67260

ПСЕВДОСЛУЧАЙНЫЕ ПОСЛЕДОВАТЕЛЬНОСТИ И ПРОЦЕДУРЫ ИХ МАШИННОЙ ГЕНЕРАЦИИ

Лекция

Экономическая теория и математическое моделирование

Количество случайных чисел используемых для получения статистически устойчивой оценки характеристики процесса функционирования системы S при реализации моделирующего алгоритма на ЭВМ. Количество случайных чисел колеблется в достаточно широких пределах в зависимости от...

Русский

2014-09-06

127 KB

18 чел.

Лекция № 10

ПСЕВДОСЛУЧАЙНЫЕ ПОСЛЕДОВАТЕЛЬНОСТИ И ПРОЦЕДУРЫ ИХ МАШИННОЙ ГЕНЕРАЦИИ

При статистическом моделировании систем одним из основных вопросов является учет стохастических воздействий. Количество случайных чисел, используемых для получения статистически устойчивой оценки характеристики процесса функционирования системы S при реализации моделирующего алгоритма на ЭВМ. Количество случайных чисел  колеблется в достаточно широких пределах  в зависимости от:

1 класса объекта моделирования;

2.вида оцениваемых характеристик;

3необходимой точности и достоверности результатов моделирования. Результаты статистического моделирования существенно зависят от качества исходных (базовых) последовательностей случайных чисел.

На практике используются три основных способа генерации случайных чисел:

  •  аппаратный (физический);
  •  табличный (файловый);
  •  алгоритмический (программный).

Аппаратный способ. Генерация случайных чисел вырабатываются специальной электронной приставкой — генератором (датчиком) случайных чисел,— служащей в качестве одного из внешних устройств ЭВМ. Реализация этого способа генерации не требует дополнительных вычислительных операций ЭВМ по выработке случайных чисел, а необходима только операция обращения к внешнему устройству (датчику). В основе лежит физический эффект, лежащего в основе таких генераторов чисел, чаще всего используются шумы в электронных и полупроводниковых приборах, явления распада радиоактивных элементов и т. д.

Достоинства:

Запас чисел не ограничен;

Расходуется   мало   операций;

He занимается место в памяти .

Недостатки:

Требуется периодическая проверка;

Нельзя воспроизводить последовательности;

Используется специальное устройство;

Необходимы меры по обеспечению стабильности.                                                                    

Табличный способ. Случайные числа, представленные в виде таблицы, помещаются в память ЭВМ. Этот способ получения случайных чисел  обычно используют при сравнительно небольшом объеме таблицы и файла чисел.

Достоинства:

Требуется  однократная проверка;

Можно   воспроизводить   последовательности.                        

Недостатки:

Запас чисел ограничен;                              

Много места в ОЗУ;

Необходимо время для обращения к памяти.

Алгоритмический способ. Способ получения последовательности случайных чисел основанный на формировании случайных чисел в ЭВМ с помощью специальных алгоритмов и реализующих их программ. Каждое случайное число вычисляется с помощью соответствующей программы по мере возникновения потребностей при моделировании системы на ЭВМ.

Достоинства:

Требуется однократная проверка;

Многократная воспроизводимость последовательности чисел;

Мало места в памяти и нет внешних устройств.

Недостатки:

Запас чисел ограничен периодом последовательности;

Затраты машинного времени.

Программная имитация случайных воздействий сводится к генерированию некоторых стандартных процессов и  их последующего функционального преобразования. В качестве базового может быть принят любой удобный для моделирования конкретной системы S процесс (например, пуассоновский поток при моделировании Q-схемы). При дискретном моделирований базовым процессом является последовательность чисел , которые представляют реализации независимых, равномерно распределенных на интервале (0, 1) случайных величин . В статистических терминах -  повторная выборка из равномерно распределенной на интервале (0, 1) генеральной совокупности значений величины .

Непрерывная случайная величина имеет равномерное распределение в интервале (а, Ь), если ее функции плотности (а) и функция распределения (б) примет вид (Рис. 1):

Рис.1

Числовые характеристики случайной величины , принимающей значения х— это математическое ожидание, дисперсия и среднее квадратическое отклонение соответственно:

При моделировании систем на с случайными числами интервала (0, 1), где границы интервала соответственно а=0 и б = 1. Частным случаем равномерного распределения является функция плотности и функция распределения, соответственно имеющие вид:

Такое распределение имеет математическое ожидание М [] = 1/2

и дисперсию D[] = 1/12.

