标签: simulation

你能建议如何创建一个测试环境来模拟Web应用程序中各种类型的带宽和流量吗？

或者也许是一个程序开源来对抗localhost？

我认为这是编程网络应用程序时非常重要的主题,但它不是一个常见的主题,我可以想象创建这种环境的唯一方法是在本地网络中使用某种代理但在开始查看squid文档之前我想听听你的建议.

是否存在模拟引擎或框架的开源军事/战争策略？战斗规则引擎或武器选择指南？我正在寻找类似于模拟领域的军事战略"单元测试"的东西.

我正在努力建立的是部署在战场上的部队的战斗顾问.英特尔参与了敌人的行动 - 软件应该就最佳策略提出建议 - 比如国际象棋,只有两支军队.该框架应该是可扩展的 - 在城市游击战争的背景下,它应该建议战术行动,以抵消敌人的评估战场战术.这就是为什么我想知道任何开源计划,所以我可以从集体知识中学到一些东西并深入了解这个项目.

我突然意识到Mac OS X上没有Altera Quartus或Xilins ISE或ModelSim.

人们用什么来至少在Mac上模拟VHDL和原理图设计？

我想编写一个模拟许多粒子碰撞的小程序,首先从2D开始(我稍后将其扩展到3D),到(在3D中)模拟向Boltzmann分布的收敛,并且还看到分布如何在2D中演化.

我还没有开始编程,所以请不要问代码示例,这是一个相当普遍的问题,应该可以帮助我开始.这个问题背后的物理问题对我没有任何问题,而事实是我必须模拟至少200-500个粒子,以实现非常好的速度分布.我想实时做到这一点.

现在,对于每个时间步,我将首先更新所有粒子的位置,然后检查碰撞,以更新新的速度矢量.然而,这包括很多检查,因为我必须看看每个粒子是否与其他每个粒子发生碰撞.我发现这个帖子或多或少都是同一个问题,而且那里使用的方法也是我唯一能想到的.但是,我担心这不会在实时工作得很好,因为它会涉及太多的碰撞检查.

所以现在:即使这种方法在性能上有所提升(说得40fps),有人可以想办法避免不必要的碰撞检查吗？

我自己的想法是将板(或3D:空间)分成具有至少粒子直径的尺寸的正方形(立方体),并且如果两个粒子的中心在adjecent正方形内,则实现仅检查碰撞的方式在网格中......

我很乐意听到更多的想法,因为我想尽可能多地增加粒子数量,并且仍在进行实时计算/模拟.

编辑:所有碰撞都是纯粹的弹性碰撞,没有任何其他力量对粒子进行处理.我将实现的初始情况由用户选择的一些变量确定,以选择随机起始位置和速度.

EDIT2:我发现了粒子碰撞的模拟一个很好的和非常有益的纸在这里.希望它可以帮助一些对更深层次感兴趣的人.

我知道已经提出了一些类似的问题,但我认为他们要求在自己的应用程序中模拟触摸,但是我想制作一个可以"使用"任何应用程序的代理.

因此,我想要实现的目标应该是作为一系列输入(触摸:{x1,y1},{x2,y2}等)并控制任何应用程序(例如Facebook),就像真正的用户正在触摸该坐标一样.

有没有例子或方法？或者已经存在的问题？

谢谢你的帮助!

编辑:我认为解决方案 - 如果存在 - 将可能涉及PC.要么将我真正的Android设备连接到我的电脑,要么使用虚拟Android设备.但是,虚拟设备不支持Google Play,我需要使用Google Play中的某些应用.

我想创建一个充满虚拟生物的城市.

像Sim City一样,每个生物四处走动,做自己的任务.

我更喜欢这个城市不会'爆炸'或做一些奇怪的事情 - 就像人口消失,人口离开,或任何其他意外的废话.

是否有一套基本规则我可以​​对每个代理进行编码,以便城市"稳定"？(就像物理模拟的方式一样,我们有一些基本的规则来管理一切;是否有一套规则来控制虚拟城市的模拟将如何稳定？)

我是这个领域的新手,不知道要研究哪些算法/书籍.洞察深表赞赏.

谢谢!

是否有一种理智的单元测试随机过程的方法？例如,假设您已为特定系统模型编写了模拟器.模拟器基于rng的种子随机工作,因此无法预测系统的状态,并且如果每次测试都可以在系统尝试测试任何类的方法之前将系统置于特定状态.有一个更好的方法吗？

我在Python 3中复制了一小块Sugarscape代理仿真模型.我发现我的代码的性能比NetLogo慢约3倍.它可能是我的代码的问题,还是它可能是Python的固有限制？

显然,这只是代码的一个片段,但是Python花费了三分之二的运行时间.我希望如果我写了一些非常低效的东西,它可能会出现在这个片段中:

UP = (0, -1)
RIGHT = (1, 0)
DOWN = (0, 1)
LEFT = (-1, 0)
all_directions = [UP, DOWN, RIGHT, LEFT]
# point is just a tuple (x, y)
def look_around(self):
    max_sugar_point = self.point
    max_sugar = self.world.sugar_map[self.point].level
    min_range = 0

    random.shuffle(self.all_directions)
    for r in range(1, self.vision+1):
        for d in self.all_directions:
            p = ((self.point[0] + r * d[0]) % self.world.surface.length,
                (self.point[1] + r * d[1]) % self.world.surface.height)
            if self.world.occupied(p): # checks if p is in a lookup …

我正在研究蛋白质结构的蒙特卡罗模拟脚本.我从来没有在蒙特卡洛脚本之前做过.我将大规模扩展这个计划.根据蛋白质xyz坐标我必须定义盒子大小.此框将被划分为大小为0.5 A的网格.根据距离和角度标准,我必须根据Boltzmann概率分布指定点.

我的程序应该通过取0.5 A的网格在每个方向上移动并生成随机点并检查距离和角度的条件.如果满足条件,则根据玻尔兹曼概率分布丢弃该点.

这是我生成随机点的代码

from __future__ import division    
import math as mean    
from numpy import *   
import numpy as np   
from string import *    
from random import *    

def euDist(cd1, cd2):# calculate distance
    d2 = ((cd1[0]-cd2[0])**2 + (cd1[1]-cd2[1])**2 + (cd1[2]-cd2[2])**2)
    d1 = d2 ** 0.5
    return round(d1, 2)

def euvector(c2,c1):# generate vector
    x_vec = (c2[0] - c1[0])
    y_vec = (c2[1] - c1[1])
    z_vec = (c2[2] - c1[2])
    return (x_vec, y_vec, z_vec)


 for arang in range(1000):  # generate random point …

我正在尝试使用Python模拟t-copula,但我的代码会产生奇怪的结果(表现不佳):

我遵循Demarta&McNeil(2004)在"The t Copula and Related Copulas"中提出的方法,该方法指出:

通过直觉,我知道自由度参数越高,t copula应该越像高斯型(因此尾部依赖性越低).但是,考虑到我从scipy.stats.invgamma.rvs或从中抽样scipy.stats.chi2.rvs,我的参数产生更高的值,我的参数s越高df.这没有任何意义,因为我发现多篇论文表明df- > inf,t-copula - > Gaussian copula.

这是我的代码,我做错了什么？(我是Python的初学者).

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.stats import invgamma, chi2, t

#Define number of sampling points
n_samples = 1000
df = 10

calib_correl_matrix = np.array([[1,0.8,],[0.8,1]]) #I just took a bivariate correlation matrix here
mu = np.zeros(len(calib_correl_matrix))
s = chi2.rvs(df)
#s = invgamma.pdf(df/2,df/2) 
Z = …