یادگیری تقویتی عمیق (Deep Reinforcement Learning)

یادگیری تقویتی عمیق (Deep Reinforcement Learning یا به اختصار DRL) جهشی بزرگ در دنیای هوش مصنوعی است که از ترکیب دو حوزه قدرتمند به وجود آمده است: یادگیری تقویتی (RL) و یادگیری عمیق (Deep Learning).

در یادگیری تقویتی کلاسیک، ما معمولاً از جداول (مانند Q-Table) برای ذخیره ارزشِ هر اقدام در هر وضعیت استفاده می‌کنیم. اما تصور کنید در یک بازی ویدئویی با میلیون‌ها پیکسل، یا در دنیای واقعی با بی‌نهایت حالت مختلف روبرو هستیم؛ در این صورت:

بازی‌ها و شبیه‌سازی (Gaming & Simulation)

رباتیک و سیستم‌های خودگردان (Robotics & Autonomous Systems)

هوشمندسازی صنعتی، زنجیره تأمین و لجستیک (Smart Operations, Supply Chain & Logistics)

اقتصاد، بازارهای مالی و تجارت (Finance & Trading)

مراقبت‌های بهداشتی و پزشکی (Healthcare & Medicine)

سیستم‌های توصیه‌گر و شخصی‌سازی (Recommender Systems & Personalization)

انرژی و مدیریت منابع (Energy & Resource Management)

پردازش زبان طبیعی و مدل‌های زبانی (NLP & Large Language Models)

نوشته یادگیری تقویتی (RL) چیست؟ (الگوریتم ها، کاربردها، نرم افزارها) اولین بار در شرکت شبیه پردازان. پدیدار شد.

نوشته انجام موفقیت آمیز پروژه شبیه‌سازی خط تولید کشتی اولین بار در شرکت شبیه پردازان. پدیدار شد.

همانند سایر سیستم های تولیدی و خطوط تولید، این شرکت نیز با تصمیماتی مانند بهترین روش‌های دریافت مواد اولیه و ارسال محصولات، میزان انبارش، سناریوهای افزایش ظرفیت و بهینه سازی منابع مواجه هستند. در این راستا تصمیم گرفتند تا از ابزار شبیه سازی به عنوان یک ابزار کمک تصمیم برای استخراج بهترین سناریوها استفاده نمایند. با بهره‌گیری از ابزار شبیه سازی در سیستم های تولیدی و کارخانجات می توان:

• شناسایی گلوگاه ها و رفع آنها
• بهینه سازی منابع
• افزایش ظرفیت تولید
• بهبود فرآیندهای لجستیکی و عملیاتی
• تعیین میزان ظرفیت انبارش مواد خام و محصول در سناریوهای مختلف تولیدی

و سایر موارد مرتبط را بهینه سازی نمود. شرکت شبیه پردازان با برگزاری دوره آموزش نرم افزار شبیه سازی AnyLogic به مدت 24 ساعت در کارخانه آلومینیوم ایران، نسبت به انتقال دانش مدلسازی و شبیه سازی به تیم متخصص آلومینیوم ایران اقدام نمود.

جهت آشنایی بیشتر با کاربرد شبیه سازی در خطوط تولید و سیستم های تولیدی و کارخانجات، این مطلب را مطالعه نمایید.

نوشته برگزاری دوره آموزش نرم افزار شبیه سازی AnyLogic در شرکت آلومینیوم ایران اولین بار در شرکت شبیه پردازان. پدیدار شد.

نوشته انجام موفقیت آمیز پروژه شبیه‌سازی معدن سنگ آهن اولین بار در شرکت شبیه پردازان. پدیدار شد.

چرا باید از دوقلوی دیجیتال استفاده کنیم؟

استفاده از فناوری دوقلوی دیجیتال یا دیجیتال توین دارای مزیت‌های بسیاری است که در این قسمت به مهمترین آنها پرداخته می‌شود:

افزایش بهره‌وری: با ایجاد یک همزاد دیجیتالی از یک سیستم فیزیکی، مهندسان و اپراتورها می توانند مسائل بالقوه را قبل از وقوع شناسایی و به آنها رسیدگی کنند، عملکرد را بهینه کنند و زمان خرابی و هزینه های تعمیر و نگهداری را کاهش دهند.

تصمیم‌گیری بهتر: دوقلوی دیجیتال یا دیجیتال تویین داده‌ها و تجزیه و تحلیل‌های بی‌درنگ را ارائه می‌کنند و امکان تصمیم‌گیری بهتر و اقدامات آگاهانه‌تر را فراهم می‌کنند. این می تواند منجر به بهبود بهره وری، کاهش هزینه ها و افزایش سودآوری شود.

افزایش ایمنی و پایداری: دوقلوهای دیجیتال را می توان برای شناسایی خطرات احتمالی ایمنی و اثرات زیست محیطی مورد استفاده قرار داد و به اپراتورها اجازه می دهد تا قبل از وقوع حوادث اقدامات اصلاحی انجام دهند. علاوه بر این، با بهینه‌سازی عملکرد سیستم‌های فیزیکی، فناوری دوقلو دیجیتال می‌تواند به کاهش ضایعات و مصرف انرژی کمک کند و منجر به آینده‌ای پایدارتر شود.

بهبود رضایت مشتری: با بهینه‌سازی عملکرد سیستم‌های فیزیکی، فناوری دوقلوی دیجیتال می‌تواند به بهبود کیفیت محصول، کاهش زمان تحویل و افزایش تجربه کلی مشتری کمک کند.

افزایش نوآوری: فناوری دوقلوی دیجیتال را می توان برای شبیه سازی و آزمایش محصولات و فرآیندهای جدید استفاده کرد که چرخه های نوآوری سریع تر و کاهش زمان ورود به بازار را امکان پذیر می کند.

