การจำลอง Python: SimPy คืออะไร ข้อกำหนดเบื้องต้น วิธีเรียกใช้การจำลอง

โลกแห่งความเป็นจริงทำงานในส่วนต่างๆ ของระบบ ไม่ว่าจะเป็นจากมุมมองของโครงสร้างพื้นฐานหรือทางเทคโนโลยี ด้วยความช่วยเหลือของ การจำลอง Python ระบบเหล่านี้จำเป็นต้องได้รับการปรับให้เหมาะสมผ่านโมเดลที่ได้รับการสนับสนุนโดยเฟรมเวิร์ก SimPy แบบจำลองต่างๆ ได้รับการพัฒนาด้วยความช่วยเหลือในการทำให้ใกล้ชิดกับระบบในชีวิตจริงมากขึ้นเพื่อคาดการณ์การสร้างระบบที่ซับซ้อน ดังนั้นจึงแก้ปัญหาโดยใช้อัลกอริทึมแบบทีละขั้นตอน

เมื่อพูดถึงองค์กรขนาดใหญ่ การวิเคราะห์ระบบมีความสำคัญอย่างยิ่งในการแก้ไขและทำให้ระบบมีประสิทธิภาพ โดยเฉพาะอย่างยิ่งสำหรับบริการฉุกเฉิน เช่น การดูแลสุขภาพและการจัดการสนามบิน มีความจำเป็นต้องตรวจสอบกิจกรรมของบุคคลตลอดเวลาและเตรียมพร้อมรับมือกับสถานการณ์ที่ท้าทาย สิ่งนี้สามารถทำได้โดยรับข้อมูลเชิงลึกจากแบบจำลอง Python เท่านั้น

SimPy คืออะไร?

SimPy ย่อมาจากไลบรารีจำลองเหตุการณ์พิเศษแบบโอเพนซอร์ซและอิงตามวิธีการ ซึ่งเป็นที่ต้องการขององค์กรที่เกี่ยวข้องกับการจัดการทรัพยากรตลอด 24 ชั่วโมง เช่น ผู้โดยสาร ผู้ป่วย ยานพาหนะ และทรัพย์สิน บ่อยครั้งที่ระบบเหล่านี้มาพร้อมกับข้อจำกัดหรือความสามารถในการให้ทิป เช่น เคาน์เตอร์ชำระเงิน แผนกต้อนรับ และทางด่วน

นอกเหนือจากบริการดังกล่าว SimPy ยังช่วยในการสร้างการวิเคราะห์ทั่วไปด้วยความช่วยเหลือของตัวแปรสุ่มใน Python SimPy เขียนด้วยภาษา Python ทั้งหมด สามารถทำงานบนหลายสภาพแวดล้อม เช่น Java Virtual Machine หรือ .NET

ต่อไปนี้คือตัวอย่างข้อมูลโค้ดการจำลองใน SimPy:

env = simpy. สิ่งแวดล้อม ()

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

env.run(จนถึง=10)

เนื่องจากสภาพแวดล้อมและพารามิเตอร์ได้รับการตั้งค่าก่อนที่จะรันโค้ด คุณจะต้องกำหนดตัวแปรดังนี้:

• env: หมายถึงสถานการณ์ที่จำเป็นต้องใช้การจำลองเพื่อเรียกใช้และวิเคราะห์เหตุการณ์
• num_booths: จำนวนบูธทั้งหมดที่มีการตรวจสอบบัตรประจำตัว
• check_time: ระยะเวลาในการตรวจสอบ ID ของผู้โดยสารแต่ละคน
• Passenger_arrival: ความถี่ของผู้โดยสารที่รอต่อคิว

โปรดจำไว้ว่าตัวแปรเหล่านี้สามารถเปลี่ยนแปลงได้เมื่อจำเป็นสำหรับการรวบรวมข้อมูลตามความเป็นจริงที่เพียงพอ

เมื่อคุณทราบแล้วว่าร่างการจำลองสถานการณ์เป็นอย่างไร ต่อไปนี้คือขั้นตอนที่คุณอาจพบว่ามีประโยชน์ขณะเขียนโค้ดสำหรับเหตุการณ์ที่คล้ายคลึงกัน:

ขั้นตอนที่ 1: กำหนดสภาพแวดล้อม

ขั้นตอนที่ II: กำหนดมาตรฐานที่เกี่ยวข้อง

ขั้นตอนที่ III: ดำเนินการจำลอง

สำหรับตอนนี้ ขั้นตอนเหล่านี้ก็เพียงพอแล้วที่จะเริ่มต้น ก่อนที่เราจะพิจารณากระบวนการอื่นๆ ที่เกี่ยวข้องอย่างใกล้ชิดยิ่งขึ้น

อ่านเพิ่มเติม: คู่มือโมดูลคำขอ Python: วิธีใช้ไลบรารีคำขอใน Python

ข้อกำหนดเบื้องต้นก่อนที่คุณจะเริ่ม SimPy

ก่อนเริ่มต้นใช้งาน SimPy คุณจะต้องมีความเข้าใจอย่างลึกซึ้งเกี่ยวกับพื้นฐานของ Python รวมถึงคลาสและตัวสร้าง เครื่องกำเนิดไฟฟ้าสามารถกำหนดเป็นฟังก์ชัน Python แบบแยกส่วนซึ่งส่งคืนอ็อบเจ็กต์ในการวนซ้ำ ซึ่งจะแนบมากับเนื้อหาของฟังก์ชัน เช่นเดียวกับตัวแปรท้องถิ่นที่จุดเริ่มต้นของฟังก์ชัน เป็นเพราะตัววนซ้ำนี้ที่ฟังก์ชันช่วยในการดำเนินการคำสั่งผลตอบแทน และสร้างผลลัพธ์ของนิพจน์ที่กำหนด

