3

我试图模拟一种情况，我们有 5 台机器出现在 1 -> 3 -> 1 的情况下。即中间的 3 个并行操作以减少它们所花费的有效时间。

我可以通过创建一个值为 3 的 SimPy 资源来轻松模拟这一点，如下所示：

simpy.Resource(env, capacity=3)

然而，在我的情况下，这三种资源中的每一种都略有不同，有时我希望能够使用其中的任何一种（当我在操作时）或预订一个特定的资源（当我想清理时）。基本上这三台机器以不同的速度慢慢地结垢并且运行速度较慢，我希望能够模拟这些并且当一台机器变得太脏时也能够进行清洁。

我尝试了几种模拟方法，但每次都遇到问题。

第一个是当它预订资源时，它还预订了 3 台机器（A、B、C）中的一个全局标志和一个标志本身来告诉它正在使用哪台机器。这可行，但它并不干净，并且很难理解随处可见的巨大 if 语句正在发生什么。

第二个是将其建模为三个独立的资源，然后尝试等待并请求 3 台机器中的一台，例如：

reqA = A.res.request()
reqB = B.res.request()
reqC = C.res.request()

unitnumber = yield reqA | reqB | reqC
yield env.process(batch_op(env, name, machineA, machineB, machineC, unitnumber))

但这不起作用，我无法找出最好的方法来考虑产生一个选择。

模拟这种情况的最佳方法是什么。为了完整起见，这是我正在寻找的：

  1. 请求 3 台机器中的任何一台
  2. 请求特定的机器
  3. 让每台机器跟踪它的历史
  4. 让每台机器的特性都不同。即犯规更快但最初工作更快
  5. 根据性能或指标检测并安排清洁

到目前为止，这就是我在尝试将每个模型建模为单独资源的最新版本中所拥有的

class Machine(object):

    def __init__(self, env, cycletime, cleantime, k1foul, k2foul):
        self.env = env
        self.res = simpy.Resource(env, 1)

        self.cycletime = cycletime
        self.cleantime = cleantime
        self.k1foul = k1foul
        self.k2foul = k2foul
        self.batchessinceclean = 0

    def operate(self):
        self.cycletime = self.cycletime + self.k2foul * np.log(self.k1foul * self.batchessinceclean + 1)
        self.batchessinceclean += 1
        yield self.env.timeout(self.cycletime) 

    def clean(self):
        print('%s begin cleaning at %s' % (self.env.now))
        self.batchessinceclean = 0
        yield env.timeout(self.cleantime)
        print('%s finished cleaning at %s' % (self.env.now))
4

1 回答 1

6

您应该尝试（过滤器）存储：

import simpy


def user(machine):
    m = yield machine.get()
    print(m)
    yield machine.put(m)

    m = yield machine.get(lambda m: m['id'] == 1)
    print(m)
    yield machine.put(m)

    m = yield machine.get(lambda m: m['health'] > 98)
    print(m)
    yield machine.put(m)


env = simpy.Environment()
machine = simpy.FilterStore(env, 3)
machine.put({'id': 0, 'health': 100})
machine.put({'id': 1, 'health': 95})
machine.put({'id': 2, 'health': 97.2})

env.process(user(machine))

env.run()
于 2014-07-22T06:59:29.253 回答