Kế tiếp. Chỉ mục trừu tượng. Mục lục
F. Oliver Gathmann
Đại học Toronto, Nhóm nghiên cứu sinh thái nước mặt và nước ngầm,
Phòng Khoa học Đời sống, Đường mòn Quân sự 1265, M1C 1A4 Scarborough, Ontario, Canada
gathmann@scar. utoronto. ca
F. O. Gátmann ;
DE-Sim là một công cụ mô phỏng sự kiện rời rạc hướng đối tượng [DES] mã nguồn mở, dựa trên Python giúp dễ dàng sử dụng các bộ dữ liệu lớn, không đồng nhất và các công cụ khoa học dữ liệu cấp cao như NumPy, Scipy, pandas và SQLAlchemy . Tương tự như Mô phỏng, các mô hình DE-Sim được triển khai bằng cách xác định các đối tượng quy trình logic đọc các giá trị của một tập hợp các biến và lên lịch các sự kiện để sửa đổi các giá trị của chúng tại các thời điểm rời rạc.
Để giúp người dùng xây dựng và mô phỏng các mô hình phức tạp, dựa trên dữ liệu, DE-Sim cung cấp các tính năng sau
- Mô hình hướng đối tượng cấp cao. DE-Sim giúp người dùng dễ dàng sử dụng lập trình Python hướng đối tượng để xây dựng mô hình. Điều này giúp dễ dàng sử dụng các bộ dữ liệu lớn, không đồng nhất và các gói khoa học dữ liệu cấp cao như NumPy, pandas, SciPy và SQLAlchemy để xây dựng các mô hình phức tạp
- điều kiện dừng. DE-Sim giúp dễ dàng kết thúc mô phỏng khi đạt được các tiêu chí cụ thể. Các nhà nghiên cứu có thể chỉ định các điều kiện dừng là các hàm trả về giá trị đúng khi mô phỏng kết thúc
- Điểm kiểm tra kết quả. DE-Sim giúp dễ dàng ghi lại kết quả mô phỏng bằng cách sử dụng mô-đun điểm kiểm tra có thể định cấu hình
- mô phỏng tái sản xuất. Để giúp các nhà nghiên cứu gỡ lỗi mô phỏng, các lần thực hiện lặp lại cùng một mô phỏng với cùng cấu hình và cùng một hạt giống trình tạo số ngẫu nhiên sẽ tạo ra kết quả giống nhau
- Trực quan hóa không gian-thời gian. DE-Sim tạo trực quan hóa không-thời gian của các quỹ đạo mô phỏng. Những sơ đồ này có thể giúp các nhà nghiên cứu hiểu và gỡ lỗi mô phỏng
Các dự án sử dụng DE-Sim
DE-Sim đã được sử dụng để phát triển WC-Sim, một trình giả lập đa thuật toán cho các mô hình toàn bộ tế bào
ví dụ
- mô phỏng tối thiểu. một ví dụ tối thiểu của một mô phỏng
- đi bộ ngẫu nhiên. bước đi một chiều ngẫu nhiên làm tăng hoặc giảm một biến với xác suất bằng nhau tại mỗi sự kiện
- Giữ song song [PHOLD]. mô hình được phát triển bởi Richard Fujimoto để đo điểm chuẩn cho các trình mô phỏng DES song song
- Bệnh dịch. một mô hình SIR của một dịch bệnh truyền nhiễm
hướng dẫn
Vui lòng xem hộp cát. karrlab. org để có các hướng dẫn tương tác về cách tạo và thực hiện các mô hình với DE-Sim
Mẫu cho các mô hình và mô phỏng
de_sim/examples/minimal_simulation.py
chứa mẫu để triển khai và mô phỏng mô hình với DE-Sim
