在AnyLogic 中如何设置随机性？

我们周围的随机性

在现实世界中，不确定性现象是普遍存在的。举一个简单的例子：假设您拥有一家咖啡店，每天为大约 100 名顾客提供热饮和美味糕点。

咖啡店的营业时间为9:00 ~19:00。 但是，第一批客人在第一天可能是10点到，在第二天可能是9点50分到达，可能只有两个客人也可能是十几个客人同时进入。

当我们构建仿真模型时，我们希望它们尽可能地反映现实世界。为此，您需要在仿真中包含随机性。

如何在 AnyLogic 模型中设置随机性？

我们再举一个例子。您正在为一家银行建模，您想知道经理为客户开设一个新的银行账户需要多长时间。

根据您的经验，这至少需要10分钟，多数情况下可能需要20分钟，至多需要40分钟。如何对这种延迟进行建模？在AnyLogic中，这类情况都可以通过设置 概率分布 进行建模。

概率分布和自定义分布

AnyLogic 提供一组概率分布函数来模拟非确定性过程，如天气变化、产品需求变化或任何其他随机性。软件支持不同的分布类型：均匀分布、三角形分布、指数分布等。

但是，如果这些预设功能全都不适合您的项目怎么办？无需担心，AnyLogic还支持您创建 自定义（经验）分布 并在模型中使用它。

AnyLogic内部随机性来源

模型可以分为两种类型：随机性模型和确定性模型。

确定性 模型没有内部随机性。它使用相同的输入参数集运行会给出相同的输出结果。例如，如果10,000 个人每人有 95% 的机会存活一年，我们可以合理地确定其中 9,500 人会存活。

另一方面， 随机性 模型具有内在的随机性来源。因此，每次运行（即使参数相同）可能会产生不同的输出。

在随机性模型中，如果您只运行一次，是无法获得具有代表性的仿真结果的。因此，即使输入参数相同，您也需要多次运行它。一系列具有随机性（内部，输入参数级别或两者）的仿真运行称为 蒙特卡罗仿真 。

蒙特卡罗仿真结果经过统计处理，通常表示为概率、直方图、散点图、包络图等。

阅读更多： 不同类型AnyLogic模型中随机性的内部来源 【PDF】

随机数生成器

计算机是一种确定性设备。那么，仿真模型中的随机性从何而来？

除非访问外部物理 随机数生成器 （RNG），否则应用程序没有真正的随机性。然而，我们可以使用由计算的随机数生成器（RNG）创建的伪随机性。

随机数生成器（RNG） 基于确定性算法，该算法产生明显随机的长序列，实际上完全由较短的初始值（称为种子）确定，并且是周期性的，是通过一系列种子值计算出来的伪随机数。因此它们被称为伪随机数发生器。
——The Big Book of Simulation Modeling–第15章– AnyLogic 模型中的随机性

可重复和唯一的实验

虽然伪随机数生成器不能提供“真正随机”的数字流，但它们有一个重要的特性。根据选择的种子，每次运行模型时，它们都会生成唯一或相同的数字序列。

由于此功能，您可以使用AnyLogic中的随机模型创建唯一（随机）或重复性的实验。

当您想处理一个场景或调试模型时，可重复的实验运行非常方便。在开发仿真时，最好保持模型运行的可重复性，因为随机因素使得跟踪错误和了解导致错误的原因变得困难。
——AnyLogic支持团队

遵循此操作视频，使您的模型提供或随机或可复用的仿真结果：

AnyLogic的随机性设置 https://www.zhihu.com/video/1525470644254334976