发布时间 : 星期日 文章第6章 模拟方法的集成模式更新完毕开始阅读
滤方法是对变量及其组合的变化范围进行聚焦处理，处理为一个或几个点。QSIM方法运行的这些步骤可归结为：
1）产生每个变量的所有可能的后续状态； 2）通过约束过滤掉不合理的后续状态； 3）组合剩余的后续状态；
4）通过全局过滤排除不合理的组合。 （5）运行特点
与离散模拟方法相比，QSIM方法的步骤是倒过来的，即先用局部规则，再用聚焦处理，因此，QSIM方法的原理可总结为：“局部规则”+“聚焦”，如图6.10所示。
但是，QSIM方法的运行规则要求变量连续变化，过滤方法是从数学逻辑的角度过滤变量不应该发生的行为，这些做法不太适合考虑人因素的管理系统。众所周知，现实生活中人的行为有可能发生突变，上午答应的事情，到了下午就可能变卦；另方面，人的行为也是讲究自己的章法的，如服从社会学、心理学、组织行为学的原理，不能按照一般性的数学逻辑来度量。因此，面向管理系统时，传统定性模拟方法要作相应的改进。
P规则的运用某阶段的开始（循环运行）...........变量的变化及其组合[过滤..[]]I规则的运用...........变量的变化及其组合图6.10 QSIM方法的原理的示意图
[过滤..[]某阶段的结束（循环运行）]
因此，QSIM方法的主要部件及结构如图6.11所示。
77
变量描述定性建模I、P规则过滤器模拟步骤图6.11 定性模拟方法
2）局限分析
当管理系统中出现不完备信息、甚至假信息时，其他的三类模拟方法都无能为力了，定性模拟却可以派上用场，这是定性模拟的优势，但这优势也反映了定性模拟的使用局限。
因为定性模拟的变量表达、变量的状态转移都带有显著的大致性，比如在水的加温过程中，无论是水温是200C还是800C，定性模拟方法对水温的表达都是一样的。显然，通过这样粗糙的处理，得到的模拟输出也会是粗糙的。因此，定性模拟方法需要与定量方法进行集成，以尽量得到精细的输出。
总之，通过以上分析可知，四类模拟方法都有各自的局限和问题，在面对复杂管理系统时，四类模拟方法需要相互集成、或与其他方法集成，以避免自己的缺陷，提升自己的模拟分析能力。
6.2 集成模式
6.2.1 模拟方法之间的集成
1）离散事件模拟与其他方法的集成
虽然离散事件模拟是成熟的、方法体系完整的模拟方法，但其应用面较窄，是专门针对排队系统的。
排队系统处于企业管理领域的执行层，如前所述的车间布局方案设计、生产和物流的调度管理等，是企业执行层常见的管理优化与控制问题。
离散事件模拟可以评价管理方案的性能，其做法是先进行多个管理方案的实验设计，再逐个方案进行模拟，通过模拟输出（即各方案的性能）来挑选最好的管理方案。其不足为：（1）要事先设计多个方案，每个方案要反复模拟，效率较低；（2）主要是评价管理方案的性能，不关注管理方案的其他指标，如成本预算指标。
管理优化的传统解决办法是数学规划法或非数值优化算法（如禁忌搜索、遗传算法、模拟退火等），多以成本最小为目标，其不足是：（1）大规模问题或考虑不确定性因素时，求解难度大；（2）多为单目标优化，得不到所优化的管理方案的性能评价。
78
由此看来，将离散事件模拟与传统优化法集成起来，可以到达取长补短之效，如图6.12所示。原本两种方法各自输出或评价的指标不全，那么，将两种方法集成起来（以左边阴影表示），就变为多目标优化方法了。
集成化：多目标优化输出多目标离散事件模拟...输出性能指标（如停留时间、排队长度、负荷率等）成本指标（即单目标）传统优化方法图6.12 离散事件模拟与优化方法的集成
