Computing optimal Alokasi Anggaran (OCBA)

untuk Pengambilan Keputusan berbasis Simulasi dalam Ketidakpastian (Simulasi Optimization)

- Cari alternatif desain terbaik menggunakan simulasi waktu minimum

*** Cari beberapa informasi terbaru di OCBA Wikipedia situs.


Kami memiliki state-of-the-art pendekatan cerdas mengalokasikan komputasi anggaran untuk optimasi simulasi efisien. Tujuannya adalah untuk menemukan desain terbaik menggunakan waktu simulasi minimum. Banyak dari kita co-penulis dan teman-teman berkontribusi untuk memperkaya daerah ini.

Simulasi adalah alat populer untuk merancang besar, kompleks, sistem stokastik, karena solusi analitis bentuk tertutup umumnya tidak ada untuk masalah seperti itu. Sementara kemajuan teknologi baru telah meningkat secara dramatis daya komputasi, efisiensi masih menjadi perhatian besar ketika menggunakan simulasi untuk desain sistem besar, dalam hal banyak alternatif desain harus disimulasikan. Untuk membuat masalah lebih buruk, beberapa simulasi berjalan harus dilakukan untuk setiap desain untuk menangkap perilaku stochastic dalam sistem. Bagaimana untuk secara dramatis mengurangi jumlah waktu komputasi adalah isu utama dalam topik ini.

Sebuah komponen kunci dari metodologi kami adalah kontrol-teori teknik simulasi baru yang disebut Optimal Computing Alokasi Anggaran (OCBA). The OCBA pendekatan cerdas dapat menentukan nomor replikasi simulasi yang paling efisien atau panjang simulasi untuk semua alternatif simulasi. Tujuannya adalah untuk mendapatkan kualitas keputusan simulasi tertinggi menggunakan anggaran komputasi tetap, atau untuk mencapai kualitas keputusan simulasi yang diinginkan menggunakan anggaran komputasi minimum. pengujian numerik menunjukkan bahwa pendekatan kami dapat memperoleh kualitas simulasi yang sama dengan hanya sepersepuluh upaya simulasi.

OCBA ini juga cocok untuk simulasi stokastik optimasi. Alasan utama bahwa optimasi simulasi sulit adalah sifat stochastic mengevaluasi fungsi tujuan, yang berarti bahwa ada tradeoff dasar antara mengabdikan upaya komputasi pada mencari ruang untuk solusi calon baru (eksplorasi) versus mendapatkan perkiraan yang lebih akurat dari fungsi tujuan di solusi saat ini menjanjikan (eksploitasi). Dengan kata lain, berapa banyak anggaran simulasi harus dialokasikan untuk ulangan tambahan di sudah mengunjungi poin dan berapa banyak untuk ulangan pada titik-titik pencarian baru yang dihasilkan adalah pertimbangan utama dalam hal efisiensi komputasi. Dalam prosedur, OCBA berurutan menentukan alternatif desain membutuhkan lebih banyak simulasi dan berapa banyak ulangan tambahan diperlukan.

Secara intuitif, untuk memastikan bahwa alternatif terbaik benar dipilih, porsi yang lebih besar dari anggaran komputasi harus dialokasikan kepada mereka alternatif yang sangat penting dalam proses mengidentifikasi alternatif terbaik. Dengan kata lain, jumlah yang lebih besar dari simulasi harus dilakukan dengan alternatif-alternatif penting untuk mengurangi variasi ini estimator kritis '. Secara keseluruhan efisiensi simulasi ditingkatkan sebagai upaya kurang komputasi yang dihabiskan pada simulasi alternatif non-kritis dan lebih banyak dihabiskan untuk alternatif penting. Ide-ide dijelaskan menggunakan contoh sederhana berikut. Misalkan kita melakukan simulasi selama 5 alternatif untuk menentukan alternatif dengan keterlambatan rata-rata minimum. Pertama-tama, kami melakukan beberapa simulasi awal untuk semua 5 alternatif. Gambar 1- (a) memberikan contoh interval kepercayaan 99% yang diperoleh dari simulasi awal. Perhatikan bahwa ketidakpastian estimasi adalah karena fitur stochastic sistem dan penggunaan simulasi Monte Carlo.

