na zakladě situace na trhu a mzdy máme-li vůbec začinat ten podnik.
--[[User:Mashal|Mashal]] ([[User talk:Mashal|talk]]) 22:38, 6 May 2018 (CEST)
:
:Téma není špatné, jen mi není jasné, na základě jakých dat to budete kvantifikovat.
:Jak budete měřit popularitu kavárny a na základě jakých dat odvodíte, co má jaký efekt na její popularitu?
:Na základě čeho odvodíte, výnosy, náklady, poptávku po kávě atp. ?
:[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 09:16, 7 May 2018 (CEST)

V hlavních rysech se to děla na zakladě počtu klientů, celkevého vynosu za den, počtiu zajemců o práci. Jesli máte na mysli, že potřebuju na to realní dáta, v tom připadě můžu jich dostat od minulého zaměstnavatele. --[[User:Mashal|Mashal]] ([[User talk:Mashal|talk]]) 14:12, 7 May 2018 (CEST)
:
:OK. '''Schváleno''', je důležité pak ve zprávě k simulaci ukázat na základě jakých dat jste vycházela a jak jste z nich odvodila kvantifikaci jednotlivých vztahů. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:02, 8 May 2018 (CEST)

----

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

'''Autor:''' Mai Duc Anh

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

'''Definice problému:'''

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

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

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

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

'''Parametry modelu:'''

* Můj týdenní rezim

Pondělí
- 20 minut hygiena ve společných koupelnách na Strahově
- 7 hodin programování ve Spaceflow ve foru karlín
- 1 hodina oběd v Karlíně s náhodnou duší
- 2 hodiny boxu
- 1 hodina procházka s partou na petříně
- 1 hodina přesun/doprava v MHD

Úterý
- 20 minut hygiena
- 20 minut skype s mámou a tátou (jsou ve Vietnamu)
- šest hodin na VŠE
- 1 hodina oběd se spoluzáky
- 1 hodina přesun v MHD
- 3 hodiny vývojářský meetup v STRV

Pátek
- 20 minut hygiena
- 1 hodina oběd se spoluzackou
- šest hodin na VŠE
- 1 hodina posilování
- 1 hodina přesun v MHD
- 7 hodin taneční akce v Ankali

A tak dále ……

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

'''Cíl simulace:'''

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

[[User:Mai|Mai]] ([[User talk:Mai|talk]]) 23:31, 6 May 2018 (CEST)

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

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

----

'''Název simulace:''' Simulace automatizovaného nakládání kamionů

'''Autor:''' Kenan Dervišević

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

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

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

[[User:Kenan|Kenan]] ([[User talk:Kenan|talk]]) 13:16, 8 May 2018 (CEST)

'''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]])

----

'''Název simulace''': Simulace úspor na důchod ve zvoleném kraji v ČR a pro zvolené pohlaví

'''Autor''': Jan Marek Slabihoud

'''Typ modelu''': Monte Carlo

'''Modelovací nástroj''': Ms Excel

Tématem simulace bude tvorba úspor na důchod spořením do trezoru na měsíční bázi v průběhu produktivního života jedince. Na začátku simulace se stonoví níže zmíněné parametry a podle nich je určena pravděpodobnost, zda jedinec dožije se svými úsporami či před jeho/její smrtí dojdou a bude tento jedinec žít v chudobě. Pro pravděpodobnosti dožití věku pro různé kraje u žen a mužů simulace používá data z veřejně dostupné databáze uveřejněné Českým statistickým úřadem. [https://vdb.czso.cz/vdbvo2/faces/cs/index.jsf?page=vystup-objekt&z=T&f=TABULKA&skupId=1289&katalog=30845&pvo=DEMD002&pvo=DEMD002&c=v3~8__RP2016 Zde k dispozici]
Parametry modelu:
* Měsíční úspora
* Pohlaví
* Kraj
* Měsíční důchod čerpaný z úspor

Cílem simulace je zjistit:

* Optimální měsíční úsporu, aby v průběhu produktivního života mohl jedinec spořit, co možná nejméně, ale zároveď s našetřenými penězi důstojně dožil.