两种方法的集成，有两种情形：
一是数学规划方法与离散事件模拟集成[1]，比如对于单元制造系统的单元设计问题，其做法是先用整数规划以成本最小为目标对单元优化问题建模，采用拉格朗日方法对所建大模型分解，对分解的模型采用Lingo软件求解，得到一个成本最小的单元成组方案，这只是可选方案之一，以此为基础，采用启发式方法得到单元成组的其他的多个可选方案，用离散事件模拟方法对所有可选方案逐个进行模拟，得到每个可选方案的性能评价指标，用BP神经网络方法对所有可选方案进行评价，从中挑选出最满意的方案（即多目标优化方案）。
二是非数值优化算法与离散事件模拟的集成[3]。其做法通常是串行地使用两个方法，一个方法的输出是另一个方法的输入。如图6.13所示。
比如对于生产作业计划的优化问题，先用禁忌搜索算法求解出一个计划方案，再用离散事件模拟方法模拟该方案，通过模拟结果来判断该方案是否满意；如果不满意，再回到禁忌搜索算法，…，如此反复，直到找到一个令人满意的解[4]。
禁忌搜索算法生产作业计划方案否离散事件模拟方案的性能评价[2]
是否满意？是结束
图6.13 禁忌搜索与离散事件模拟集成的串行模式
79
又如多级生产过程的检查策略问题，由于要考虑生产过程中固有的随机因素，所以先用离散事件模拟方法计算多个检查策略的成本，再用遗传算法寻求最佳的检查策略[5]。在建筑工程中的动态资源分配问题，是把非数值优化算法作为离散模拟方法中的一个环节[6]。
还有把禁忌搜索和遗传算法串接起来，再与离散事件模拟串接的应用。 2）系统动力学方法与其他方法的集成
虽然系统动力学也是成熟的、方法体系完整的模拟方法，但是，由于管理系统组成要素及关系的复杂，从静态的角度分清管理系统组成要素类型、数量，通过建模者的努力是可以做到的，但是，要想从动态的角度把握管理系统运行的总体框架，理清所有的反馈回路关系，几乎是不可能的。
系统动力学模型的系统的边界和结构静态化的缺陷，在面向管理系统问题时也比较突出。建模者好不容易建立起了管理系统的数学模型，一旦管理系统的结构或边界发生变化，数学模型需要重新建立。而管理系统常有这种质变，这就要求系统动力学模型应该能适应这些质变。
为此，系统动力学方法与其他方法的集成体现在两个方面。 （1）与非数值优化算法的集成
系统动力学建模的第一步，是确定系统的边界，以便下一步对边界内进行反馈回路分析。然而，随着社会经济的发展，管理系统（如企业）的边界已越来越模糊，这体现在某项业务的开展，很难局限在企业内部进行，而是有其他企业甚至政府实时地参与。这意味着管理系统随着模拟时钟的推移，在不同的模拟时段具有不同的边界，其外部环境是时变的。但是，反馈回路分析完成后所建立的系统动力学模型（即微分或差分方程）是静态的，自己不会变化，无法适应边界、环境的动态变化的要求。为此，系统动力学方法应该集成其他方法，以避免该缺陷。
在此方面，已有学者们集成了遗传算法的进化思想，即运用染色体串描述系统动力学模型的：a. 外部输入变量，即系统的边界；b. 参数，即微分或差分方程的参数[8]。还有学者运用遗传算法来进化系统动力学模型的结构，即进化数学方程的类型及数量[9]，染色体串的变异、进化，就是对模型结构的调整。
（2）与领域模型的集成
系统动力学模型主要是微分或差分方程形式的数学模型。然而，由于管理或控制系统的部件的复杂化、多样化，系统中有些部件的专业化领域相对独立，有自己的模型及运行模式。如人、水混合系统的系统动力学模拟，研究的是社会与自然的和谐演化规律，但是，其中的
80
[7]