 

Gambar 1 . Interval kepercayaan 99% selama lima alternatif setelah beberapa simulasi awal dalam (a) kasus sepele, dan (b) kasus yang lebih umum.

 

Seperti yang terlihat pada Gambar 1- (a), sementara ada ketidakpastian dalam estimasi kinerja untuk setiap alternatif, jelas bahwa alternatif 2 dan 3 yang jauh lebih baik daripada alternatif lain, jika kita berniat untuk mencari alternatif dengan mean minimum delay. dan sehingga hanya alternatif 2 dan 3 perlu lebih disimulasikan untuk mengurangi ketidakpastian estimasi untuk benar mengidentifikasi alternatif terbaik. dengan menghentikan simulasi untuk alternatif 1, 4, dan 5 sebelumnya, kita bisa menghemat banyak biaya perhitungan.

Namun, apa yang sebenarnya terjadi dalam banyak kasus tidak sepele seperti yang ditunjukkan pada Gambar 1- (a). Hal ini lebih umum untuk melihat kasus-kasus seperti contoh lain yang ditunjukkan pada Gambar 1- (b), di mana beberapa alternatif tampak lebih baik, tetapi tidak jelas lebih baik daripada yang lain. Hal ini tidak mudah dalam kasus tersebut untuk menentukan alternatif dapat dihapus dari simulasi percobaan, dan ketika mereka harus dihentikan. OCBA menyediakan pendekatan sistematis untuk mengatasi masalah ini dan mengalokasikan simulasi berjalan dengan alternatif dengan cara yang efisiensi simulasi dimaksimalkan.

Untuk mempelajari lebih lanjut tentang OCBA, berikut dua makalah adalah titik awal yang baik:

Pengenalan OCBA Situs

Chen, CH dan LH Lee, Optimasi Simulasi Stochastic: Sebuah Alokasi Optimal Computing Anggaran . Dunia Ilmiah Publishing Co, 2011.

Chen, CH, M. Fu, dan L. Shi, "Simulasi dan Optimasi," Tutorial di Riset Operasi , pp. 247-260, Menginformasikan, Hanover, MD, 2008.

Fu, M, CH Chen, dan L. Shi, "Beberapa Topik untuk Optimasi Simulasi," Proceedings of 2008 Musim Dingin Simulasi Conference , pp. 27-38, Miami, FL, Desember 2008.


Berikut adalah beberapa publikasi yang lebih representatif tentang teknik OCBA.

Sebelumnya Pengembangan OCBA

Chen, CH "Pendekatan Efektif cerdas Alokasikan Computing Anggaran untuk Discrete acara Simulasi," Prosiding 34 IEEE Konferensi Keputusan dan Pengendalian , pp. 2598-2605, Desember 1995.

Chen, CH "A rendah Bound untuk Probabilitas Subset-Seleksi yang benar dan Aplikasinya untuk Discrete Kegiatan Sistem Simulasi," Transaksi IEEE pada Kontrol Otomatis , Vol. 41, No. 8, pp. 1227-1231, Agustus 1996.

Chen, CH, E. Yucesan, L. Dai, dan HC Chen, "Komputasi Efisien Optimal Alokasi Anggaran untuk Percobaan Discrete acara Simulasi," Transaksi IIE , Vol. 42, No. 1, pp. 60-70, Januari 2010.

OCBA untuk Memilih Desain Terbaik

Chen, CH, J. Lin, E. Yucesan , dan SE Chick "Anggaran Simulasi Alokasi untuk lebih lanjut Meningkatkan Efisiensi Ordinal Optimization," Journal of Discrete Acara Dinamis Sistem: Teori dan Aplikasi , Vol. 10, pp. 251-270, Juli 2000.

OCBA untuk Masalah dengan Multiple Tujuan

Lee, LH, EP Chew, SY Teng, dan D. Goldsman, "Optimal alokasi anggaran komputasi untuk multi-tujuan model simulasi," Proceedings of 2004 Musim Dingin Simulasi Conference , pp. 586-594 2004.

EJ Chen dan LH Lee, "A multi-tujuan prosedur pemilihan menentukan Pareto set", Komputer dan Riset Operasi, 36 (6) ,: 1872-1879, 2009.