به طور کلی، فناوری دوقلو دیجیتال پتانسیل ایجاد انقلابی در شیوه طراحی، عملکرد و نگهداری سیستم‌های فیزیکی را دارد که منجر به بهبود کارایی، ایمنی و پایداری و همچنین افزایش سودآوری و رضایت مشتری می‌شود.

مراحل ساخت یک دوقلوی دیجیتال

نحوه و مراحل ساخت یک دوقلوی دیجیتال کاملاً وابسته به نوع سیستم مورد بررسی دارد. ولی به صورت کلی چند مرحله وجود دارد که می‌بایست تا رسیدن به یک دوقلوی دیجیتال طی شود که عبارتند از:

تعریف محدوده و اهداف: تعریف محدوده سیستم و تعریف اهداف استفاده از دوقلوی دیجتال اولین گامی است که می‌بایست انجام شود. در این مرحله پارامترها و متغیرهایی جهت مدلسازی و شناسایی شاخص‌های کلیدی عملکرد (KPI) جهت نظارت تعریف می‌گردند.

جمع آوری داده ها: جمع آوری داده ها در سیستم، از جمله داده های حسگرها، داده های عملکردی و سایر اطلاعات مرتبط. این فرآیند ممکن است شامل نصب حسگرها و سایر دستگاه‌های جمع‌آوری داده و ادغام با منابع داده موجود باشد.

ایجاد دوقلو دیجیتال: از نرم افزارهای مناسب برای ایجاد یک مدل مجازی از سیستم، بر اساس داده های جمع آوری شده استفاده کنید. در این مرحله ممکن است از نرم افزارهای مدل سازی سه بعدی یا نرم افزارهای شبیه‌سازی استفاده شود.

اعتبارسنجی و کالیبره کردن دوقلوی دیجیتال: اعتبارسنجی و کالیبره کردن دیجیتال توین از مقایسه عملکرد آن با عملکرد واقعی سیستم انجام می‌شود. این مرحله ممکن است شامل تنظیم پارامترها و متغیرهای به کار رفته در دوقلوی دیجیتال برای تطابق بهتر آن با سیستم واقعی باشد.

بهینه سازی عملکرد: از دوقلوی دیجیتال برای شبیه‌سازی سناریوهای عملیاتی مختلف و شناسایی فرصت‌ها برای بهینه سازی استفاده شود.

نظارت و تجزیه و تحلیل عملکرد: بر عملکرد سیستم واقعی و دیجیتال تویین نظارت شود و از ابزارهای تحلیلی برای تجزیه و تحلیل داده ها استفاده گردد. در این مرحله ممکن است از الگوریتم‌های یادگیری ماشین و سایر تکنیک‌های تحلیلی پیشرفته برای شناسایی الگوها و روندها و پیش‌بینی عملکرد آینده استفاده شود.

انجام اقدامات اصلاحی: بر اساس بینش به دست آمده از نظارت و تجزیه و تحلیل عملکرد، اقدامات اصلاحی برای بهینه سازی عملکرد سیستم واقعی انجام می‌شود. در این مرحله تنظیم رویه های عملیاتی، برنامه های تعمیر و نگهداری یا سایر عوامل انجام می‌شود.

استفاده از نرم افزار شبیه سازی AnyLogic برای ساخت دیجیتال توین

یکی از نرم افزارهای مطرح شبیه سازی جهت ساخت دیجیتال توین، نرم افزار شبیه سازی AnyLogic است که امکان ساخت مدل شبیه سازی از یک سیستم واقعی را به راحتی فراهم نموده است. AnyLogic به کاربران اجازه می دهد تا مدل های پویا از سیستم های پیچیده ایجاد کنند و می توان از آن برای مدل سازی طیف گسترده ای از سیستم ها، از فرآیندهای تولید گرفته تا عملیات زنجیره تامین تا سیستم های حمل و نقل استفاده کرد.

با استفاده از نرم افزار شبیه سازی AnyLogic، کاربران می توانند رفتار یک سیستم واقعی را شبیه سازی کنند و از آن برای آزمایش سناریوهای مختلف و شناسایی فرصت های بهینه سازی استفاده کنند. AnyLogic به کاربران اجازه می دهد تا هم رویدادهای گسسته و هم فرآیندهای پیوسته را مدل کنند و می توان از آن برای مدل سازی سیستم هایی با درجه بالایی از پیچیدگی و تنوع استفاده کرد.

یکی از مزایای کلیدی استفاده از AnyLogic برای مدل‌سازی دوقلوی دیجیتال، انعطاف‌پذیری و مقیاس‌پذیری آن است و به کاربران اجازه می دهد تا چندین پارادایم مدل سازی و شبیه سازی مانند مدل سازی مبتنی بر عامل، سیستم های پویا و دینامیکی و شبیه سازی رویدادهای گسسته پیشامد را ترکیب کنند و سیستم های پیچیده را با درجه بالایی از دقت مدل کنند.

آموزش ساخت دیجیتال توین یا دوقلوی دیجیتال با نرم افزار شبیه سازی AnyLogic

چنانچه تمایل دارید در زمینه دیجیتال توین تحقیقات انجام دهید و یا یک مدل دوقلوی دیجیتال از سیستم خود بسازید، پیشنهاد میکنیم در دوره آموزش نرم افزار شبیه سازی AnyLogic که توسط شرکت شبیه پردازان به عنوان نمایندگی رسمی نرم افزار در ایران ارائه می‌شود، شرکت نمایید. در این دوره آموزشی با نحوه ساخت مدل شبیه سازی با رویکردهای مختلف شبیه سازی آشنا خواهید شد و به راحتی میتوانید بعد از ساخت مدل شبیه سازی و اتصال آن به پایگاه‌های داده و اطلاعات حسگر و سنسورها، آن را به یک دوقلوی دیجیتال تبدیل کنید و از مزایای آن بهره‌مند شوید.