--[[User:Slaj09|Slaj09]] ([[User talk:Slaj09|talk]]) 18:48, 10 May 2018 (CEST)
: Téma dobré, '''schváleno''', jen si dejte pozor na to, aby tam to Monte Carlo bylo opravdu využito, tak jak má být (náhodné proměné generované z odvozeného pravděpodobnostního rozdělení, mnoho průběhů simulace a pak následná analýza a interpretace výsledků) [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 22:44, 10 May 2018 (CEST)

----
'''Název simulace:''' Simulace vícejazyčné komunity

'''Autor:''' Marina Lushnikova

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

'''Popis modelu:''' Vzhledem k tomu, že se mi nepodařilo vymyslet nové téma a je překročen termín zadání, chtěla bych vytvořit simulaci na téma, které mi bylo schváleno v minulém semestru, ale nedošlo k samotné realizaci.

Jedná se o simulaci vícejazyčné komunity. Lingvisté se domnívají, že polovina existujících jazyků zanikne do konce 21. století kvůli globalizaci. Existují různé faktory, které ovlivňují životaschopnost jazyka, a to především: celkový počet mluvčích, trendy ke zvýšení nebo snížení počtu mluvčích, předávání mladým generacím, využití jazyku na úrovni správy a vzdělávání nebo pouze v neformálním domácím prostředí. Chtěla bych vytvořit simulaci, kde jsou známy všechny výše uvedené faktory, a pak tento model aplikovat na reálná data. Cílem je určit, zda je nějaký jazyk ohrožen a brzy vyhyne.
[[User:Xlusm05|Xlusm05]] ([[User talk:Xlusm05|talk]]) 22:47, 12 May 2018 (CEST)
'''Schváleno'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 01:47, 13 May 2018 (CEST)

Assignment SS 2017/2018/cs

2018-05-10T10:17:02Z

Xreij15:

{{DISPLAYTITLE:Zadání LS 2017/2018}}

{{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
| 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>
}}

----

'''Název simulace''': Simulace náhradní dopravy přes řeku

'''Autor''': Alena Charniauskaya

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

Nosným tématem mé simulace bude náhrada dopravy přes řeku kvůli zbourání mostu a stavbě nového. Jako jednou ze zkoumaných variant náhradní dopravy by se mohla stát říční lodní doprava (na bázi přívozu, tedy pouze spojující dva body proti sobě přes řeku).
Parametry modelu:
* Rychlost lodí
* Rychlost nástupu a výstupu
* Šířka řeky (vzdálenost)
* Přepravní kapacita na jednu lod'
* Počet lodí
* Počet pasažérů (v závislosti, zda je přeprava v dopravní špičce nebo mimo ni)

Cílem simulace je zjistit:

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

[[User:Chaa14|Chaa14]] ([[User talk:Chaa14|talk]]) 21:25, 3 May 2018 (CEST)

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

'''Název simulace''': Simulace brnění (NetLogo)

'''Autor''': Mykyta Lipskyi

'''Typ modelu''': Multiagentni

'''Modelovací nástroj''': NetLogo

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

Parametry modelu:
* Tloušťka materiálu
* Rychlost náboje
* Materiál náboje
* Teplota materiálu
Cílem simulace je zkontrolovat odolnost nového brnění

[[User:Lipm01|Lipm01]] ([[User talk:Lipm01|talk]]) 16:46, 4 May 2018 (CEST)

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

[[User:Lipm01|Lipm01]] ([[User talk:Lipm01|talk]]) 23:23, 6 May 2018 (CEST) Upraveno

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

'''Název simulace''': Gammora

'''Autor''': Ulrika Anna Jagošová

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

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

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

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

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

[[User:Xjagu00|xjagu00]] ([[User talk:Xjagu00|talk]]) 18:11, 5 May 2018 (CEST)