งบผลตอบแทนเป็นเครื่องมือที่ช่วยในการกำหนดตารางเวลาหรือกระบวนการของเหตุการณ์ใดๆ เหตุการณ์อาจเป็นการเรียกตัวเอง (เช่น จนกว่ารถคันถัดไปจะออก) หรือร้องขอหรือปล่อยทรัพยากรใดๆ เช่น ช่องสัญญาณ ข้อความเหล่านี้มีชื่อว่า:

• คำขอผลตอบแทน: บัญชีนี้ใช้เพื่อสั่งให้ระบบเพิ่มรายการรอสำหรับทรัพยากรใด ๆ และนำไปใช้ทันที
• ถือผลตอบแทน: โดยทั่วไปคำสั่งนี้ใช้เพื่อเน้นเวลาที่เกี่ยวข้องใด ๆ สำหรับการดำเนินการตามขั้นตอนต่าง ๆ ในวิธีการ
• Yield passivate: คำสั่งนี้ใช้เพื่อให้กระบวนการรอจนกว่าฟังก์ชันอื่นจะทริกเกอร์
• การปล่อยผลตอบแทน: คำสั่งนี้ใช้ในระบบเพื่อให้ได้รับการอัปเดตเมื่อกระบวนการเสร็จสิ้น จึงเป็นการกำหนดขั้นตอนต่อไปที่รออยู่ในบรรทัด

ตอนนี้ คุณมีแนวคิดเกี่ยวกับกระบวนการทำงานของระบบแล้ว คุณจะต้องติดตั้งแพ็คเกจลงในคำสั่งซื้อของคุณด้วยเฟรมเวิร์กเริ่มต้นที่ตั้งค่าเป็น SimPy แพ็คเกจหลักนี้จะช่วยคุณในการสร้าง จัดการ และดำเนินการแบบจำลองการจำลองทั้งหมด ด้วยความช่วยเหลือของโมดูล Python ในตัว คุณสามารถรวบรวมเวลารอโดยเฉลี่ยที่เกี่ยวข้องได้ เช่นเดียวกับการสุ่มตัวเลข

เครื่องกำเนิดตัวเลขสุ่มมีฟังก์ชันดังต่อไปนี้:

1. กำหนดโมดูลสุ่ม
2. เป็นตัวแทนของเครื่องกำเนิดไฟฟ้า
3. การหาตัวแปรสุ่ม: เหมือนกับตัวเลขสุ่มตั้งแต่ 10 ถึง 40: g. สุ่ม()

ชำระเงิน: เงินเดือนนักพัฒนา Python ในอินเดีย

เรียนรู้ หลักสูตรวิทยาศาสตร์ข้อมูล จากมหาวิทยาลัยชั้นนำของโลก รับโปรแกรม PG สำหรับผู้บริหาร โปรแกรมประกาศนียบัตรขั้นสูง หรือโปรแกรมปริญญาโท เพื่อติดตามอาชีพของคุณอย่างรวดเร็ว

เรียกใช้ การจำลอง Python

เมื่อคุณเขียนโค้ดเสร็จแล้ว คุณสามารถรันโปรแกรมได้โดยใช้คลาสและฟังก์ชันง่ายๆ สองสามคลาส ลองนึกภาพระบบจำลองสำหรับโรงละครที่ต้องการทำความเข้าใจเวลารอโดยเฉลี่ยของลูกค้า

เพื่อให้ SimPy ดีขึ้น สิ่งที่คุณต้องทำคือระดมสมองและสร้างแบบจำลองใน Python โดยใช้พารามิเตอร์ ตัวสร้าง ฟังก์ชัน และคลาส เนื่องจากสภาพแวดล้อมของการจำลองแต่ละรายการแตกต่างกันไปในแต่ละกรณี ต่อไปนี้คือการแก้ไขกระบวนการที่เกี่ยวข้องอย่างรวดเร็ว:

• การตั้งค่าอัลกอริธึมที่เหมาะสมสำหรับการจำลองใดๆ
• การสร้างสถานการณ์ใน Python
• การกำหนดและกำหนดฟังก์ชันด้วยทรัพยากรและวิธีการที่เกี่ยวข้องทั้งหมด
• การเพิ่มประสิทธิภาพพารามิเตอร์ในการจำลองเพื่อสร้างผลลัพธ์ที่สามารถดำเนินการได้

อ่านเพิ่มเติม: 42 แนวคิดและหัวข้อโครงการ Python ที่น่าตื่นเต้นสำหรับผู้เริ่มต้น

บทสรุป

หากคุณอยากเรียนรู้เกี่ยวกับ Python, data science, ลองดู IIIT-B & upGrad's PG Diploma in Data Science ซึ่งสร้างขึ้นสำหรับมืออาชีพด้านการทำงานและเสนอกรณีศึกษาและโครงการมากกว่า 10 รายการ, การประชุมเชิงปฏิบัติการเชิงปฏิบัติ, การให้คำปรึกษากับผู้เชี่ยวชาญในอุตสาหกรรม ตัวต่อตัวกับที่ปรึกษาในอุตสาหกรรม การเรียนรู้มากกว่า 400 ชั่วโมงและความช่วยเหลือด้านงานกับบริษัทชั้นนำ