Optimální Výpočetní přidělených rozpočtových prostředků (OCBA)


Original: http://seor.gmu.edu/~cchen9/ocba.html

Máme state-of-the-art přístup k inteligentním přidělit výpočetní rozpočet pro efektivní simulační optimalizaci. Cílem je najít nejlepší řešení s využitím minimální dobu simulace. Mnoho našich spoluautorů a přáteli přispívá k obohacení této oblasti.

Simulace je populární nástroj pro tvorbu velkých, složitých, stochastické systémy, protože uzavřený-forma analytická řešení obecně neexistují pro tyto problémy. Zatímco pokrok nových technologií dramaticky zvýšil výpočetní výkon, účinnost je stále velký zájem při použití simulace pro velké návrhu systému, v takovém případě mnoho alternativních návrhů musí být simulována. Chcete-li věc ještě horší, musí být více simulačních běhů být provedeno pro každý návrh, aby se chytit stochastické chování v systémech. Jak výrazně snížit celkový výpočetní čas je klíčovou otázkou v tomto tématu.

Klíčovou součástí naší metodiky je náš nový ovládací prvek, teoreticky simulační metoda názvem Optimal Výpočetní přidělených rozpočtových prostředků (OCBA). Přístup OCBA inteligentně určit nejúčinnější čísla simulační replikace nebo simulační délky pro všechny simulovaných variant. Cílem je získat co nejvyšší kvalitu rozhodnutí simulace pomocí výpočetní pevný rozpočet, nebo k dosažení požadované simulace rozhodnutí kvalitu s minimálním výpočetní rozpočet. Numerické testy ukazují, že náš přístup může získat stejnou kvalitu simulace se jen jedna desetina simulace úsilí.

OCBA je také ideální pro stochastické simulace optimalizace. Hlavním důvodem, proč simulace optimalizace je obtížné je stochastický charakter vyhodnocení účelové funkce, což znamená, že je základní kompromis mezi výpočetní věnovat úsilí na hledání prostor pro nové řešení kandidáta (průzkum) oproti stále přesnější odhady objektivní funkce V současné době slibných řešení (využití). Jinými slovy, kolik by simulačního rozpočtu přiděleno na dalších opakováních na již navštívených míst a kolik opakováních na nově vytvořených vyhledávacích bodů je jedním z nejdůležitějších aspektů, pokud jde o výpočetní výkon. V řízení, OCBA postupně určuje, které designové alternativy potřebujete více simulací a kolik dalších repliky jsou potřeba.

Intuitivně, s cílem zajistit, že nejlepší alternativa je správně zvolen, by měla větší část výpočetního rozpočtu přiděleno na ty alternativy, které jsou rozhodující v procesu identifikace nejvýhodnější. Jinými slovy, musí být větší počet simulací se provádí s těmito kritické alternativy, aby se snížilo odchylky těchto kritických odhadů. Celková účinnost je lepší simulace jako méně výpočetní úsilí vynaložené na simulaci nekritické alternativy a více se vydává na kritických alternativ. Myšlenky jsou vysvětleny pomocí následujícího jednoduchého příkladu. Předpokládejme, že provádíte simulace pro 5 alternativ za účelem zjištění alternativu s minimálním průměrným zpožděním. Za prvé, jsme se provést určité předběžné simulaci všech 5 alternativy. Obrázek 1 – (a) uvádí příklad z jejich 99% intervaly spolehlivosti získaných z předběžného simulace. Všimněte si, že nejistota odhadu je vzhledem k systému stochastických vlastností a využití simulace Monte Carlo.

Obrázek 1. 99% intervaly spolehlivosti pro pět alternativ po určité předběžné simulace v (a) triviální věci, a (b) více obyčejný případ.

Jak je vidět na obrázku 1, – (a), když je nejistota v odhadu výkonu pro všechny alternativy, je zřejmé, že alternativy 2 a 3 jsou mnohem lepší než jiné alternativy, chceme-li najít alternativu s minimálním průměrem zpoždění. A tak jen alternativy 2 a 3 je třeba dále simulovat snížit míru nejistoty odhadu, aby správně určit nejlepší alternativu. Zastavením simulací alternativy 1, 4 a 5 dříve, můžeme ušetřit spoustu výpočtu nákladů.

Nicméně, co se ve skutečnosti děje ve většině případů není triviální, jako je znázorněno na obr. 1 – (a). To je více obyčejné vidět případy, jako další příklad je znázorněno na obrázku 1, – (b), kde některé alternativy se zdá lepší, ale nejsou jasně lepší než ostatní. Není jednoduché v takových případech určit, které alternativy mohou být odstraněny ze simulačního experimentu, i když by měla být zastavena. OCBA poskytuje systematický přístup k řešení tohoto problému a přidělí simulační běhy alternativ tak, aby simulace účinnost je maximalizována.

