Воспроизводимые прогоны модели

Как сделать прогоны модели воспроизводимыми

Выберите эксперимент в панели Проекты.
Откройте секцию Случайность в панели Свойства.
Выберите опцию Фиксированное начальное число (воспроизводимые прогоны).
Укажите начальное число генератора случайных чисел в поле Начальное число, расположенном справа.

Обратите внимание, что любые изменения в модели могут повлиять на генератор случайных чисел. Например, если вы добавили в модель блок, при инициализации этот блок может потреблять числа из генератора случайных чисел, даже не являясь частью диаграммы процесса.

Если вы ничего не меняли в модели, а в эксперименте вашей модели выбрана опция Фиксированное начальное число (воспроизводимые прогоны), но ее результаты не воспроизводятся, проверьте в вашей модели следующее:

Для всех экспериментов

Если в модели есть транспортеры с произвольной навигацией или пешеходы, то для повышения производительности модели AnyLogic производит многопоточные вычисления на нескольких ядрах процессора, что приводит к невоспроизводимым прогонам модели. Вам нужно будет выключить многопоточность, выбрав 1 в настройке выполнения модели Количество процессоров для параллельных вычислений.
В модели не должно быть коллекций класса HashMap или HashSet. Используйте LinkedHashMap.
Не используйте System.currentTimeMillis(), new Date() и им подобные функции, которые возвращают текущую дату компьютера.
Если результаты воспроизводятся только после закрытия окна модели и повторного запуска, но не воспроизводятся после комбинации «запуск->остановка», это может говорить о том, что каждый прогон модели оставляет лишние записи в пользовательских данных эксперимента. Частным случаем являются статические переменные, которые могут быть записаны первым прогоном и считаны вторым.
В случае с внешними источниками данных, следует убедиться, что вводные данные не изменились во время прогона модели, так как следующий прогон будет использовать измененные данные.
В модели не должны использоваться методы с неконтролируемым значением класса Random (например: Collections.shuffle() или Math.random()). Используйте функцию getDefaultRandomNumberGenerator() для получения доступа к потоку случайных чисел модели.
Если используется конвертирование из текущей даты компьютера в модельное время, необходимо, чтобы в модели были заданы фиксированные начальная и конечная даты моделирования.
Не используйте оператор == для сравнения текстовых строк (переменных и параметров типа String), вместо этого используйте функцию equals(), доступную у всех переменных типа String.
Динамические свойства фигур не должны содержать функций, которые изменяют что-либо в модели.
Логика модели не должна зависеть от свойств фигур анимации (размер, местоположение, цвет и т.д.).
Другие параллельные потоки (если есть) должны быть корректно синхронизованы и упорядочены.
В модели не должно быть вызовов методов object.hashCode() и System.identityHashCode().
Если вы хотите добиться воспроизводимых результатов при запуске модели на различных компьютерах, убедитесь, что на этих компьютерах установлены одни и те же региональные настройки (локали). Иначе, например, если в модели есть элемент расписание, и в одной из локалей производится переход на зимнее время, а в другой нет, то результаты прогонов модели могут быть разными.

Для экспериментов с множественными прогонами

Эксперимент не должен содержать статических переменных или полей, которые могли бы быть изменены во время прогона.
Генератор случайных чисел в нестандартном эксперименте должен сбрасываться или перезапускаться перед каждым новым прогоном модели.
Эксперимент оптимизации с параллельным выполнением итераций может выдавать разные результаты каждый раз. Новые значения параметров основаны на предыдущих результатах моделирования системы. Количество результатов моделирования в определенный момент времени может отличаться ввиду различной скорости выполнения каждого отдельно взятого прогона. Отключите параллельное выполнение итераций (в секции Специфических свойств эксперимента), чтобы каждый раз получать одинаковый результат.
Если результаты экспериментов с множественными прогонами не соответствуют результатам простого эксперимента, следует проверить начальное/конечное время модели, случайное начальное число и другие настройки исполняющего модуля.

Как мы можем улучшить эту статью?