با توجه به جذابیت موضوع دیجیتال تویین، این موضوع برای پروژه های تحقیقاتی و دانشگاهی نیز بسیار مناسب است و دانشجویان نیز می‌توانند با شرکت در این دوره آموزشی وارد این حوزه جذاب شوند.

برای کسب اطلاعات بیشتر به دوره آموزش نرم افزار AnyLogic مراجعه نمایید.

نوشته دیجیتال توین یا دوقلوی دیجیتال چیست؟ (مراحل انجام و نرم افزارها) اولین بار در شرکت شبیه پردازان. پدیدار شد.

What is Computer Simulation?

Computer simulation lacks a comprehensive definition, as its application is vast and, accordingly, may have distinct definitions in various contexts. However, in a general definition, computer simulation can be described as a program developed in a computer environment with the aim of mimicking behavior. This behavior may pertain to a real system or an imaginary one.

Computer simulation is a tool that enables the analysis of complex behaviors, sometimes beyond the visualization and solving capabilities of mental models. The reason for developing such programs in a computer environment lies in harnessing the greater computational power of computers compared to the human mind. Thus, utilizing computational and hardware capabilities, these programs emulate and simulate the desired behavior.

Types of Computer Simulation

In general, computer simulation can be divided into two main types:

• Equation-Based Simulation: This type of simulation relies on mathematical equations to model and simulate the behavior of a system. It involves defining a set of equations that describe the relationships and interactions within the system. Equation-based simulations are often used for their accuracy and precision in representing complex systems.
• Agent-Based Simulation: In agent-based simulation, the focus is on modeling individual agents and their interactions within a system. Agents are autonomous entities with defined characteristics and behaviors, and the simulation observes the emergent patterns that arise from their interactions. This type of simulation is particularly useful for modeling systems where individual entities play a significant role.

Both types of computer simulations, equation-based and agent-based, are utilized for the purposes of understanding, prediction, and exploration. They provide valuable insights into the dynamics and behavior of systems, allowing researchers and analysts to study, anticipate, and discover patterns and outcomes.

Equation-based Computer Simulation

Equation-based computer simulation is commonly employed in situations where the governing laws of the system under investigation can be expressed through mathematical relationships and differential equations. Physical models are exemplary instances of equation-based simulations.

System dynamics modeling, or dynamic system modeling, is another example of equation-based computer simulation. It is used to examine the behavior of systems at a macro level, allowing for an analysis of system dynamics on a broader scale.

Agent-based Modeling

Agent-based modeling, as implied by its name, is based on elements called agents. These agents have independent behaviors and the capability to interact with and influence each other.

Initially prevalent in behavioral and social sciences, agent-based simulation has, in recent years, found applications across various domains due to its high flexibility. In literature, agent-based simulation is also referred to as “agent-based modeling” and “agent-centric modeling.”

The primary distinction between agent-based computer simulation and equation-based simulation lies in the absence of central and governing equations. Agents possess behaviors determined by their own local rules. From another perspective, in agent-based simulation, we engage with active agents, defined as entities with independence, memory, and behavior.

Application of Computer Simulation

Computer simulation has numerous applications, and here are some examples:

1. Supply Chain Simulation
2. Manufacturing and Production System Simulation
3. Transportation and Warehouse Simulation
4. Rail System Simulation
5. Mining and Mineral Processing Simulation
6. Oil, Gas, and Petrochemical System Simulation
7. Terminal and Port Simulation
8. Healthcare System Simulation
9. Business Process Simulation
10. Asset Management Simulation
11. Marketing Process Simulation
12. Social Process Simulation
13. Defense System Simulation

By clicking on each of the mentioned applications, you can view sample computer simulation models.

Create Computer Simulation Model by AnyLogic

As mentioned, AnyLogic is the powerful simulation tool that facilitates the creation of computer simulation models. This software supports all three simulation approaches: Discrete Event Simulation, System Dynamics, and Agent-based Modeling. It enables the construction of computer simulation models with various complexities and dimensions.

AnyLogic is developed using the Java programming language, providing the flexibility of this programming language for model development. In addition to designing various general tools for simulation model construction, AnyLogic includes specialized libraries for areas such as traffic, warehousing, material handling, fluid transportation, congestion systems, and discharge, allowing for the easy creation of specialized simulation models.

If you are interested in learning how to build a computer simulation model using AnyLogic, it is recommended to participate in the training courses offered by Simul8 Corporation, the official representative of this software.

For more information, visit the link “AnyLogic Software Training Course.”

نوشته What is Computer Simulation? اولین بار در شرکت شبیه پردازان. پدیدار شد.

شبیه سازی کامپیوتری چیست؟

در تعریف واژه شبیه سازی کامپیوتری یک تعریف جامع وجود ندارد. چرا که کاربرد آن بسیار وسیع بوده و متناسب با آن ممکن است در برخی مواقع دارای تعاریف متمایزی باشد. اما در تعریف کلی میتوان شبیه سازی کامپیوتری را برنامه‌ای نامید که در محیط کامپیوتر توسعه داده می‌شود و هدف آن تقلید رفتار است. این رفتار ممکن است متعلق به یک سیستم واقعی باشد و یا ممکن است متعلق به یک سیستم فرضی باشد.

شبیه سازی کامپیوتری ابزاری است که با استفاده آن می‌توان رفتارهای پیچیده را تحلیل نمود. رفتارهایی که گاهاً با ساخت مدل ذهنی قادر به تجسم و حل آنها نیستیم. دلیل توسعه این برنامه در محیط کامپیوتر نیز بهره گیری از توان بیشتر کامپیوتر نسبت به ذهن انسان است. بنابراین این برنامه با استفاده از توان محاسباتی و سخت افزاری، رفتار مورد نظر را تقلید و شبیه سازی می‌کند.