: Fajn, to by mohlo být ok, ale než si to potvrdíme, rozpracujte prosím zadání do detailu. Tohle je velmi stručné, nedá se z toho pořádně odvodit, jak budete pokračovat ani obtížnost... Jako příklad si vezměte zadání školních úloh. [[User:Admin|Admin]] ([[User talk:Admin|talk]]) 11:23, 6 May 2018 (CEST)
:: Doplnila jsem zadání. [[User:Xjagu00|xjagu00]] ([[User talk:Xjagu00|talk]]) 17:44, 6 May 2018 (CEST)
::: Obávám se, že ta metoda není dobrá. Náhodný pohyb agentů a jejich potkávání se je populární způsob, jak to dělat, ale málokdy dává smysl. Tímto způsobem jste jen obtížně schopná ovlivnit pravděpodobnost přenosu infekce, resp. musíte na to jít nepřímo přes poměrné zastoupení různých typů agentů. Stejně tak moc nerozumím tomu, proč by dílem náhody mělo být i podání vakcíny? Není návštěva lékaře spíše záměrným rozhodnutím? Obávám se, že u tohoto tématu bude třeba přijmout nějaký sofistikovanější způsob řešení. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 08:57, 9 May 2018 (CEST)
----
'''Název simulace''': Optimalizace počet provozoven rychlého občerstvení nového podniku v městech v ČR

'''Autor''': Nguyen Van Thanh

'''Typ modelu''': Monte Carlo

'''Modelovací nástroj''': MS Excel

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

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

'''Cíl simulace'''
* Optimalizovat počet provozoven v daném městě na základě poptávky a nabídky a tím docílit podniku nejvyšší zisk.
* Optimalizovat efektivní rozpoložení počet zaměstnanců napříč provozoven
[[User:Xngut65|Xngut65]] ([[User talk:Xngut65|talk]]) 12:43, 6 May 2018 (CEST)

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

'''Název simulace''': Simulace jizdy v dopravni zacpe na dalnici

'''Autor''': Daniel Nejezchleb

'''Typ modelu''': Multiagentni

'''Modelovací nástroj''': NetLogo

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

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

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

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

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

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

[[User:Xnejd00|Xnejd00]] ([[User talk:Xnejd00|talk]]) 02:01, 6 May 2018 (CEST)

: Dobrá, rozpracujte prosím zadání do detailu. Jak se třeba budou lišit osobní auta, dodávky, nákladní, v jakém poměru je budete na silnici pouštět a proč? Jak budete v simulaci řešit různé počty pruhů, jak se bude lišit slušný a agresivní řidič, v jakém poměru budou a proč, atd. atd. Jak jsme si říkali, zadání by mělo být formulováno tak, aby se to jen na jeho základě pak dalo řešit. [[User:Admin|Admin]] ([[User talk:Admin|talk]]) 11:26, 6 May 2018 (CEST)

:: Zkonkrétnil jsem zadání. Dalo by se už takto schválit?
:: [[User:Xnejd00|Xnejd00]] ([[User talk:Xnejd00|talk]]) 00:08, 7 May 2018 (CEST)

::: Lepší by bylo mít ty parametry už v tom zadání, protože je poměrně obecné, ale '''Schváleno'''. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 09:01, 9 May 2018 (CEST)
----
'''Název simulace''': Simulace vývoje slávy kapely

'''Autor''': Luboš Tomandl

'''Typ modelu''': Systémová dynamika

'''Modelovací nástroj''': VensimPLE

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

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

[[User:Xtoml29|Xtoml29]] ([[User talk:Xtoml29|talk]]) 12:01, 6 May 2018 (CEST)

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

'''Název simulace''': Šíření víry v kontinentální Evropě 16. století

'''Autor''': Vojtěch Hyvnar

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo 6.0.3

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

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

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

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

[[User:Xhyvv00|Xhyvv00]] ([[User talk:Xhyvv00|talk]]) 13:52, 6 May 2018 (CEST)

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

'''Název simulace''': Simulace čekání vlakové soupravy cestujícími

'''Autor''': Evgeny Konoshenko

'''Typ modelu''': Multiagentní

'''Modelovací nástroj''': NetLogo

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

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

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

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

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

[[User:Xkone06|Xkone06]] ([[User talk:Xkone06|talk]]) 15:30, 6 May 2018 (CEST)

