📄Работа №25620
Тема: Разработка алгоритма генерации случайных чисел
Характеристики работы
Тип работы
Бакалаврская работа
Предмет
Системный анализ использования ресурсов предприятия
Объем:
62 листов
Год:
2018
Просмотров:
499
5900
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
ВВЕДЕНИЕ 4
1. Идентификация систем 6
1.1 Постановка задачи идентификации 8
1.2 Общие сведения о методах статистического моделирования 11
1.3 Алгоритмы генерации случайных чисел 17
1.4 Примеры применения алгоритмов генерации случайных чисел 21
Выводы по первой главе 22
2. Прецензионный генератор псевдослучайных чисел 24
2.1 Постановка задачи генерирования 24
2.2 Реализованные законы распределения 25
2.3 Алгоритм П-генератора случайных чисел 30
2.4 Решение проблемы округления 37
Выводы по второй главе 38
3. Численные исследование алгоритма генерации чисел 39
3.1 Вычислительный эксперимент 39
3.2 Программный модуль. Руководство пользователя 54
Выводы по третей главе 56
ЗАКЛЮЧЕНИЕ 58
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 59
1. Идентификация систем 6
1.1 Постановка задачи идентификации 8
1.2 Общие сведения о методах статистического моделирования 11
1.3 Алгоритмы генерации случайных чисел 17
1.4 Примеры применения алгоритмов генерации случайных чисел 21
Выводы по первой главе 22
2. Прецензионный генератор псевдослучайных чисел 24
2.1 Постановка задачи генерирования 24
2.2 Реализованные законы распределения 25
2.3 Алгоритм П-генератора случайных чисел 30
2.4 Решение проблемы округления 37
Выводы по второй главе 38
3. Численные исследование алгоритма генерации чисел 39
3.1 Вычислительный эксперимент 39
3.2 Программный модуль. Руководство пользователя 54
Выводы по третей главе 56
ЗАКЛЮЧЕНИЕ 58
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 59
📖 Введение
Идентификация - совокупность методов для построения математических моделей по данным наблюдений.
Метод статистического моделирования - получение статистических данных об объекте или процессе, которые проходят в моделируемой системе, при помощи средств ЭВМ [1].
Этапы статистического моделирования:
- Генерация псевдослучайного ряда.
- Применение ряда в имитационных моделях.
- Обработка полученных результатов.
Во время процесса статистического моделирования большая часть вычислительной мощности ЭВМ расходуется на генерацию псевдослучайного ряда, поэтому задача упрощения генерации является очень важной.
Актуальность данной работы заключается в том, что случайные числа в наше время используется во многих сферах, от казино до криптографии
Объект исследования в данном работе - это случайна величина, распределенная по заданному закону распределения.
Предмет исследования - Алгоритмы генерации псевдослучайных чисел по различным законам.
Цель данной работы - получить выборку псевдослучайных чисел по заданному закону распределения.
Необходимо решить такие задачи исследования как:
- Провести анализ существующих алгоритмов псевдослучайных чисел.
- Разработать алгоритм генерации псевдослучайных чисел по заданным законам распределения.
- Реализовать алгоритм генерации в виде программного модуля.
- Провести численные исследования.
В данной работе имеется три главы и десять подпунктов.
В первой главе разбирается понятие моделирования, идентификации, постановка задачи идентификации, общие сведения о методах статистического моделирования, существующих алгоритмах генерации случайных чисел и примеры применения алгоритмов генерации в принципе.
Во второй главе описана постановка задачи генерирования, реализованные законы распределения в программном модуле. Так же описан сам алгоритм прецизионного генератора случайных чисел и описано решение специфичной проблемы округления, которая может возникнуть в процессе генерации.
Третья глава содержит вычислительный эксперимент, который позволяет оценить работу генератора при помощи варьирования значений параметров законов распределения и полученных результатов генерации. После эксперимента описано руководство пользователя.
Список источников состоит из 29 пунктов.
Метод статистического моделирования - получение статистических данных об объекте или процессе, которые проходят в моделируемой системе, при помощи средств ЭВМ [1].
Этапы статистического моделирования:
- Генерация псевдослучайного ряда.
- Применение ряда в имитационных моделях.
- Обработка полученных результатов.
Во время процесса статистического моделирования большая часть вычислительной мощности ЭВМ расходуется на генерацию псевдослучайного ряда, поэтому задача упрощения генерации является очень важной.
Актуальность данной работы заключается в том, что случайные числа в наше время используется во многих сферах, от казино до криптографии
Объект исследования в данном работе - это случайна величина, распределенная по заданному закону распределения.
Предмет исследования - Алгоритмы генерации псевдослучайных чисел по различным законам.
Цель данной работы - получить выборку псевдослучайных чисел по заданному закону распределения.
Необходимо решить такие задачи исследования как:
- Провести анализ существующих алгоритмов псевдослучайных чисел.
- Разработать алгоритм генерации псевдослучайных чисел по заданным законам распределения.
- Реализовать алгоритм генерации в виде программного модуля.
- Провести численные исследования.
В данной работе имеется три главы и десять подпунктов.
В первой главе разбирается понятие моделирования, идентификации, постановка задачи идентификации, общие сведения о методах статистического моделирования, существующих алгоритмах генерации случайных чисел и примеры применения алгоритмов генерации в принципе.
Во второй главе описана постановка задачи генерирования, реализованные законы распределения в программном модуле. Так же описан сам алгоритм прецизионного генератора случайных чисел и описано решение специфичной проблемы округления, которая может возникнуть в процессе генерации.
Третья глава содержит вычислительный эксперимент, который позволяет оценить работу генератора при помощи варьирования значений параметров законов распределения и полученных результатов генерации. После эксперимента описано руководство пользователя.
Список источников состоит из 29 пунктов.
✅ Заключение
Существующие алгоритмы генерации случайных чисел разнообразны. Каждый со своим подходом и применяется для определенных целей. В ходе анализа были выявлены существенные недостатки имеющихся алгоритмов. А также не удалось найти несколько важных и часто используемых на практике законов распределения, реализованных в виде программного модуля.
Был разработан и реализован в виде программного модуля алгоритма на языке C#. Программный модуль работает с четырьмя законами распределения.
По результатам вычислительного эксперимента можно заметить, что разработанный алгоритм имеет ряд преимущества перед существующими. Это видно исходя из более равномерного вида гистограммы и значений оценок параметров распределений, которые стремятся к исходным.
Был разработан и реализован в виде программного модуля алгоритма на языке C#. Программный модуль работает с четырьмя законами распределения.
По результатам вычислительного эксперимента можно заметить, что разработанный алгоритм имеет ряд преимущества перед существующими. Это видно исходя из более равномерного вида гистограммы и значений оценок параметров распределений, которые стремятся к исходным.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.