Датчик случайных чисел

Законы распределения случайных величин при моделировании СМО могут быть произвольными, но наиболее часто используются распределения экспоненциальное, -распределение Эрланга, нормальное. Моделирование последовательности случайных чисел (в СМО это интервалы времени между поступлениями заявок н времени обслуживания), распределенных по заданному закону, выполняется иа основе программного датчика случайных чисел с равномерным распределением в интервале от О до 1. В основе построения датчика лежит теорема, утверждающая, что если величина X имеет плотность распределения f(x), то величина [c.150]

Воспроизведение случайных значений параметров осуществляется на ЭВМ с помощью специальных программ — датчиков случайных чисел (ДСЧ), о которых уже упоминалось в 5.2. Общая схема получения случайных чисел с помощью ДСЧ состоит в следующем (рис. 6.33) задается так называемая начальная константа о (их может быть несколько), которая преобразуется по специальному алгоритму в первое значение случайного числа Это значение передается на вход алгоритма, получается значение 2 > и действия повторяются заданное количество раз. В результате формируется последовательность чисел li > > > которая может быть воспроизведена многократно, если [c.253]

Расчетное время получения одного числа R на ЭЦВМ Минск-2 принималось равным 2 мсек. При использовании других программ или физических датчиков случайных чисел изменяется сложность рассматриваемых алгоритмов имитации вместе с тем описываемая методика имитации нормально распределенных чисел сохраняется. [c.142]

Рассмотрим некоторые методические особенности использования полученного спектра нагрузок при построении методики обычных и ускоренных испытаний автосцепок новой конструкции. Необходимо учитывать возможность случайного чередования нагрузок по величине и знаку при сохранении закономерности самого спектра нагрузок. Это обстоятельство является одной из причин значительного рассеяния времени безотказной работы, особенно при испытании на малоцикловую усталость, где результаты особенно сильно зависят от чередования нагрузок. Если спектр распределения нагрузок представлен в виде программных блоков и все образцы испытывают, прикладывая нагрузки в одинаковом порядке, то в этом случае не будет учтена одна из причин, приводящих к рассеянию долговечности. Для каждого изделия так же, как в эксплуатации, необходимо реализовать свой случайный режим нагрузок (с помощью датчика случайных чисел) в пределах общей статистической закономерности. Форсирование режима испытаний по нагрузкам в рассматриваемом случае приведет к искажению процессов повреждения. [c.171]

Реализация алгоритма (2.26) предполагает наличие специального генератора случайных чисел, который формирует вектор со. Такие генераторы, называемые также датчиками случайных чисел, обычно оформляются в виде стандартных программ для ЭВМ. Если закон распределения случайного вектора со не зависит от номера шага п, то алгоритм (2.26) не может нащупать направления быстрого убывания минимизируемой функции, поэтому он сходится медленно. [c.47]

Вычислительный алгоритм метода Монте-Карло для дайной задачи можно проиллюстрировать при помош,и следуюш,ей схемы (рис. 1), которая содержит четыре основных блока датчик случайных чисел (ДСЧ) блок моделирования внешнего воздействия (вход) блок численного решения уравнений, описывающих поведение [c.296]

Адекватное выражение такого свойства оценок в е дает определение достаточной статистики. Это определение отвечает на вопрос, существует ли статистика т(х), которая проще выборки и вместе с тем вполне информативна. Основное определение понятия достаточная статистика опирается на утверждение, что если условное распределение выборки X е А" при фиксированном значении оценки 0 е не зависит от безусловного распределения Р а fi выборки X, то т является вполне информативной статистикой для Р. Конечно, если условный закон распределения выборки X при фиксированном в можно задать независимо от Я и значение оценки 0 известно, то с помощью датчика случайных чисел можно смоделировать выборку х, которая имеет такое же распределение, как и распределение выборки х. Таким образом, если статистика т обладает упомянутым выше свойством, выборочные значения не дают о Р какой-либо дополнительной информации по сравнению с оценкой 0. [c.507]