انواع شبیه سازی کامپیوتری

در حالت کلی شبیه سازی کامپیوتری را میتوان به دو قسمت تقسیم نمود:

• شبیه سازی مبتنی بر معادله (Euqation-based simulation)
• شبیه سازی مبتنی بر عامل (agent-based simlation)

هر دو نوع شبیه سازی کامپیوتری ذکر شده نیز برای سه هدف فهم (understanding)، پیش بینی (Prediction) و اکتشاف (Exploratory) مورد استفاده قرار می‌گیرند.

شبیه سازی کامپیوتری مبتنی بر معادله

شبیه سازی کامپیوتری مبتنی بر معادله (equation-based) معمولاً در مواقعی مورد استفاده قرار میگیرد که قوانین حاکم بر سیستم مورد بررسی بتواند به صورت روابط ریاضی و معادلات دیفرانسیل بیان شوند. مدلهای فیزیکی نمونه‌ای از شبیه سازی مبتنی بر معادله هستند.

مدلسازی سیستمهای پویا (System dynamics modeling) یا مدلسازی سیستمهای دینامیکی نیز مثال دیگری از شبیه سازی کامپیوتری مبتنی بر معادله است که با استفاده از آن رفتار سیستمها را در سطح کلان مورد بررسی قرار می‌دهند.

شبیه سازی کامپیوتری مبتنی بر عامل

شبیه سازی مبتنی بر عامل (Agent based modeling) همانطور که از نام آن پیدا است مبتنی بر عنصرهایی است که عامل نامیده می‌شوند. این عاملها دارای رفتار مستقل هستند و همچنین قابلیت تعامل و تاثیرگذاری و تاثیرپذیری را دارند.

در ابتدا شبیه سازی مبتنی بر عامل در علوم رفتاری و اجتماعی رایج بود اما در سالهای اخیر با توجه به انعطاف بسیار بالای آن، در تمامی حوزه ها به کار گرفته شده است. در ادبیات موضوع شبیه سازی مبتنی بر عامل را با نامهای “مدلسازی عامل بنیان” و “مدلسازی عامل محور“ نیز نامگذاری میکنند.

تفاوت اصلی شبیه سازی کامپیوتری مبتنی بر عامل با شبیه سازی مبتنی بر معادله در این است که در اینجا صحبتی از معادلات اصلی و مرکزی وجود ندارد. عاملها دارای رفتار هستند و رفتار آنها توسط قوانین محلی خودشان تعیین میشود. از زاویه دیگر در شبیه سازی مبتنی بر عامل، ما با عاملهای فعال (active) روبرو هستیم که به عنوان یک جزء دارای استقلال، حافظه و رفتار تعریف می‌شوند.

مثال شبیه سازی کامپیوتری

شبیه سازی دارای کاربردهای بسیار زیادی است که در زیر به برخی از آنها اشاره می‌شود:

• شبیه سازی زنجیره تامین 
• شبیه سازی سیستم های ساخت و تولید
• شبیه سازی سیستمهای حمل و نقل و انبارداری
• شبیه سازی سیستمهای ریلی
• شبیه سازی فرآیندهای معدنی و صنایع معدنی
• شبیه سازی سیستمهای نفت و گاز و پتروشیمی
• شبیه سازی ترمینال و بندر
• شبیه سازی سیستمهای درمان
• شبیه سازی فرآیندهای تجاری
• شبیه سازی مدیریت داراییها
• شبیه سازی فرآیندهای بازاریابی
• شبیه سازی فرآیندهای اجتماعی
• شبیه سازی سیستمهای دفاعی

با کلیک کردن بر روی هر یک از کاربردهای ذکر شده، مدلهای نمونه شبیه سازی کامپیوتری را می‌توانید مشاهده کنید.

ساخت مدل شبیه سازی با نرم افزار AnyLogic

همانطور که ذکر شد، AnyLogic برترین ابزار شبیه سازی است که امکان ساخت مدل شبیه سازی کامپیوتری را فراهم نموده است. این نرم افزار با پشتیبانی از هر سه رویکرد شبیه سازی که عبارت است از شبیه سازی گسسته پیشامد (Discrete Event Simulation)، مدلسازی سیستم های پویا (System Dynamics) و مدلسازی عامل بنیان (Agent-based Modeling)، امکان ساخت مدل شبیه سازی کامپیوتری با هر پیچیدگی و ابعادی را فراهم نموده است.

نرم افزار AnyLogic با استفاده از زبان برنامه نویسی جاوا توسعه داده شده است و برای ساخت مدل شبیه سازی کامپیوتری از انعطاف این زبان برنامه نویسی هم بهره مند خواهید بود. نرم افزار شبیه سازی AnyLogic علاوه بر طراحی ابزارهای عمومی مختلف برای ساخت مدل شبیه سازی، دارای کتابخانه های تخصصی مانند ترافیک، انبار و جابحایی مواد، انتقال مایعات، سیستم های ازدحام و تخلیه و … است که با استفاده از آنها به راحتی میتوان مدل شبیه سازی تخصصی را ایجاد نمود.

در صورتی که تمایل دارید نحوه ساخت مدل شبیه سازی کامپیوتری با استفاده از نرم افزار AnyLogic را یاد بگیرید، پیشنهاد میکنیم در دوره های آموزش نرم افزار AnyLogic که توسط شرکت شبیه پردازان به عنوان نماینده رسمی این نرم افزار ارائه میشود، شرکت نمایید.

 

جهت کسب اطلاعات بیشتر، به لینک “دوره آموزش نرم افزار شبیه سازی AnyLogic“ مراجعه نمایید.

نوشته شبیه سازی کامپیوتری چیست؟ اولین بار در شرکت شبیه پردازان. پدیدار شد.

مراحل انجام پروژه شبیه سازی

انجام شبیه سازی نیازمند طی شدن مراحلی است که اگر هر کدام از آنها به درستی انجام نشود، انجام پروژه شبیه سازی با شکست مواجه می‌شود. در شکل روبرو مراحل مورد نیاز برای انجام پروژه شبیه سازی ارائه شده است.