Chcete-li se dozvědět více o OCBA, následující dva dokumenty je dobrý výchozí bod:

Úvod nápadů OCBA

Chen, CH, M. Fu a L. Shi „, simulace a optimalizace“ Výuka v operační výzkum, s. 247-260, informuje, Hanover, MD, 2008.

Fu, M, CH Chen a L. Shi, „některá témata pro simulaci optimalizace“, Proceedings of 2008 konference Winter Simulation, s. 27-38, Miami, FL, prosinec 2008.

Chen, CH a LH Lee, stochastické simulace Optimalizace: Optimální Computing rozpočtové alokace. World Scientific Publishing Co, 2011.

Zde jsou některé další reprezentativní publikace o technikách OCBA.

Dříve Vývoj OCBA

Chen, CH „Efektivní přístup k chytře přidělit Computing rozpočet pro simulaci diskrétních událostí“, Sborník konference IEEE třicátýčtvrtého k rozhodnutí a řízení, s. 2598 – 2605, prosince 1995.

Chen, CH „dolní mez pro správný výběr podmnožin pravděpodobnosti a její aplikace na diskrétní simulace systém událostí,“ IEEE Transactions on Automatic Control, roč. 41, č. 8, s. 1227-1231, srpen 1996.

Chen, CH, E. Yucesan, L. Dai a HC Chen, „Efektivní Výpočet optimální rozpočtové prostředky pro diskrétní simulace experimentu událostí,“ ÚIV Transakce, roč. 42, č. 1, str. 60-70, leden 2010.

OCBA pro výběr nejlepší design

Chen, CH, J. Lin, E. Yucesan a SE Chick, „Simulace rozpočtové prostředky pro další zvýšení účinnosti Ordinální optimalizace,“ Journal of diskrétních systémů dynamických událostí: teorie a aplikace, roč. 10, s. 251-270, července 2000. PDF

OCBA pro problémy s vícenásobnými cíli

Lee, LH, EP Chew, SY Teng a D. Goldsman, „Optimal výpočetní rozpočtové prostředky pro vícecílových simulačních modelů,“ Sborník konference 2004 Winter Simulation, s. 586-594, 2004.

E.J. Chen a LH Lee, „multi-cíl výběrového řízení určení sadu Pareto“, počítače a operační výzkum, 36 (6),: 1872-1879, 2009.

S. Teng, L.H. Lee a E.P. Žvýkat, „Integrace lhostejnosti zóny s Multi-objektivnímu rozdělení rozpočtu Computing“, European Journal of operačního výzkumu, 203 (2): 419-429, 2010.

LH Lee, EP Chew, SY Teng a D. Goldsman (2010). Nalezení Pareto sada pro multi-objektivních simulačních modelů, aby se v lež transakcích.

OCBA pro výběr optimální podmnožina nejvyšší vzory (řekněme Top 5)

Chen, CH, D. Ten, M. Fu a LH Lee, „Efektivní Simulace přidělení rozpočtových prostředků pro výběr optimální podmnožiny,“ informuje deník na výpočty, roč. 20, č. 4, s. 579-595, 2008.

OCBA pro výběr nejlepší alternativa, kdy jsou korelační vzorky

Fu, MC, JQ Hu, CH Chen a X. Xiong, „Simulace Alokace pro určování nejlepší design v přítomnosti chromatičnosti vzorkování,“ informuje deník na Computing, Vol.. 19, č. 1, s. 101-111, 2007.

OCBA pro simulaci a optimalizaci

Ten, D., LH Lee, CH Chen, M. Fu a S. Wasserkrug, „Simulace Optimalizace Použití Cross-Entropy Metoda s optimální alokace Computing rozpočtu,“ se objeví na transakcích ACM na modelování a počítačové simulace, 2009.

Chew, E. P., L.H. Lee, S.Y. Teng a C.H. Koh, „Diferencované služby optimalizace zásob pomocí vnořených oddílů a MOCBA“, Počítače a operační výzkum, 36 (5),: 1703-1710, 2009.

Lee, L. H., E.P. Chew, S.Y. Teng a Y.K. Chen, „Multi-cíl založený na simulaci evoluční algoritmus pro náhradní díly pro letadla alokační problém“, European Journal of operačního výzkumu, 189 (2): 476-491, 2008.

Chen, CH, D. Ten, M. Fu a LH Lee, „Efektivní Simulace přidělení rozpočtových prostředků pro výběr optimální podmnožiny,“ informuje deník na výpočty, roč. 20, č. 4, s. 579-595, 2008.

Shi, L. a CH Chen, „nový algoritmus pro stochastické diskrétní optimalizaci přidělování zdrojů,“ Journal of diskrétních systémů dynamických událostí: Teorie a aplikace, roč. 10, s. 271-294, července 2000.