Простейшим примером применения статистических испытаний для получения детерминированной величины может служить задача определения площади S некоторой плоской фигуры (рис. 42). Заключим эту фигуру в единичный квадрат и призовем на помощь датчик случайных чисел. В качестве такого датчика может быть выбрана таблица случайных чисел, генератор псевдослучайных чисел, имеющийся на ЭВМ, и т.п. Возьмем два случайных числа, лежащих в диапазоне [c.300]

Интуитивно ясно, что чем больше будет брошено точек и чем надежнее работает датчик случайных чисел, тем точнее будет полученный результат. [c.300]

Начальную группу векторов (3.10), а также последний вектор в левой части (3.16) целесообразно всегда генерировать при помощи датчика случайных чисел. Для вьшолнения (3.11) применяется ортогонализация Шмидта. [c.52]

В блоке Б,] вводятся начальные данные. Затем [Б2) происходит выбор координат молекулы, влетающей в структуру через поверхность Кх- Эти координаты выбираются с помощью датчика случайных чисел (ДСЧ) в соответствии с законом распределения влетающих молекул. [c.59]

Общая схема статистических испытаний приведена на рис. 104, а. Сначала с помощью датчика случайных чисел ДС генерируются числа Хд, распределенные по равномерному закону Хл R. Затем с помощью зависимости Хр = F (Xr) они пересчитываются в числа Хр, распределенные по требуемому закону распределения F Хр F). По аналитической зависимости рассчитывается значение у (%). Затем процесс повторяется до тех пор, пока не будет произведено заданное число испытаний. [c.169]

Обычно в качестве датчиков случайных чисел используют генераторы чисел, реализованные в виде машинных программ. Такие программы вырабатывают псевдослучайные числа. Например, датчиком случайных чисел может служить следующий алгоритм [701 [c.171]

В блоке 4 разыгрывается с помощью датчика случайных чисел (ДСЧ) максимальное число No одновременно отказавших узлов. [c.175]

Все эти методы предполагают, что область, в которой находится экстремум, уже получена, т. е. предварительно должна быть решена задача поиска глобального экстремума. Для поиска глобального экстремума можно использовать метод случайного поиска. Этот метод заключается в том, что значения варьируемых параметров задаются в виде случайных величин с помощью датчика случайных чисел. Центры группирования экстремальных значений принимаются за предполагаемые области глобального экстремума. Случайный поиск может быть использован и для непосредственного решения задач нелинейного программирования. В этом случае используются методы направленного случайного поиска, использующие результаты предыдущего шага [99]. [c.197]

Если полученная форма не удовлетворяет ограничениям или значение целевой функции уменьшилось, то с помощью датчика случайных чисел вычисляется новое значение Ах. [c.263]

Датчик случайных чисел с равномерным распределением в пределах 0-1 [c.70]

Восстанавливаемая функция имела вид (1-232) и моделировалась при / С=4 (пять искомых параметров) и при. =9 (десять искомых параметров). Каждое текущее значение из выборки х (п) при к = 1,. .., /С и п= = 1,. .., N получалось от датчика случайных чисел, выдающего их по нормальному закону распределения. Были рассмотрены два случая статистических характеристик вектора х 1) нормированный вектор, каждая составляющая которого характеризуется нулевым математическим ожиданием и единичной дисперсией 2) ненормированный вектор, статистические характеристики его составляющих произвольны. [c.179]

Начальное состояние датчика случайных чисел может задаваться в виде нечетных чисел в диапазоне 1...32767. По умолчанию оно равняется 17533. [c.111]

В ЭВМ имеется датчик случайных чисел, генерирующий независимую пару чисел j и 2> каждое из которых равномерно распределено в интервале [О, 1]. Используя результаты предыдущей задачи, построить преобразование, которое дает пару чисел, имеющих гауссово распределение с дисперсией сг . [c.229]

Для получения решения уравнения Навье—Стокса должны быть дополнены начальными и граничными условиями. Вид граничных условий зависит от рода задачи. Например, для течений со свободными границами обычно задаются периодические граничные условия. Если рассматривается пристеночное течение, то на стенке ставятся условия прилипания и непроницаемости. Вид начальных условий также зависит от рода задачи. Часто в начальный момент времени задаются поля вектора скорости и давления, соответствующие осредненному течению с наложенными на него возмущениями. Возмущения могут быть заданы либо в виде пространственных вихрей, либо случайным образом (например, с помощью датчика случайных чисел). В результате решения получают поля скорости и давления в зависимости от времени, а характеристики осредненного течения — путем осреднения по некоторому (достаточно большому) промежутку времени. Для нестационарных (в среднем) задач осреднение должно проводиться по ансамблю. [c.196]