یکی از مهمترین مراحل انجام پروژه شبیه سازی، شناخت سیستم است. اگر این فاز به درستی انجام نشود، مدل شبیه سازی ایجاد می‌شود که هیچ مشابهتی با سیستم واقعی نخواهد داشت.

بعد از اتمام فاز شناخت سیستم، می‌بایست رویکرد مناسب برای شبیه سازی انتخاب شود. به صورت کلی 3 رویکرد شبیه سازی وجود دارد:

• شبیه سازی سیستمهای گسسته پیشامد (Discrete Event Simulation)
• شبیه سازی سیستم های پویا (System Dynamics)
• شبیه سازی عامل بنیان (Agent based modeling)

با توجه به تعریف مساله و سطح جزئیات مدنظر، یکی از رویکردهای ذکر شده جهت شبیه سازی می‌بایست انتخاب شود.

انتخاب نرم افزار جهت انجام پروژه شبیه سازی

برای ساخت مدل شبیه سازی نیاز به نرم افزار شبیه سازی وجود دارد. نرم افزارهای شبیه سازی مختلفی برای مدلسازی با سه رویکرد شبیه سازی ذکر شده وجود دارد. هر کدام از این نرم افزارها نقاط قوت و ضعف مختلفی دارند و بسته به نوع رویکرد شبیه سازی انتخاب شده می‌توانند فرآیند ساخت مدل شبیه سازی را تسهیل نمایند.

پیشنهاد ما به شما استفاده از نرم افزار شبیه سازی AnyLogic است. در مقایسه نرم افزارهای شبیه سازی، نرم افزار AnyLogic در حال حاضر به عنوان برترین ابزار شبیه سازی در سطح دنیا مطرح است و بیشترین سهم بازار را به خود اختصاص داده است. آشنایی بیشتر با نرم افزار شبیه سازی AnyLogic شما را با قابلیتهای این نرم افزار آشنا می‌نماید.

همچنین پیشنهاد میکنیم نرم افزار AnyLogic را دانلود و مدلهای نمونه ساخته شده در محیط نرم افزار را مشاهده نمایید.

یادگیری نرم افزار جهت انجام پروژه شبیه سازی

همانطور که ذکر شد برای ساخت مدل شبیه سازی پیشنهاد میکنیم از نرم افزار شبیه سازی AnyLogic جهت مدلسازی استفاده نمایید. به همین منظور، برای یادگیری نرم افزار AnyLogic میتوانید از منابع استفاده کنید.

شرکت شبیه پردازان به عنوان نمایندگی رسمی نرم افزار AnyLogic در ایران، اقدام به برگزاری دوره های آموزش نرم افزار AnyLogic می نماید. جهت یادگیری نرم افزار میتوانید در این دوره های آموزشی شرکت نمایید.

schoolدوره آموزش نرم افزار AnyLogic

نوشته انجام پروژه شبیه سازی اولین بار در شرکت شبیه پردازان. پدیدار شد.

حتما پیش آمده است که در هنگام پیاده‌سازی مدل ریاضی و اجرای آن در محیط نرم افزار گمز، به خطاهایی برخورد کرده باشید. البته جای نگرانی وجود ندارد، چرا که حرفه‌ای ترین افراد نیز بعد از اجرای مدل ریاضی خود در نرم افزار گمز (GAMS) با احتمال بالایی با حداقل یک خطا روبرو می‌شوند. بنابراین برخورد با خطا در گمز امری رایج است.

پیغام خطا در گمز (GAMS) معمولاً با یک عدد به همراه توضیحی کوتاهی نمایش داده می‌شود. به همین منظور ممکن است در وهله اول گیج کننده به نظر برسد. ولی در صورتی که شما با کد خطا و محتوای آن آشنا شوید، برطرف کردن مشکل و اصلاح برنامه کار بسیار آسانی خواهد بود.

به همین منظور در این مقاله قصد داریم شما را با خطاهای رایج نرم افزار گمز (GAMS) و نحوه برطرف نمودن آنها آشنا کنیم. در ابتدا خطای مربوطه با کد آن توضیح داده می‌شود و سپس نحوه اصلاح برنامه ارائه شده است. لیست خطاها در زیر ارائه شده است و می‌توانید با کلیک کردن بر روی هر کدام، توضیحات مربوطه را مشاهده نمایید.

خطای 2 در گمز (Error 2 GAMS)

متن خطای 2 در گمز به صورت زیر است:

Error 2
Identifier expected

اين خطا زماني رخ مي دهد كه درج يك متغير فراموش شده باشد. به عنوان مثال اگر در دستور Solve به متغير تعريف شده مربوط به تابع هدف اشاره نكنيد، با اين خطا مواجه خواهيد شد. بنابراین برای رفع این مشکل، دستور SOLVE خود را مرور نمایید و تمامی متغیرهای مساله را چک کنید.

خطای 8 در گمز (Error 8 GAMS)

متن این خطا به صورت زیر است:

ٍError 8

‘)’ expected

خطای 8 در گمز زمانی رخ می‌دهد که شما تعداد پرانتزهای مورد نیاز را رعایت نکرده‌اید. به عنوان مثال 3 پرانتز باز برای تعریف رابطه خود نوشته‌اید ولی در انتها با 2 پرانتز بسته رابطه خود را تمام کرده اید.

برای رفع این خطا تعداد پرانتزهای باز و بسته را شمارش کرده و کمبود را اصلاح کنید.