Cài đặt
Cài đặt phụ thuộc
- Trăn >= 3. 7
- số điểm >= 19
Cài đặt gói này bằng một trong các phương pháp sau
Cài đặt bản phát hành mới nhất từ PyPI
pip install de_sim
Cài đặt hình ảnh Docker với bản phát hành mới nhất từ DockerHub
docker pull karrlab/de_sim
Cài đặt phiên bản mới nhất từ GitHub
pip install git+//github.com/KarrLab/de_sim.git#egg=de_sim
tài liệu API
Vui lòng xem tài liệu API
Hiệu suất
Vui lòng xem bài viết DE-Sim để biết thông tin về hiệu suất của DE-Sim
Điểm mạnh và điểm yếu so với các công cụ DES khác
Vui lòng xem bài viết DE-Sim để so sánh DE-Sim với các công cụ DES khác
Giấy phép
Gói được phát hành theo giấy phép MIT
Trích dẫn DE-Sim
Vui lòng sử dụng tài liệu tham khảo sau đây để trích dẫn DE-Sim
Arthur P. Goldberg & Jonathan Karr. [2020]. DE-Sim. một công cụ mô phỏng sự kiện rời rạc, hướng đối tượng để mô hình hóa dữ liệu chuyên sâu của các hệ thống phức tạp trong Python. Tạp chí Phần mềm Nguồn Mở, 5[55], 2685
Đóng góp cho DE-Sim
Chúng tôi nhiệt tình hoan nghênh những đóng góp cho DE-Sim. Vui lòng xem hướng dẫn đóng góp và quy tắc ứng xử của nhà phát triển
Nhóm phát triển
Gói này được phát triển bởi Phòng thí nghiệm Karr tại Trường Y khoa Icahn ở Mount Sinai ở New York, Hoa Kỳ bởi các cá nhân sau
- Arthur Goldberg
- Jonathan Karr
Sự nhìn nhận
Công trình này được hỗ trợ bởi giải thưởng 1649014 của Quỹ Khoa học Quốc gia, giải thưởng R35GM119771 của Viện Y tế Quốc gia và Viện Khoa học Dữ liệu và Công nghệ gen Icahn
mô phỏng python lập trình hướng đối tượng mô phỏng sự kiện rời rạc mô hình tính toán mô hình điều khiển dữ liệu
- Cập nhật17/12/2020
- con trăn
FuchsTom / ProdSim
Sao 10
- Mã số
- Vấn đề
- Yêu cầu kéo
ProdSim là một mô phỏng sự kiện rời rạc dựa trên quy trình dành cho môi trường sản xuất dựa trên khung SimPy
sản xuất mô phỏng simpy rời rạc-sự kiện-mô phỏng
- Cập nhật29/12/2021
- con trăn
nhsx / HSMA4-12-DES-thấp khớp
Sao 1
- Mã số
- Vấn đề
- Yêu cầu kéo
[repo sắp hoàn thiện] Dự án HSMA4 - Mô phỏng sự kiện rời rạc - Vai trò của Bệnh nhân Bắt đầu Theo dõi trong việc hỗ trợ phục hồi tự chọn trong bệnh thấp khớp
mô phỏng chăm sóc sức khỏe rời rạc-sự kiện-mô phỏng
- Cập nhật28/11/2022
- con trăn
aarjaneiro / ParallelQueue
Nhà tài trợ
Sao 1
- Mã số
- Vấn đề
- Yêu cầu kéo
- thảo luận
Gói mô phỏng hệ thống xếp hàng song song trong Python
mô phỏng hàng đợi python xử lý song song đơn giản mô phỏng sự kiện rời rạc
- Cập nhật ngày 1 tháng 7 năm 2021
- con trăn
onurozler / LibraryMô phỏng
Sao 2
- Mã số
- Vấn đề
- Yêu cầu kéo
Mô phỏng sự kiện rời rạc của thư viện trong Python bằng cách sử dụng gói SimPy