Это распределение требуется получить на ЭВМ. Но получить его на цифровой ЭВМ невозможно, так как машина оперирует с п-разрядными числами. Поэтому на ЭВМ вместо непрерывной совокупности равномерных случайных чисел интервала  (0,   1)  используют дискретную последовательность 2" случайных чисел того же интервала. Закон распределения такой дискретной последовательности называют квазиравномерным  распределением.

Случайная величина , имеющая квазиравномерное распределение в интервале (0, 1), принимает значения  с вероятностями , .

Математическое ожидание и дисперсия квазиравномерной случайной величины соответственно имеют вид


На ЭВМ невозможно получить идеальную последовательность случайных чисел хотя бы потому, что на ней можно оперировать  только с конечным множеством чисел. Кроме того, для получения значений х случайной величины используются формулы (алгоритмы). Поэтому такие последовательности, являющиеся по своей сути детерминированными, называются псевдослучайными.

Требования к генератору случайных чисел.

Требованиями, к идеальному генератору случайных чисел формулируются следующим образом. Полученные с помощью идеального генератора псевдослучайные последовательности чисел должны:

  •  состоять из квазиравномерно распределенных чисел;
  •  содержать статистически независимые числа;
  •  быть воспроизводимыми;
  •  иметь неповторяющиеся числа;
  •  получаться с минимальными затратами машинного времени;
  •  занимать минимальный объем машинной памяти.

В практике моделирования применяются генерации последовательностей псевдослучайных чисел находят алгоритмы вида (1)

                                                      (1)

Данные алгоритмы представляют рекуррентные соотношения первого порядка, для которых начальное число х0 и постоянные параметры  уже заданы.

Метод серединных квадратов

Пусть имеется 2n-разрядное число, меньшее 1:

 1.Возведем его в квадрат:

2. Отберем средние 2n разрядов  которые будут являться очередным числом псевдослучайной последовательности.

Пример, если начальное число х0=0,2152, то (х0)2=0,04631104,

т. е. Xj=0,6311, затем (х1)2=0,39828721, т. е. х2=0,8287, и т. д.

Недостаток метода:

Наличие корреляции между числами последовательности, в некоторых случаях может отсутствовать.

Конгруэнтные процедуры генерации.

Конгруэнтные процедуры представляют собой арифметические операции, в основе которых лежит фундаментальное понятие конгруэнтности.

Два целых числа и конгруэнтны или сравнимы по модулю m,  m — целое число, тогда и только тогда, когда существует такое целое число k, что  т. е. разность  делится на m и  числа и  дают одинаковые остатки от деления на абсолютную величину числа m.

Например,

Конгруэнтные процедуры являются чисто детерминированными, так как описываются в виде рекуррентного соотношения (1), и имеют вид.

где   — неотрицательные целые числа.

Раскроем рекуррентное соотношение (2):


Если заданы начальные числа (3) последовательность целых чисел {Xi}, составленную из остатков от деления на М членов

последовательности

 

Таким образом, для любого i>=1 справедливо неравенство Xt<M, получится последовательность рациональных чисел из единичного интервала (0,1)  

Мультипликативный метод.

Задается последовательность неотрицательных целых чисел {Xt}, не превосходящих М, рассчитанных по формуле

т. е. это частный случай соотношения (2) при =0.

В силу детерминированности метода получаются воспроизводимые последовательности..

В машинной реализации наиболее удобна версия M=pg, где р — число цифр в системе счисления в ЭВМ; g -— число битов в машинном слове. Тогда вычисление остатка от деления на М сводится к выделению g младших разрядов делимого. Преобразование целого числа Xt в рациональную дробь из интервала  осуществляется подстановкой слева от Xi двоичной или десятичной запятой.

Алгоритм построения последовательности для двоичной машины M=pg сводится к выполнению таких операций:

1. Выбрать в качестве X0 произвольное нечетное число.

2. Вычислить коэффициент  где t — любое целое положительное число.

3. Найти произведение , содержащее не более 2g значащих
разрядов.

4. Взять g младших разрядов в качестве первого члена последовательности X1 а остальные отбросить.