خطای 36 در گمز (Error 36 GAMS)

متن خطای 36 در گمز به صورت زیر است:

Error 36

‘=’ or ‘..’ or ‘:=’ or ‘$=’ operator expected 

خطای 36 در گمز زماني رخ مي دهد كه به عنوان مثال در تعريف معادلات شما به جاي (..) از (.) استفاده كرده باشيد. يا عبارات ‘=’ يا ‘:=’ يا ‘$=’ را فراموش كرده باشيد يا به درستي وارد نكرده باشيد. براي حل اين مشكل بررسي كنيد كه به درستي موارد ذكر شده را نوشته باشيد.

خطای 37 در  گمز (Error 37 GAMS)

متن خطای 37 در گمز به صورت زیر است:

Error 37
‘=l=’ or ‘=e=’ or ‘=g=’ operator expected

خطای 37 در گمز زماني رخ مي دهد كه در تعريف معادلات از عبارات مساوي (e)، كوچكتر مساوي (l) و يا بزرگتر مساوي (g) استفاده نكرده باشيم. دقت كنيد در تعريف معادلات مربوط به تابع هدف و محدوديتها حتماً بايد عبارات ذكر شده به كار روند. مثلا اگر شما معادله مربوط به تابع هدف را به صورت z=2*x1 بيان كنيد با اين خطا مواجه خواهيد شد. شكل درست تعريف z=e=2*x1 خواهد بود.

خطای 53 در گمز (Error 53 GAMS)

متن خطای 53 در گمز به صورت زیر است:

Error 53
Endogenous $ operation not allowed

خطای 53 در گمز زماني رخ مي دهد كه شما از يك متغير در شرط خود استفاده كنيد. فرض كنيد شرط شما $ (x=50) باشد. اين خطا نشان مي دهد كه نرم افزار GAMS قابليت اجراي اين شرط را با solver مشخص شده ندارد. براي حل اين مشكل مي توانيد شرط را به شكل محدوديت بنويسيد. اين نكته را به ياد داشته باشيد كه عبارات شرطي در بسياري از مواقع نمي تواند متغير باشد.

خطای 71 در گمز (Error 71 GAMS)

متن خطای 71 در گمز به صورت زیر است:

Error 71
The symbol shown has been declared as an equation, but no symbolic equation (..) was found. Hint – look for commas in documentation text for the equations. Use quotes around the Text or eliminate the commas.

خطای 71 در گمز زماني رخ مي دهد كه به عنوان مثال شما در دستور equations نامي را تعريف كرده ايد ولي معادله مربوط به آن را با (..) تخصيص نداده ايد. در برخي مواقع كه نقطه ويرگول (;) انتهاي محدوديت ها را نيز درج نكنيد ممكن است با اين خطا مواجه شويد.

برای رفع این مشکل، ابتدا رابطه های تعریف شده را چک نمایید که به درستی روابط ریاضی مربوطه به آنها تخصیص داده شده باشد. همچنین از درج نقطه ویرگول در انتهای محدودیتها نیز مطمئن شوید.

خطای 120 در گمز (Error 120 GAMS)

متن خطای 120 در گمز به صورت زیر است:

Error 120
Unknown identifier entered as set

خطای 120 در گمز زماني رخ مي دهد كه شما از مجموعه اي استفاده نماييد كه آن را با استفاده از دستور set تعريف نكرده باشيد. مثلا با دستور set شما مجموعه i را تعريف كرده ايد. اگر براي تعريف يك پارامتر عبارت x(j) را بنويسيد، چون مجموعه j تعريف نشده است، با خطاي 120 مواجه خواهيد شد. براي حل اين مشكل مجموعه مورد نظر را با دستور set تعريف كنيد.

خطای 125 در گمز (Error 125 GAMS)

متن خطای 125 در گمز به صورت زیر است:

Error 125
Set is under control already

خطای 125 در گمز زماني رخ مي دهد كه در تعريف معادلات، يك مجموعه را همزمان به دو صورت فراخواني كنيد. فرض كنيد داريم:

supply(i).. sum((i,j),x(i,j)) =l= a(i);

در اينجا مجموعه i را دو بار فراخواني كرديم. يكبار گفته ايم كه به ازاي هر عضو i محدوديت تكرار شود و مجددا در خود معادله گفته ايم كه بر روي مجموعه i و j مجموع بگيرد كه منجر به بروز خطاي 125 مي شود.

خطای 140 در گمز (Error 140 GAMS)

متن خطای 140 در گمز به صورت زیر است:

Error 140
Unknown symbol

خطای 140 در گمز در زماني رخ مي دهد كه شما از رابطه‌ای استفاده كرده ايد كه تعريف نشده است. فرض كنيد در تعريف معادلات با دستور equations شما نامهاي eq1 و eq2 را تعريف كرده ايد. زماني كه مي خواهيد معادله هر يك را بنويسيد اگر از نام ديگري مثلاً eq3 استفاده كنيد، به دليل تعريف نشدن eq3، با خطاي 140 مواجه خواهيد شد. حتماً چك كنيد كه عبارتي كه منجر به بروز خطاي 140 شده است را به درستي تعريف نماييد.

خطای 141 در گمز (Error 141 GAMS)

متن خطای 141 در گمز به صورت زیر است:

Error 141

Symbol declared but no values have been assigned. Check for missing data definition, assignment, data loading or implicit assignment via a solve statement.

خطای 141 در گمز مربوط به عدم تخصیص مقدار اولیه به متغیرها است. فرض کنید شما یک متغیر از نوع Scalar تعریف کرده اید و در رابطه های بعدی، از این متغیر در روابط ریاضی استفاده کرده‌اید. ولی مقداری برای آن در نظر نگرفته‌اید. در این صورت این خطا نمایش داده می‌شود.

برای رفع این خطا، بررسی نمایید چه متغیری در روابط استفاده شده است، ولی مقداری برای آن در نظر گرفته نشده است. با تخصیص مقدار اولیه، این خطا برطرف خواهد شد.