Aplikace OCBA

Hsieh, BW, CH Chen, SC Chang, „Efektivní simulace založené Složení expedice politiku EU Integrace Ordinální Optimalizace se návrhu experimentu,“ IEEE transakce na automatizaci vědy a techniky, roč. 4, č. 4, str. 553-568, říjen 2007.

Romero, VJ, DV Ayon, CH Chen, „Demonstrace Pravděpodobnostní Pořadové optimalizace Pojmy k Spojité optimalizační za nejistoty,“ Optimalizace a strojírenství, roč. 7, č. 3, s. 343-365, září 2006.

Chen, CH a D. On „Inteligentní Simulace alternativy srovnání a aplikace řízení letového provozu,“ Journal of Science Systems a systémového inženýrství, roč. 14, č. 1, str. 37 až 51, březen 2005.

Chen, CH, K. Donohue, E. Yucesan a J. Lin, „Optimal Výpočetní rozpočtové prostředky pro simulace Monte Carlo s aplikací do produktového designu,“ Journal of Simulation praxe a teorie, roč. 11, č. 1, str. 57 – 74, březen 2003.

Hsieh, BW, CH Chen a SC Chang, „Plánování polovodičových destiček Výroba pomocí Ordinální optimalizační simulace,“ IEEE Transactions on robotiky a automatizace, roč. 17, č. 5, s. 599-608, říjen 2001.

Chen, CH, SD Wu a L. Dai, „Pořadové Porovnání heuristických algoritmů stochastickou optimalizaci,“ IEEE Transactions on robotiky a automatizace, roč. 15, č. 1, str. 44 – 56, února 1999.

Asociace s Ordinální optimalizace

Dai, L., CH Chen a JR Birge, „Velké konvergenční vlastnosti dvoustupňového stochastického programování,“ Journal of teorie optimalizace a aplikace, sv. 106, č. 3, s. 489-510, září 2000.

Ho, YC, CG Cassandras, CH Chen a L. Dai, „Pořadové optimalizace a simulace,“ Journal of operačního výzkumu společnosti, roč. 51, č. 4, str. 490-500, dubna 2000.

Dai, L. a CH Chen, „Rychlost konvergence pro Ordinální Srovnání závislých simulací diskrétních systémů dynamických událostí,“ Journal of teorie optimalizace a aplikace, sv. 94, č. 1, str. 29-54, červenec 1997.

Některé další Zobecnění a pomocné práce

Blanchet, J., J. Liu, a B. Zwart, „Large Odchylky pohled na Ordinální Optimalizace Heavy-sledoval systémů“, Sborník z konference 2007 Winter Simulation, s. 489-494, 2007.

Branke, J., S. E. Chick, a C. Schmidt. Volba výběrové řízení. Věda o řízení 53 1916-1932, 2007.

Chick, S. a K. Inoue. Nové dvoustupňové a sekvenční postupy pro výběr nejlepší simulovaný systém. Operační výzkum 49 1609-1624, 2001.

Chick, S. a K. Inoue. Nové postupy pro výběr nejlepší simulovaný systém pomocí společných náhodných čísel. Věda o řízení 47 1133-1149, 2001.

Glynn, P., S. Juneja. Velké odchylky pohled na pořadové optimalizace. Sborník z konference 2004 Winter Simulation, 577-585, 2004.

Pujowidianto, NA, LH Lee, CH Chen, CM Jo, „Optimal Computing rozpočtových prostředků na omezeném Optimization“, se objeví ve sborníku z konference 2009 Winter Simulation, s. 584-589, Austin, TX, prosinec 2009.

Trailovic, L. a L. Y. Pao. 2004. Výpočetní rozpočtové prostředky pro efektivní hodnocení a výběr odchylek s aplikací pro sledování cíle algoritmy. IEEE Transactions on Automatic Control 49 58 – 67, 2004.

OCBA Book

Nová kniha o OCBA byl zveřejněn v roce 2011. Název knihy je „stochastické simulace Optimalizace: Optimální Computing rozpočtového přídělu.“ Tato kniha poskytuje komplexní a rozsáhlé pokrytí na této efektivní metody simulace optimalizace, od základní myšlenky, formální vývoj, na stav-of-art. Můžete si objednat z Amazon.com.

C / C + + kód pro OCBA

Klikněte zde pro OCBA C / C + + kódu, který se také objeví na stránkách 214-218 z knihy OCBA.

OCBA Demo (a JAVA kód)

OCBA Demo pomocí internetového prohlížeče. Toto demo OCBA je realizován A. Johnson, Cheol Y. park a Ning Lin. V ukázce uvidíte, jak OCBA dynamicky vybrat úctyhodných návrhy pro další simulace.

Comments are closed.