Zadání LS 2018/2019

From Simulace.info
Revision as of 16:15, 3 May 2019 by Xmatm82 (talk | contribs)
Jump to: navigation, search





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


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.



Název simulace: Modelace populačního vývoje

Autor: Bc. Josef Čekan, cekj01

Typ modelu: Systémově dynamický

Modelovací nástroj: Vensim

Popis Modelu: Vlivy na stav populace v příštích letech se každým rokem mění, tudíž vytvořit permanentně přesný model vývoje populace není zcela možné. Zároveň existují faktory, které nelze jednoduše předpokládat jako například některé přírodní katastrofy či vypuknutí epidemií nemocí či válečného konfliktu. Můžeme však vytvořit model na základě vlivů, které částečně předpověditelné jsou. V tomto modelu bude na základě dat o porodnosti, úmrtnosti a migraci porovnán vývoj populace na jednotlivých kontinentech. Model tedy bude vývoj populace stavět na datech o porodnosti, úmrtnosti a mezinárodní migraci.

Parametry modelu:

  • Populace
  • Migrace
  • Míra porodnosti, úmrtnosti a počet migrantů

Cíl simulace: Na základě získaných dat předpovědět populační vývoj a porovnat jej na úrovni kontinentů.

Možnosti rozšíření: Model lze více konkretizovat (snížit abstrakci) při uvážení věkového rozdělení populace a migrantů.


Název simulace: Simulace burzy kníh

Autor: Bc. Dominik Turák, turd01

Typ modelu: Multiagentní

Modelovací nástroj: NetLogo

Popis Modelu: Na výstavišti sa pravidelne jednou ročne o víkendu koná veľká burza kníh. Ľudia z celej republiky sa tu stretávajú, aby mohli predávať / vymienať svoje knihy za iné hodnotné historické kúsky. Podmienkou je predem vyplnení prihlašovacího formuláre, ve kterým musí potencionálny účastnik burzy zadať minimálne 1 cíl a minimálne 1 knihu, ktorú do burzy ponúka. Ponúkané knihy hodnotí stále sám kupca, takže jej cena sa môže počas jednej burzy viac krát zvýšiť / znížiť podľa cieľov účastníka, ktorý ju momentálne vlastní.

Parametry modelu:

  • počet účastníku
  • cíle a ponuky účastníku
  • počáteční cena vs. finálni cena

Cíl simulace: Na základě získaných dat maximalizovať zisk, pričom bude zachovaný aj pomer spokojených zákazníku

Možnosti rozšíření: Předem určené tituly a cíle zákazníku.



Název simulace: Simulace programového rezultátu politických stran

Autor: Bc. David Lisý, xlisd05

Typ modelu: Systémová dynamika

Modelovací nástroj: Vensim

Popis Modelu: Cílem simulace by bylo odhadnout jak by vypadal programový rezultát na základě různých výsledků voleb do poslanecké sněmovny. Kupříkladu když vyhrajou drtivou většinou piráti, tak by legalizace marihuany proběhla na 100%. Kdyby měli jen půlku poslanců tak kupříkladu legalizace proběhne na 50%. Když se do PS nedostanou vůbec, tak 0. Rád bych kombinoval, takže když například ANO bude mít 50%,TOP09 10% a Svobodní 30%, Radostné Česko 10% tak třeba vystoupení z EU se spíše neuskuteční

Parametry modelu:

  • počet politických stran
  • cíle politických stran
  • počet aktivních voličů
  • počet získaných hlasů

Cíl simulace: Zjistit výsledek programového rezultátu politických stran

Možnosti rozšíření:



Název: Vytíženost posilovny

Autor: Martin Matějka, xmatm82

Nástroj: SIMPROCESS

Metoda: Monte Carlo


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.