python simpy mô phỏng sự kiện rời rạc
- Cập nhật2 tháng 4 năm 2019
- con trăn
hiiroo / simpy_playground
Sao 1
- Mã số
- Vấn đề
- Yêu cầu kéo
Tuyển tập các bài thực hành sử dụng thư viện SimPy, Mô phỏng sự kiện rời rạc
mô phỏng sự kiện rời rạc đơn giản
- Cập nhật18/10/2018
- con trăn
dufferzafar / mô phỏng tiền điện tử
Sao 2
- Mã số
- Vấn đề
- Yêu cầu kéo
IIT D - COL 867 - Trình mô phỏng sự kiện rời rạc cho Mạng tiền điện tử P2P
bitcoin p2p rời rạc-sự kiện-mô phỏng
- Cập nhật23 tháng 5 năm 2018
- con trăn
GUVWAF/Meshtasticator
Sao 12
- Mã số
- Vấn đề
- Yêu cầu kéo
Trình mô phỏng tương tác và sự kiện rời rạc cho Meshtastic
lora rời rạc-sự kiện-mô phỏng mạng mô phỏng lướitastic
- Cập nhậtngày 17 tháng 1 năm 2023
- con trăn
npapadis / tái cân bằng kênh thanh toán
Sao 4
- Mã số
- Vấn đề
- Yêu cầu kéo
- thảo luận
Trình mô phỏng sự kiện rời rạc dựa trên SimPy cho nút chuyển tiếp trong mạng kênh thanh toán bằng cách sử dụng các chính sách tái cân bằng hoán đổi tàu ngầm khác nhau, bao gồm một chính sách dựa trên Deep Reinforcement Learning
blockchain-củng cố sâu-học tập sét-mạng lưới tái cân bằng rời rạc-sự kiện-mô phỏng tàu ngầm-hoán đổi mềm-tác nhân-phê bình thanh toán-kênh-nút chuyển tiếp mạng
- Cập nhật 2 tháng 9 năm 2022
- con trăn
TU Delft-CITG / OpenSim
Sao 7
- Mã số
- Vấn đề
- Yêu cầu kéo
Mô phỏng sự kiện rời rạc của hàng đợi với ký hiệu Kendall
lý thuyết hàng đợi rời rạc-sự kiện-mô phỏng
- Cập nhật 13/11/2020
- con trăn
npapadis / lập kế hoạch kênh thanh toán
Sao 2
- Mã số
- Vấn đề
- Yêu cầu kéo
Trình mô phỏng sự kiện rời rạc dựa trên SimPy để lập lịch thanh toán trong kênh thanh toán
lập lịch tối ưu hóa mạng sét-mạng rời rạc-sự kiện-mô phỏng-kênh-mạng thanh toán
- Cập nhật 2 tháng 9 năm 2022
- con trăn
Vicomtech / ArchABM
Sao 10
- Mã số
- Vấn đề
- Yêu cầu kéo
Trình giả lập mô hình dựa trên tác nhân để đánh giá chất lượng không khí và rủi ro đại dịch trong không gian kiến trúc
kiến trúc tòa nhà chất lượng không khí mô phỏng dựa trên đại lý rời rạc-mô phỏng sự kiện covid-19
- Cập nhật ngày 5 tháng 1 năm 2022
- con trăn
gsharma007 / Single_Use_Systems_Simulation_Modeling_And_Optimization
Sao 1
- Mã số
- Vấn đề
- Yêu cầu kéo
Mô phỏng sự kiện rời rạc. Lập mô hình hàng đợi. Tối ưu hóa Bayes. Thiết kế nhân tố đầy đủ. "Thiết kế và vận hành các hệ thống sử dụng một lần được cá nhân hóa. Liệu pháp tế bào Car-T". Mô hình hóa các hệ thống sử dụng một lần bằng các kỹ thuật tối ưu hóa ngẫu nhiên
mô hình mô phỏng thiết kế thí nghiệm liệu pháp miễn dịch hàng đợi lý thuyết rời rạc mô phỏng sự kiện mô phỏng dựa trên sự kiện sản xuất sinh học