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

'''Název simulace:''' Simulace pastviny

'''Autor:''' Jan Reindl

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

'''Popis modelu:''' Model zachycuje situaci na pastvině (nebo v savanně), pastvina je pokryta trávou a nachází se v ní zvířata konzumující trávu a predátoři konzumující trávou vykrmená zvířata. Pokud zvířata spasou veškerou trávu na určitém poli, dojde k erozi půdy a pole se změní v poušť. Pokud je naopak pole dlouhou dobu nespasené, zaroste křovím.
Zvířata jsou přirozeně líná a zůstávají na jednom místě, dokud vše nespasou. Existence predátorů však uvádí zvířata v pohyb, takže nemají čas vše spást a změnit tak krajinu v poušť. Příliš mnoho predátorů však uloví všechna zvířata a pastvina zaroste křovinami a lesy. V pastvině se nachází tři druhy zvířat, skot, ovce a kozy. Každý druh má jiné preference z hlediska potravy, každé zvíře tak při krmení používa jinou strategii a případně si i vybírá jiný druh rostlin ke spasení. Tedy: Skot je nejvybíravější a při nízkém počtu zvířat je i nízký selekční tlak a krávy tak nejsou nuceny jíst i "plevel", což zvyšuje šanci na to, že pastvina zaroste křovím. Při vysokém počtu zvířat však není skot schopen tolik prosperovat. Ovce nejsou vybíravé, ale nechávají za sebou po pastvě menší množství rostlin, které potom snadno obrůstá. Kozy naopak preferují plevel a menší křovinaté rostliny. Sežerou ale všechno i s kořínky a významně tím přispívají k desertifikaci.
Kromě přirozených predátorů se v modelu může nacházet i člověk v roli pastevce - speciálního predátora. Ten si potom s ostatními predátory konkuruje a může lovit i ostatní predátory.

Parametry modelu:

* Rychlost růstu rostlin
* Počet krav v pastvině
* Počet ovcí v pastvině
* Počet koz v pastvině
* Počet přirozených predátorů v pastvině
* Počet pastevců v pastvině
* Bohatost půdy
* Strategie pastevce

Cílem simulace je:

* Popsat vztah mezi počtem zvířat a predátorů v pastvině, a to včetně závislosti na bohatosti půdy (tedy kolik potravy může být maximálně k dispozici) a rychlosti růstu rostlin.
* Popsat vztah mezi počty různých druhů zvířat a najít ideální poměr. Zjistit, zda se mění rovnovážný poměr v závislosti na celkovém počtu zvířat či rychlosti růstu rostlin.
* Najít přibližný bod rovnováhy pro dlouhodobou udržitelnost modelu, popřípadě najít bod zvratu vedoucí k desertifikaci či k totálnímu zalesnění.
* Zjistit, jak se změní charakter modelu, pokud člověk vyhubí ostatní predátory.

Možnosti rozšíření:
Uvažoval jsem o případně o rozšíření v podobě lidské činnosti a rozdělení pastviny na různé ohrádky se systémem rotací jednotlivých druhů zvířat, ale nevím zda/jak by šel takový model rozšířit.

[[User:Xreij15|Xreij15]] ([[User talk:Xreij15|talk]]) 18:13, 6 May 2018 (CEST)
: Klasick7 Predator-Prey model, který byl zpracováván už v mnoha obměnách, nicméně základní verze, která téměř odpovídá velmi blízko Vašeho návrhu je součástí standardních knihoven NetLoga. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 02:11, 10 May 2018 (CEST)
::Upraveno, rozšířeno. Takto by to mohlo být již dostatečně odlišné od ostatních modelů. Mám v záměru na model případně nabalovat další věci, ale uvidím, co zvládnu a kam se případně před konečným termínem stihnu dostat. -[[User:Xreij15|Xreij15]] ([[User talk:Xreij15|talk]]) 12:13, 10 May 2018 (CEST)
----

'''Název simulace:''' Simulace pohybu zavazadel na letišti

'''Autor:''' Daniel Navrátil

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo 6.0.3

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

Parametry modelu:

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

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

[[User:Navd00|Navd00]] ([[User talk:Navd00|talk]]) 22:28, 6 May 2018 (CEST)
: Diskrétní simulace. Lze ji takto řešit, ale musel byste si obstarat reální data z letiště. [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) 02:11, 10 May 2018 (CEST)
:: S obstaráním reálných dat nebude problém - můj kamarád roky pracoval na letišti a měl na starost právě přepravu a manipulaci se zavazadli [[User:Navd00|Navd00]] ([[User talk:Navd00|talk]]) 11:11, 10 May 2018 (CEST)

----

'''Název simulace:''' Simulace činnosti kavárny

'''Autorka:''' Mariia Alekseeva

'''Typ modelu:''' Systémová dynamika

'''Modelovací nástroj:''' VensimPLE

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

'''Cíl:''' Spočitat náklady, pohopit kolik optimalně musíme utratit peněz aby byla kavárna popularní. A na zakladě situace na trhu a mzdy máme-li vůbec začinat ten podnik.
--[[User:Mashal|Mashal]] ([[User talk:Mashal|talk]]) 22:38, 6 May 2018 (CEST)
:
:Téma není špatné, jen mi není jasné, na základě jakých dat to budete kvantifikovat.
:Jak budete měřit popularitu kavárny a na základě jakých dat odvodíte, co má jaký efekt na její popularitu?
:Na základě čeho odvodíte, výnosy, náklady, poptávku po kávě atp. ?
:[[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 09:16, 7 May 2018 (CEST)

V hlavních rysech se to děla na zakladě počtu klientů, celkevého vynosu za den, počtiu zajemců o práci. Jesli máte na mysli, že potřebuju na to realní dáta, v tom připadě můžu jich dostat od minulého zaměstnavatele. --[[User:Mashal|Mashal]] ([[User talk:Mashal|talk]]) 14:12, 7 May 2018 (CEST)
:
:OK. '''Schváleno''', je důležité pak ve zprávě k simulaci ukázat na základě jakých dat jste vycházela a jak jste z nich odvodila kvantifikaci jednotlivých vztahů. [[User:Oleg.Svatos|Oleg.Svatos]] ([[User talk:Oleg.Svatos|talk]]) 13:02, 8 May 2018 (CEST)

----

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

'''Autor:''' Mai Duc Anh

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

'''Definice problému:'''

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

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

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

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

'''Parametry modelu:'''

* Můj týdenní rezim

Pondělí
- 20 minut hygiena ve společných koupelnách na Strahově
- 7 hodin programování ve Spaceflow ve foru karlín
- 1 hodina oběd v Karlíně s náhodnou duší
- 2 hodiny boxu
- 1 hodina procházka s partou na petříně
- 1 hodina přesun/doprava v MHD

Úterý
- 20 minut hygiena
- 20 minut skype s mámou a tátou (jsou ve Vietnamu)
- šest hodin na VŠE
- 1 hodina oběd se spoluzáky
- 1 hodina přesun v MHD
- 3 hodiny vývojářský meetup v STRV

Pátek
- 20 minut hygiena
- 1 hodina oběd se spoluzackou
- šest hodin na VŠE
- 1 hodina posilování
- 1 hodina přesun v MHD
- 7 hodin taneční akce v Ankali

A tak dále ……

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

'''Cíl simulace:'''

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

[[User:Mai|Mai]] ([[User talk:Mai|talk]]) 23:31, 6 May 2018 (CEST)

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

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

----

'''Název simulace:''' Simulace automatizovaného nakládání kamionů

'''Autor:''' Kenan Dervišević

'''Typ modelu:''' Multiagentní

'''Modelovací nástroj:''' NetLogo

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

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

[[User:Kenan|Kenan]] ([[User talk:Kenan|talk]]) 13:16, 8 May 2018 (CEST)

'''Schváleno''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]])

Assignment SS 2017/2018/cs

2018-05-06T16:14:16Z

Xreij15: Přidán vlastní návrh na téma