Будем моделировать на вычислительной технике ]-ю неисправность (/ = 1,.../) следующим образом. С помощью датчика случайных чисел реализуем начальную точку траектории я -й системы. Далее, интегрируя эту систему до поверхности контроля щ и на отрезке времени [0,т] за поверхностью, получим [c.88]

Выделение параметров, имеющих случайный разброс, выполняется с помощью ключевых слов LOT и/или DEV. Для расчета разброса значений параметров, помеченных как LOT и DEV, используются различные датчики случайных чисел. В свою очередь параметры, имеющие признак DEV, получают зависимые случайные значения, а имеющие признак LOT —коррелированные значения в пределах параметров модели одного элемента. Ключевые выражения LOT и DEV помещаются после номинального значения параметра и имеют [c.19]

Получение случайных величин Д а и Р при исследовании производилось на ЭИ,ВМ Минск-2 с помощью датчика псевдослучайных чисел. Для получения величин А г,, распределенных по нормальному закону, использовалось преобразование псевдослучайных чисел (rjj), полученных по равномерному закону с помощью следующего соотношения [c.34]

При исследовании ошибок положения, перемещения, передаточного отношения и ускорения рассматривались реализаций из 1000 случайных величин. Проверка датчика псевдослучайных чисел (tIj-), распределенных равномерно на отрезке [О, 1], на достоверность для тысячи значений дала следующие результаты (табл. 1), где М — математическое ожидание D — дисперсия R — вероятность — критерий Пирсона. [c.34]

Для синтеза тестов применяют вероятностные и детерминированные методы. В вероятностных методах наборы генерируются с помощью датчиков случайных чисел. Основные затраты машинного времени приходятся при этом на анализ проверяющих возможностей генерируемых наборов. Анализ каждого набора состоит в расчете реакции на воздействие Х как исправного блока, так и всех его возможных разновидностей. Если блок состоит из N элементов, то имеем 3N таких разновидностей и общее число eapriaii-тов моделирования блока окажется пропорциональным произведению sN, где S — число проверяемых входных наборов. Практика показывает, что при заданной полноте теста s зависит от yv и в результате затраты машшчного времени оказываются пропорциональными Nгде а = 2-ьЗ. [c.259]

При автоматическом нанесении на исходную область множества узлов должен выдерживаться ряд требований. Так, узлы должны сгущаться в зонах, где ожидаются высокие концентрации напряжений или градиенты температур. При этом изменение густоты узлов не должно быть скачкообразным. Эти требования удается обеспечить, если в качестве координат узлов брать случайные числа с заданным законом распределения. Тогда в программных реализациях координаты узлов генерируются датчиком случайных чисел. Алгоритмы формирования межузловых связей строятся на основе различных подходов. При этом в первую очередь стараются, если это возможно, использовать упрощающие предположения. Так, регулярность области, очевидно, удобно использовать для построения однородной сетки, шаг которой меняется по несложному закону. Криволинейные границы области часто аппроксимируют с помощью отрезков прямой, параболы или дуги. [c.20]

Особетостью реализации метода статистических испытаний является необходимость получения случайных значений параметров оптимизации. Эти значения могут быть получены на ЭВМ с помощью специальных программ — так называемых датчиков случайных чисел, которые будут рассмотрены в 6.6. В данном случае достаточно организовать только один цикл, в котором бы последовательно просматривались все УУр изображающих точек, каждая из которых формируется" из п случайных значений координат, которые получаются с помощью датчика случайных чисел. [c.155]

Данные нормативноч правочные 74 Датчик случайных чисел 155 Дисплеи графические 33 Документирование программ 71 [c.294]

NDAT - целое нечетное число дг я датчика случайных чисел [c.186]

NAAT , 999 ЦЕЛОЕ НЕЧЕТНОЕ ЧИСЛО ДЛЯ ДАТЧИКА СЛУЧАЙНЫХ ЧИСЕЛ [c.211]

