Python 시뮬레이션: SimPy란 무엇이며, 전제 조건, 시뮬레이션 실행 방법

현실 세계는 인프라 관점에서든 기술적 관점에서든 시스템의 다른 부분에서 작동합니다. Python 시뮬레이션 의 도움으로 이러한 시스템은 SimPy 프레임워크가 지원하는 모델을 통해 최적화되어야 합니다. 복잡한 시스템의 생성을 예측하고 단계별 알고리즘을 통해 해결하기 위해 실제 시스템에 더 가깝게 모델을 개발합니다.

대기업의 경우 시스템을 분석하여 시스템을 수정하고 견고하게 만드는 것이 중요합니다. 특히 의료 및 공항 관리와 같은 응급 서비스의 경우 개인의 활동을 항상 모니터링하고 어려운 상황에 대처할 준비가 되어 있어야 합니다. 이것은 Python 시뮬레이션 모델에서 통찰력을 도출해야만 가능합니다.

심파이란?

SimPy는 승객, 환자, 차량 및 자산과 같은 24시간 리소스 관리를 처리하는 기업이 선호하는 객체 지향 및 방법 기반 오픈 소스 특별 이벤트 시뮬레이션 라이브러리입니다. 종종 이러한 시스템에는 계산대, 리셉션 및 고속도로와 같은 제한 사항 또는 팁 용량이 있습니다.

이러한 서비스 외에도 SimPy는 Python의 무작위 변수를 사용하여 일반 분석을 생성하는 데도 도움이 됩니다. 전적으로 Python으로 작성된 SimPy는 Java Virtual Machine 또는 .NET과 같은 여러 환경에서 실행할 수 있습니다.

다음은 SimPy의 시뮬레이션 스니펫의 예입니다.

환경 = simpy.Environment()

env.process(checkpoint_run(env, num_booths, check_time, Passenger_arrival))

환경 실행(까지=10)

코드를 실행하기 전에 환경과 매개변수를 설정하므로 다음과 같이 변수를 정의해야 합니다.

• env: 이벤트를 실행하고 분석하기 위해 시뮬레이션이 필요한 상황을 나타냅니다.
• num_booths: ID 확인이 설치된 총 부스 수입니다.
• check_time: 각 승객의 ID를 확인하는 기간입니다.
• Passenger_arrival: 대기열에서 대기하는 승객의 빈도입니다.

이러한 변수는 적절한 현실 기반 데이터를 수집하기 위해 필요할 때 변경될 수 있음을 기억하십시오.

시뮬레이션 초안 작성에 필요한 사항을 알았으므로 유사한 이벤트에 대한 코드를 작성하는 동안 도움이 될 수 있는 단계는 다음과 같습니다.

1단계: 환경을 정의합니다.

2단계: 관련 표준을 설정합니다.

단계 III: 시뮬레이션을 실행합니다.

지금은 이 단계만으로도 관련된 다른 프로세스를 자세히 살펴보기 전에 시작하기에 충분합니다.

더 읽어보기: Python 요청 모듈 가이드: Python에서 요청 라이브러리를 사용하는 방법?

SimPy를 시작하기 전의 전제 조건

SimPy를 시작하기 전에 Python 기초, 클래스 및 생성기에 대한 깊은 이해가 필요합니다. 생성기는 반복되는 객체를 반환하는 이산 Python 함수로 정의할 수 있으며, 이 객체는 함수의 시작 부분에 있는 로컬 변수뿐만 아니라 함수의 본문에 첨부됩니다. 이 반복자 덕분에 함수가 yield 문의 실행을 돕고 주어진 표현식의 결과를 생성합니다.

yield 문은 이벤트의 일정이나 프로세스를 설정하는 데 도움이 되는 도구입니다. 이벤트는 자가 트리거(예: 다음 차량이 떠날 때까지)이거나 채널과 같은 리소스를 요청하거나 해제할 수 있습니다. 이러한 명령문의 이름은 다음과 같습니다.

• yield 요청: 이 계정은 시스템이 리소스에 대한 대기 목록에 추가되고 즉시 사용하도록 명령하는 데 사용됩니다.
• yield hold: 이 문은 일반적으로 메서드의 다른 단계 실행에 관련된 시간을 강조 표시하는 데 사용됩니다.
• yield passivate: 이 문은 다른 함수가 이를 트리거할 때까지 프로세스를 대기 상태로 유지하는 데 사용됩니다.
• yield release: 이 명령문은 시스템에서 프로세스가 완료되면 업데이트된 상태로 유지하는 데 사용되며, 따라서 다음 단계를 기다리고 있습니다.

이제 시스템의 작업 프로세스에 대한 아이디어가 생겼으므로 초기 프레임워크를 SimPy로 설정하여 주문에 패키지를 설치해야 합니다. 이 핵심 패키지는 전체 시뮬레이션 모델을 만들고, 관리하고, 실행하는 데 도움이 됩니다. 내장된 일부 Python 모듈의 도움으로 관련된 평균 대기 시간을 컴파일하고 난수를 파악할 수 있습니다.

난수 생성기에는 다음과 같은 기능이 있습니다.

1. 랜덤 모듈을 정의합니다.
2. 발전기를 나타냅니다.
3. 확률 변수 도출: 10에서 40 사이의 난수와 유사: g. 무작위의()

확인: 인도의 Python 개발자 급여

세계 최고의 대학에서 데이터 과학 과정 을 배우십시오 . 이그 제 큐 티브 PG 프로그램, 고급 인증 프로그램 또는 석사 프로그램을 획득하여 경력을 빠르게 추적하십시오.

Python 시뮬레이션 실행

코딩이 끝나면 몇 가지 간단한 클래스와 함수를 사용하여 프로그램을 실행할 수 있습니다. 고객의 평균 대기 시간을 이해해야 하는 극장용 시뮬레이션 시스템을 상상해 보십시오.

SimPy를 더 잘 사용하려면 매개변수, 생성기, 함수 및 클래스를 사용하여 Python에서 시뮬레이션을 브레인스토밍하고 생성하기만 하면 됩니다. 각 시뮬레이션의 환경은 사례마다 다르기 때문에 관련된 프로세스를 간략하게 수정하면 다음과 같습니다.

• 모든 시뮬레이션에 적합한 알고리즘 설정
• Python으로 시나리오 구성하기
• 관련된 모든 리소스 및 방법으로 기능 할당 및 정의
• 실행 가능한 결과 생성을 위한 시뮬레이션 매개변수 최적화

더 읽어보기: 초보자를 위한 42가지 흥미로운 Python 프로젝트 아이디어 및 주제

결론

Python, 데이터 과학에 대해 자세히 알아보려면 작업 전문가를 위해 만들어졌으며 10개 이상의 사례 연구 및 프로젝트, 실용적인 실습 워크숍, 업계 전문가와의 멘토링, 업계 멘토와의 1:1 학습, 400시간 이상의 학습 및 최고의 기업과의 취업 지원.