S. Teng, LH Lee dan EP Chew, "Integrasi Ketidakpedulian-zona dengan Multi-tujuan Alokasi Computing Anggaran", European Journal of Operational Research, 203 (2): 419-429, 2010.

LH Lee, EP Chew, SY Teng, dan D. Goldsman (2010). Menemukan Pareto set untuk multi-tujuan model simulasi, muncul di Transaksi IIE .

OCBA untuk Memilih Sebuah Optimal Subset Desain Top (mengatakan top 5)

Chen, CH, D. Dia, M. Fu, dan LH Lee, "Efisien Alokasi Anggaran Simulasi untuk Memilih Optimal Subset," Menginformasikan Journal pada Computing , Vol. 20, No 4, pp. 579-595 2008.

OCBA untuk Memilih Alternatif Terbaik saat Sampel Apakah Berkorelasi

Fu, MC, JQ Hu, CH Chen, dan X. Xiong , "Alokasi Simulasi untuk Menentukan Desain Terbaik di Kehadiran Korelasi Sampling," Menginformasikan Journal pada Computing , Vol. 19, No. 1, pp. 101-111 2007.

OCBA untuk simulasi dan Optimasi

Dia, D., LH Lee, CH Chen, M. Fu, dan S. Wasserkrug , "Optimasi Simulasi Menggunakan Metode Cross-Entropy dengan Optimal Computing Alokasi Anggaran," muncul di Transaksi ACM pada Pemodelan dan Simulasi Komputer 2009.

Chew, EP, LH Lee, SY Teng, dan CH Koh , "Differentiated Layanan Inventarisasi Optimization menggunakan Nested Partisi dan MOCBA", Komputer dan Riset Operasi , 36 (5),: 1703-1710, 2009.

Lee, LH, EP Chew, SY Teng, dan YK Chen, "Multi-tujuan algoritma evolusioner berbasis simulasi untuk pesawat suku cadang masalah alokasi", European Journal of Operational Research , 189 (2): 476-491, 2008.

Chen, CH, D. Dia, M. Fu, dan LH Lee, "Efisien Alokasi Anggaran Simulasi untuk Memilih Optimal Subset," Menginformasikan Journal pada Computing , Vol. 20, No 4, pp. 579-595 2008.

Shi, L. dan CH Chen, "Algoritma Baru untuk Stochastic Discrete Sumber Daya Optimization Alokasi," Journal of Discrete Acara Dinamis Sistem: Teori dan Aplikasi , Vol. 10, pp. 271-294, Juli 2000.

Aplikasi dari OCBA

Hsieh, BW, CH Chen, SC Chang, "Efisien Komposisi berbasis Simulasi Dispatching Kebijakan oleh Mengintegrasikan Optimization Ordinal dengan Desain Eksperimen," IEEE Transaksi pada Otomasi Sains dan Teknik , Vol. 4, No 4, pp. 553-568, Oktober 2007.

Romero, VJ, DV Ayon , CH Chen, "Demonstrasi Probabilistic Ordinal Konsep Optimasi Optimasi Continuous-Variable bawah Ketidakpastian," Optimasi dan Teknik , Vol. 7, No 3, pp. 343-365, September 2006.

Chen, CH, dan D. Dia, "Cerdas Simulasi untuk Alternatif Perbandingan dan Aplikasi untuk Manajemen Lalu Lintas Udara," Journal of Sistem Sains dan Teknik Sistem , Vol. 14, No. 1, pp. 37-51, Maret 2005.

Chen, CH, K. Donohue, E. Yucesan , dan J. Lin, "Alokasi Optimal Computing Anggaran untuk Monte Carlo Simulasi dengan Aplikasi untuk Desain Produk," Journal of Simulasi Praktek dan Teori , Vol. 11, No. 1, pp. 57-74, Maret 2003.

Hsieh, BW, CH Chen, dan SC Chang, "Penjadwalan Semiconductor Wafer Fabrication dengan Menggunakan Ordinal Optimization Berbasis Simulasi," Transaksi IEEE pada Robotika dan Otomasi , Vol. 17, No. 5, pp. 599-608, Oktober 2001.

Chen, CH, SD Wu, dan L. Dai, "Ordinal Perbandingan Algoritma Heuristik Menggunakan Stochastic Optimization," Transaksi IEEE pada Robotika dan Otomasi , Vol. 15, No. 1, pp. 44-56, Februari 1999.