Процедуры проверки согласованности оценок ( р ) и X( и корреляции значений [ р были объединены в единую программу для ЭВМ, в основу которой положен метод Монте-Карло. Суть этой процедуры заключается в следующем. С помощью датчика случайных чисел составляется последовательность событий и выбирается текущая вероятность первого события . Для него выясняется, наступило ли это событие в данной реализации будущего . Если событие не наступило, аналогичная проверка проводится для второго (по времени) событий ИТ. д., пока либо все множество событий не будет исчерпано, либо не наступит некоторое событие. После того, как это некоторое событие наступило , вероятности всех последующих событий пересчиты-80 [c.80]

Изготовление голограмм с заданной передаточной функцией представляет собой самостоятельную задачу. Система оптимальной фильт-радии и ее работа были смоделированы с помощью комплекса программ, описанных во второй главе. Для моделирования было сформировано на сетке размером 128 х 128 элементов двоичное изображение сборочной площадки , на которой в качестве деталей были в беспорядке размещены буквы русского алфавита (эксперимент выполнен Р. И. Эльманом). Положение и ориентация букв были заданы датчиком случайных чисел. Деталь А была принята в качестве искомой. На рис. 65 показано исходное изображение сборочной площадки. Видно, что некоторые объекты перекрывают один другого и визуальное определение искомого довольно затруднительно, а подчас и невозможно. На рис. 66 приведены результаты пространственной фильтрации. Видно, что модель системы уверенно опознала пять объектов и указала их координаты. В одном случае объект оказался н(вопознанным. [c.132]

Статистическое моделирование основывается на многократном 4)ормировании набора случайных величин X, ...,Xh, получаемых в соответствии с законами их распределений. Для каждого нового испытания модели новый набор величин Х],..., генерируется специальным электронным устройством-датчиком случайных чисел, которым снабжены современные ЭВМ. [c.23]

С помощью банка теоретических зависимостей управляющая программа формирует г.гатематическую модель. Эффективную работу этой модели обеспечивает наличие информационного банка 9—11, содержащего статистически представленный объем экспериментальных данных относительно типа и параметров распределений, характеризующих геометрические размеры дефектов, харакгеристик сопротивления различных участков сварного соединения зарождению разрушения и характеристик трещиностойкости при циклическом и статическом нагружении. В зависимости от цели расчета и вида исходной информации управляющая программа с помощью банка зависимостей включает математическую модель в алгоритм имитационного моделирования. По существу имитационное моделирование представляет собой статистический машинный эксперимент. Из банка экспериментальных данных выбираются блоки информации, приводятся в исходное состояние датчики случайных чисел и начинается прогон модели. Результаты расчетов после каждого прогона помещаются в банк 16. Многократная прогонка модели на ЭВМ при измененных состояниях датчиков случайных чисел и последующая статистическая обработка численного эксперимента позволяют учесть влияние случайного рассеяния параметров, характеризующих долговечность и трещиностойкость, а также случай- [c.380]

Noise -7< Ь- Генератора кусочно-линейного сигнала на основе датчика случайных чисел гпс1 Тз=<интервал дискретизации по времени> Уз=<масштабный ко-эффициент> [c.333]

Для поиска варианта, дающего минимум оценочной функции, воспользуемся т - - 1-мерным датчиком случайных целых неотрицательных чисел, равномерно распределенных на отрезке [О, п. Случайной совокупности из т различных целых чисел, даваемой датчиком, поставим в соответствие совокупность из т точек xi, у ) из таблицы (1) с теми н е целыми нижними индексами г, О п. Будем рассматривать только такие наборы, в которых, как в (3), можно выделить две точки — I/feo) и Xh , Uhm) абсциссы которых обладают свойством (5). Случайному набору из различных между собой т I точек таблицы (1) соответствует единственный интерполяционный полином Лагранжа степени т, имеющий абсциссы этих иг + 1 точек своими узлами и приближенно представляющий у f (х) в промежутках между узлами. Наконец, этому интерполяционному полиному соответствует определенное значение заданной оценочной функции. [c.171]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...