خطای 143 در گمز (Error 143 GAMS)

متن خطای 143 در گمز به صورت زیر است:

Error 143
Suffix is missing

خطای 143 در گمز زماني رخ مي دهد كه شما يك پسوند را فراموش كرده باشيد. مثلا در تعريف نحوه نمايش متغيرها با دستور display فراموش كرده باشيد بعد از نام متغير از عبارات .lo و .l و … استفاده بكنيد. براي رفع اين مشكل بر روي خطا كليك كنيد تا به خطي كه پسوند نوشته نشده است هدايت شويد. با درج پسوند مربوطه، اين خطا برطرف مي شود.

خطای 148 در گمز (Error 148 GAMS)

متن خطای 148 در گمز به صورت زیر است:

Error 148

Dimension different – The symbol is referenced with more/less indices as declared

خطای 148 در گمز مربوط به رعایت نکردن ابعاد متغیرها و روابط در هنگام مدلسازی است. فرض کنید شما متغیر X را به صورت X1 و X2 و … و Xn تعریف کرده باشید. اگر شما در جای دیگر X را به صورت X12 تعریف کنید (تک بعد را به دو بعد افزایش دهید)، در این صورت با این پیغام مواجه خواهید شد. البته این خطا در حالت برعکس (کاهش ابعاد) نیز نمایش داده می‌شود.

بنابراین برای رفع این خطا، ابعاد (Dimension) متغیرها و روابطی که تعریف شده است را چک نمایید و اختلاف ابعاد ایجاد شده را رفع نمایید.

خطای 149 در گمز (Error 149 GAMS)

متن خطای 149 در گمز به صورت زیر است:

Error 149
Uncontrolled set entered as constant

خطای 149 در گمز هنگامي رخ مي دهد كه شما به نوع مجموعه تعريف شده و پارامترهاي تعريف شده توجه كافي نداشته باشيد. فرض كنيد دو مجموعه i و j تعريف كرده باشيد. دو پارامتر a(i) و b(j) هم تعريف شده باشد. حال اگر در معادلات از عبارت a(i,j) استفاده كنيد با خطاي 149 مواجه خواهيد شد. چرا كه از نظر نرم افزار GAMSa(i,j) تعريف نشده است.

خطای 170 در گمز (Error 170 GAMS)

متن خطای 170 در گمز به صورت زیر است:

Error 170
Domain Violation for element

خطای 170 در گمز هنگامي رخ مي دهد كه بين مجموعه اي كه با دستور set تعريف شده با قسمتهايي كه از اين مجموعه استفاده شده همخواني وجود ندارد. مثلا شما مجموعه i رو با نامهاي name1 و name2 تعريف كرديد ولي در زمان استفاده از اين مجموعه براي تعريف پارامترها، از name3 استفاده كرديد. با كليك بر روي اين خطا به خطي كه از مجموعه تخطي شده است هدايت مي شويد. براي حل اين مشكل مجموعه اي كه تعريف شده است را مجدداً بازبيني كنيد و مطمئن شويد در همه جاي مدل از مجموعه تعريف شده به درستي استفاده كرده ايد.

خطای 184 در گمز (Error 184 GAMS)

متن خطای 184 در گمز به صورت زیر است:

Error 184
Domain list redefined

خطای 184 در گمز اين خطا هنگامي رخ مي دهد كه شما به متغير را دو بار با انديس هاي متفاوت تعريف كنيد. به عنوان مثال:

Variable
x(i,j);
positive variable
x(j,t)

در اينصورت با خطاي 184 در نرم افزار GAMS مواجه مي شويد. براي رفع اين مشكل بايد متغير انديس دار را فقط به يك صورت تعريف كنيد.

خطای 194 در گمز (Error 194 GAMS)

متن خطای 194 در گمز به صورت زیر است:

Error 194
Symbol redefined – a second data statement for the same symbol or a data statement after assignment

خطای 194 در گمز زماني رخ مي دهد كه شما براي يك متغير، پارامتر و يا عدد ثابت (scalar) دو مقدار در نظر بگيريد. فرض كنيد يه عدد ثابت scalar تعريف كرده و مقدار آن را 10 قرار مي دهيد. اگر مجددا براي همين عدد ثابت مقدار 15 در نظر بگيريد با خطاي 194 مواجه خواهيد شد. براي رفع اين مشكل مطمئن شويد كه براي هر متغير و پارامتر، تنها يك مقدار تخصيص داده باشيد.

خطای 196 در گمز (Error 196 GAMS)

متن خطای 196 در گمز به صورت زیر است:

Error 196
Variable redefined with a different subtype

خطای 196 در گمز مربوط به تعريف دوگانه متغيرها است. فرض كنيد شما يكبار يك متغير را به صورت زير تعريف كرديد:

Variable

X;

بعد مجددا همين متغير را به صورتي ديگر تعريف كرديد:

Integer variable

X;

در اين صورت با خطاي 196 در نرم افزار GAMS مواجه خواهيد شد. براي حل اين مشكل بايد مطمئن شويد كه متغير را فقط به يك صورت تعريف کرده باشید.

خطای 198 در گمز (Error 198 GAMS)

متن خطای 198 در گمز به صورت زیر است:

Error 198
Set used in ‘ord’ or lag is not ordered. Hint: some of the elements of the set were used before this was initialized and the order was different from the order in this set. Try to initialize the set earlier.

خطای 198 در گمز زماني رخ مي دهد كه شما از دستور ord استفاده كرده ايد ولي در تعريف مجموعه ها ترتيب را رعايت نكرده ايد. مثلاً فرض كنيد داريم:

set a a couple of the elements /r2,r3/;

set b more elements /r1*r4/;

scalar count counter /0/;

loop(b$(ord(b) gt 3),count=count+1);

display count;

در اين مثال ما از ord(b) استفاده كرده ايم ولي در تعريف مجموعه ها مجموعه b را بعد از مجموعه a تعريف كرده ايم. در اين حالت با خطاي 198 مواجه مي شويم. براي رفع اين مشكل ترتيب تعريف مجموعه a و b را بايد جابجا كنيم. يعني ابتدا مجموعه b را تعريف كنيم و سپس مجموعه a را تعريف كنيم.