Asosiasi dengan Optimization Ordinal

Dai, L., CH Chen, dan JR Birge, "besar Konvergensi Sifat Dua Tahap Stochastic Programming," Journal of Optimasi Teori dan Aplikasi , Vol. 106, No. 3, pp. 489-510, September 2000.

Ho, YC, CG Cassandras, CH Chen, dan L. Dai, "Optimasi Ordinal dan Simulasi," Journal of Operasional Research Society , Vol. 51, No 4, pp. 490-500, April 2000.

Dai, L. dan CH Chen, "Tingkat Convergence untuk Ordinal Perbandingan Simulasi Dependent di Discrete acara Dynamic Systems," Journal of Optimasi Teori dan Aplikasi , Vol. 94, No. 1, pp. 29-54, Juli 1997.

Beberapa Generalisasi lain dan Pekerjaan Terkait

Blanchett, J., J. Liu, dan B. Zwart , "Large Penyimpangan Perspektif pada Optimasi Ordinal dari Heavy-Tailed Systems," Prosiding Musim Dingin Simulasi Conference 2007 , hlm. 489-494 2007.

Branke, J., SE Tercipta, dan C. Schmidt. Memilih prosedur seleksi. Manajemen Ilmu 53 1916-1932, 2007.

Cewek, S. dan K. Inoue. Baru dua-tahap dan prosedur sekuensial untuk memilih yang terbaik sistem simulasi. Riset Operasi 49 1609-1624, 2001.

Cewek, S. dan K. Inoue. Prosedur Baru untuk memilih yang terbaik sistem simulasi menggunakan nomor acak umum. Manajemen Ilmu 47 1133-1149 2001.

Glynn, P., S. Juneja . Sebuah perspektif penyimpangan besar pada optimasi ordinal. Prosiding 2004 Musim Dingin Simulasi Conference , 577-585 2004.

Pujowidianto, NA, LH Lee, CH Chen, CM Yep, "Optimal Computing Alokasi Anggaran Untuk Dibatasi Optimasi," muncul di Proceedings of 2009 Musim Dingin Simulasi Conference , pp. 584-589, Austin, TX, Desember 2009.

Trailovic , L. dan LY Pao. 2004. Komputasi alokasi anggaran untuk peringkat yang efisien dan pemilihan varians dengan aplikasi untuk menargetkan algoritma pelacakan. Transaksi IEEE pada Kontrol Otomatis 49 58-67, 2004.


OCBA Buku

1.      Sebuah buku baru tentang OCBA telah diterbitkan pada tahun 2011. Nama dari buku ini adalah "Optimasi Stochastic Simulasi: Sebuah Alokasi Optimal Computing Anggaran". Buku ini memberikan cakupan yang luas dan ekstensif pada metodologi optimasi simulasi yang efisien ini, dari ide dasar, pengembangan formal, untuk negara-of-art. Anda dapat memesannya dari Amazon.com .

2.      buku baru lain memperluas untuk perspektif yang lebih luas optimasi ordinal adalah " Optimasi Simulasi Stochastic untuk Discrete Kegiatan Sistem - Analisis Perturbation, Ordinal Optimization, dan luar " , yang diterbitkan pada tahun 2013.


Komputer Sumber Kode untuk OCBA

-          OCBA C Kode , yang juga muncul pada halaman 214-218 dari buku OCBA .

-          OCBA C ++ Kode , courtesy of Prof. Nurcin Celik di University of Miami

-          OCBA JAVA Kode , courtesy of Prof. Nurcin Celik di University of Miami


OCBA Demo (dan JAWA code)

OCBA Demo Menggunakan browser Web Anda .Demo ini dari OCBA dilaksanakan oleh A. Johnson,CheolY. Park, dan Ning Lin. Dalam demo tersebut, Anda akan melihat bagaimana OCBA dinamis pilihworthiesdesain untuk simulasi lebih lanjut.


Pergi ke Halaman Profesor Chun-Hung Chen

Pergi ke Halaman Profesor Loo Hay Lee

Pergi ke Halaman Profesor QS Jia

Pergi ke Halaman Profesor Nurcin Celik ini