5. Определить дробь  из интервала (0, 1).

6. Присвоить .

7. Вернуться к п. 3.

Смешанный метод.

Позволяет вычислить последовательность неотрицательных целых чисел {Xi}, не превосходящих М, по формуле

Отличием от мультипликативного метода является .

С вычислительной точки зрения смешанный метод генерации сложнее мультипликативного на одну операцию сложения. При этом возможность выбора дополнительного параметра позволяет уменьшить возможную корреляцию получаемых чисел.


 

А также другие работы, которые могут Вас заинтересовать

69113. Багатовимірні масиви. Оголошення багатовимірних масивів. Доступ до елементів. Базові операції їх обробки двовимірних масивів. Двовимірні масиви в задачах 96.5 KB
  Як було зазначено вище, одновимірні масиви застосовуються для зберігання послідовностей. Проте для багатьох структур даних зображення у вигляді послідовності є неприйнятним. Наприклад, результати матчів футбольного чемпіонату найзручніше подавати у вигляді квадратної таблиці.
69114. Рядки. Поняття рядка та оголошення змінних рядкового типу. Операції над рядками та рядкові вирази. Процедури та функції обробки рядків 79 KB
  Один з різновидів одновимірних масивів — масив символів, або рядок, — посідає особливе місце у багатьох мовах програмування. І це не випадково, адже алгоритми перетворення рядків застосовуються для вирішення вкрай широкого кола задач: редагування та перекладу текстів, алгебричних перетворень формул...
69115. Записи. Запис та його оголошення. Доступ до компонентів та операцій над записами. Масиви записів. Записи з варіантами 100 KB
  Визначальною характеристикою масиву є однорідність, тобто однотипність його елементів. Проте реальний світ насичений неоднорідними структурами даних. Прикладами таких структур можуть стати: календарна дата, що скла-дається з номера дня, номера року та назви місяця...
69116. Множини. Поняття множин та множинного типу даних. Оголошення змінних множинного типу. Операції над множинами 96.5 KB
  Математичне поняття множини широко використовується в задачах, для яких існує ефективне програмне розв’язання. Так, у багатьох комбінаторних задач серед усіх підмножин деякої множини необхідно знайти ті, які задовольняють певну умову. При розв’язанні задач на графах користуються поняттями...
69117. Фізичний і логічний файли. Технологія роботи з файлами. Тинпи файлів і оголошення файлових змінних. Установка відповідності між фізичним і логічним файлами. Системні операції з файлами 141 KB
  Дані, що використовувались у задачах із попередніх розділів, існували протягом одного сеансу роботи певної програми. Такі дані зберігаються в оперативній пам’яті комп’ютера. Проте бльшість програм оперує із даними, що залишаються доступними як після завершення роботи програми, так і після перевантаження...
69118. Буферізація даних. Натипізовані файли 56 KB
  При зчитувані даних із файла зна чення його чергового компонента копіюється в поточний елемент буфера. У відповідь на цей запит операційна система виділяє буфер із буферного пула і в нього зчитується певна кількість блоків даних із фізичного файла.
69119. Динамічні змінні та динамічна пам’ять. Розподіл оперативної пам’яті. Поняття покажчика та його оголошення. Стандартні функції для роботи з адресами 93.5 KB
  Змінні величини, що розглядались у попередніх розділах, були статичними. Статичні змінні характеризуються тим, що їх значення зберігаютъся в ділянках оперативної пам’яті, які визначаються на етапі компіляції программ і не змінюються під час її виконання.
69120. Спискові структури даних. Визначення лінійного списку та його різновидів. Робота зі стеком, з чергою та лінійним списком 111 KB
  Визначення лінійного списку та його різновидів. Визначення лінійного списку та його різновидів 3. Визначення лінійного списку та його різновидів Як приклад розглянемо таку задачу. Кожен компонент списку крім останнього містить покажчик на наступний або на наступний попередній компонент.
69121. Дерева. Основні поняття. Алгоритм роботи з бінарними деревами 80 KB
  Розглянуті у розділі 10.2 списки, стеки та черги палежать до лінійних динамічних структур даних. Визначальною характеристикою лінійних структур є те, що зв’язок між іншими компонентами описується в терминах «попередній-наступний», тобто для кожного компонента лінійної структури...