خطای 225 در گمز (Error 225 GAMS)

متن خطای 225 در گمز به صورت زیر است:

Error 225
Floating entry ignored

خطای 225 در گمز معمولا در مواقعي تعريف داده هاي ورودي به صورت table رخ مي دهد. اگر شما نظم ستوني اعداد ورودي table را رعايت نكنيد با اين خطا مواجه خواهيد شد. حتماً مطمئن شويد كه مقادير سطري و ستوني به صورت مرتب و كاملا در يك راستا قرار گرفته باشند.

شکل غلط

شکل درست

خطای 241 در گمز (Error 241 GAMS)

متن خطای 241 در گمز به صورت زیر است:

Error 241
Model has not been defined

اين خطا در مواقعي رخ مي دهد كه از دستور model به درستي استفاده نكرده باشيم. فرض كنيد داشته باشيم:

Model test;

نرم افزار به ما خطای 241 در گمز را خواهد داد. از آنجايي كه بايد تعريف كنيم كه كدام يك از معادلات تعريف شده در حل مدل دخيل باشند، بايد به عنوان مثال از /all/ استفاده كنيم. شكل درست عبارت بالا به صورت زير خواهد بود:

Model test /all/;

خطای 244 در گمز (Error 244 GAMS)

متن خطای 244 در گمز به صورت زیر است:

Error 244
Unknown or missing processor (LP, MIP, …)

خطای 244 در گمز زماني رخ مي دهد كه در دستور SOLVE شما از نام SOLVER استفاده نكرده ايد و يا به درستي تايپ نكرده ايد. فرض كنيد داشته باشيم:

solve transport using lmp minimizing z;

از آنجايي كه Solver به نام lmp وجود ندارد با خطاي 244 مواجه خواهيم بود.

خطای 256 در گمز (Error 256 GAMS)

متن خطای 256 در گمز به صورت زیر است:

Error 256

Errors in analyzing solve statement. More detail appears Below the solve statement above

خطای 256 در گمز یک خطای ثانویه است که به دنبال خطاهای قبلی ظاهر می‌شود. به منظور برطرف کردن این خطا، به شماره خطاهایی که بالاتر از این خطا ظاهر شده‌اند مراجعه و آنها را برطرف کنید. بعد از برطرف شدن خطاهای قبلی، این خطا نیز به صورت خودکار حدف می‌گردد.

خطای 257 در گمز (Error 257 GAMS)

متن خطای 257 در گمز به صورت زیر است:

257 Solve statement not checked because of previous errors

خطای 257 در گمز زمانی نمایش داده می‌شود که خطایی در اجرای دستورات نوشته شده در گمز پیش آمده باشد و به دلیل بروز مشکل، نرم افزار از ادامه حل مدل خودداری میکند و این خطا نشان داده می‌شود. پس این خطا، یک خطای ثانویه است که در اثر یک خطای دیگر بروز می‌کند. برای رفع این خطا، به شماره خطاهایی که در بالاتر از این خطا به آن اشاره شده است رجوع کنید و آنها را رفع کنید. بعد از رفع خطاها، این خطا نیز به صورت خودکار حذف می‌گردد.

خطای 408 در گمز (Error 408 GAMS)

متن خطای 408 در گمز به صورت زیر است:

Error 408

Too many ),] or }

خطای 408 در گمز زمانی رخ میدهد که تعداد پرانتز ()، براکت [] و یا {} به درستی استفاده نشده اند و به عنوان تعداد پرانتزهای باز با تعداد پرانتزهای بسته برابر نباشد. برای رفع این مشکل تعداد () یا [] یا {} باز را با تعداد بسته آنها بشمارید و در صورت زیاد بودن یا کم بودن، اصلاح نمایید.

خطای 409 در گمز (Error 409 GAMS)

متن خطای 409 در گمز به صورت زیر است:

Error 409
Unrecognizable item – skip to find a new statement
Looking for a ‘;’ or a key word to get started again

توضیح: خطای 409 در گمز به دليل عدم درج نقطه ويرگول در خط مورد نظر است. با كليك كردن بر روي اين خطا به خطي كه فراموش كرديد نقطه ويرگول قرار دهيد هدايت مي شويد. با قرار دادن نقطه ويرگول در انتهاي جمله، اين خطا برطرف مي شود.

خطای 812 و 811 در گمز (Error 811 & 812 GAMS)

متن خطای 811 و 812 در گمز به صورت زیر است:

Error 811& Error 812
Direction Maximum/Minimum missing
Solve keys expected – USING MAX/MIN SCENARIO

خطاي 811 و 812 مربوط به عدم استفاده صحيح از دستور SOLVE است. اگر به شكل صحيح و استاندارد تمامي موارد مربوط به دستور solve را پياده سازي نكنيد با اين خطا مواجه خواهيد شد. تمامی اجزای دستور SOLVE را چک کنید و یا دستورات نوشته شده خود انطباق دهید.

جمع بندی

سعی کردیم در این مقاله به بررسی خطاهای رایج در هنگام اجرای مدلهای ریاضی در نرم افزار گمز (GAMS) بپردازیم. در صورتی که با خطایی مواجه شدید که در لیست خطاهای ذکر شده وجود ندارد، در قسمت نظرات با ما در میان بگذارید تا در اسرع وقت به لیست فعلی اضافه گردد.

همچنین پیشنهاد می‌کنیم به منظور یادگیری نرم افزار گمز (GAMS) به بخش دوره‌های آنلاین شرکت شبیه پردازان مراجعه نمایید.

نوشته خطاهای گمز (GAMS) اولین بار در شرکت شبیه پردازان. پدیدار شد.