iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 27
0
AI & Data

連接數學與現實世界的橋樑 -- 數學建模系列 第 27

Day 27 : 隨機模型 -- 馬可夫過程

  • 分享至 

  • xImage
  •  

先前介紹的馬可夫鍊是離散型的動力系統的類推,那連續型動力系統的類推就是馬可夫過程

範例

一個重型設備修理廠負責鏟車的維護與修理,當鏟車損壞時按先後順進行修理。工廠可以存放27台鏟車,過去一年工廠修理了54台,而修理一台鏟車平均需時約三天。過去幾個月,這樣的操作方式有效率上的問題,1)修理所需的時間以及2)技術人員負責這任務所用的時間比例。

  1. 提出問題
    變量:
    https://chart.googleapis.com/chart?cht=tx&chl=X_t%20%3D%20在時間https://chart.googleapis.com/chart?cht=tx&chl=t月內修理的鏟車數量
    假設:
    待修理的鏟車為4.5台/月
    最多修理鏟車為7.3台/月(每月工作天數22天)
    目標:
    計算https://chart.googleapis.com/chart?cht=tx&chl=E(X_t)%2C%20%20Pr%20%5Cleft%7B%20X_t%20%3E%200%20%5Cright%7D
  2. 選擇建模方法
    假設狀態空間是有限的,https://chart.googleapis.com/chart?cht=tx&chl=X_t%20%5Cin%20%5Cleft%7B%201%2C2%2C3%2C%20%5Cdots%20%2C%20m%20%20%5Cright%7D,隨機過程https://chart.googleapis.com/chart?cht=tx&chl=%5Cleft%20%7B%20X_t%20%20%5Cright%7D是馬可夫過程,則https://chart.googleapis.com/chart?cht=tx&chl=Pr%20%5Cleft%7B%20X_%7Bt%2Bs%7D%20%3D%20j%20%7C%20X_u%20%3A%20u%20%5Cle%20t%20%5Cright%7D%20%3D%20Pr%20%5Cleft%7B%20X_%7Bt%2Bs%7D%20%3D%20j%20%7C%20X_t%20%5Cright%7D
    滿足馬可夫性質,1)https://chart.googleapis.com/chart?cht=tx&chl=Pr%20%5Cleft%7B%20T_i%20%3E%20t%20%2B%20s%20%7C%20T_i%20%3E%20s%20%5Cright%7D%20%3D%20Pr%20%5Cleft%7B%20T_i%20%3E%20t%20%5Cright%7D,2)下一個狀態的機率僅跟當前的狀態有關。
  3. 推導數學表達式
    https://chart.googleapis.com/chart?cht=tx&chl=%20X_%7Bt%7D%20%5Cin%20%5Cleft%7B0%2C1%2C2%2C%20%5Cdots%2C%2027%5Cright%7D,且狀態轉移僅能從https://chart.googleapis.com/chart?cht=tx&chl=%20X_%7Bt%7D%20%3D%20ihttps://chart.googleapis.com/chart?cht=tx&chl=%20X_%7Bt%7D%20%3D%20i%20%2B%201https://chart.googleapis.com/chart?cht=tx&chl=%20X_%7Bt%7D%20%3D%20i%20-%201
    https://ithelp.ithome.com.tw/upload/images/20190928/20119600yYqdGCfqlf.jpg
    利用馬可夫過程模型的平衡方程,亦即每個狀態流入的速率等於流出的速率,可得
    https://chart.googleapis.com/chart?cht=tx&chl=%5Clambda%20P_0%20%3D%20%5Cmu%20P_1
    https://chart.googleapis.com/chart?cht=tx&chl=(%5Cmu%20%2B%20%5Clambda)%20P_1%20%3D%20%5Clambda%20P_0%20%2B%20%5Cmu%20P_2
    https://chart.googleapis.com/chart?cht=tx&chl=(%5Cmu%20%2B%20%5Clambda)%20P_2%20%3D%20%5Clambda%20P_1%20%2B%20%5Cmu%20P_3
    https://chart.googleapis.com/chart?cht=tx&chl=%5Cdots
    https://chart.googleapis.com/chart?cht=tx&chl=(%5Cmu%20%2B%20%5Clambda)%20P_26%20%3D%20%5Clambda%20P_25%20%2B%20%5Cmu%20P_27
    https://chart.googleapis.com/chart?cht=tx&chl=%5Cmu%20P_27%20%3D%20%5Clambda%20P_26
    https://chart.googleapis.com/chart?cht=tx&chl=%5Csum%20P_i%20%3D%201聯立求解,將可求得https://chart.googleapis.com/chart?cht=tx&chl=Pr%20%5Cleft%7B%20X_i%20%3D%20i%20%5Cright%7D
  4. 模型求解
    先以https://chart.googleapis.com/chart?cht=tx&chl=P_0來表示https://chart.googleapis.com/chart?cht=tx&chl=P_n%2C%20n%20%3D%201%2C2%2C3%2C%20%5Cdots%2C%2027,可得通式
    https://chart.googleapis.com/chart?cht=tx&chl=P_0%20%3D%20%5Cfrac%7B1%20-%20%5Crho%7D%7B1%20-%20%5Crho%5E%7B28%7D%7D
    https://chart.googleapis.com/chart?cht=tx&chl=P_n%20%3D%20%5Crho%5E%7Bn%7DP_0%20%20%3D%20%5Cfrac%7B%5Crho%5E%7Bn%7D%20(1%20-%20%5Crho)%7D%7B1%20-%20%5Crho%5E%7B28%7D%20%7D
    現在https://chart.googleapis.com/chart?cht=tx&chl=%5Crho%20%3D%20%5Cfrac%7B%5Clambda%7D%7B%5Cmu%7D%20%3D%20%5Cfrac%7B4.5%7D%7B7.3%7D%20%5Capprox%200.616
    假設https://chart.googleapis.com/chart?cht=tx&chl=P_0%20%3D%201%20-%20%5Crho,且對所有的https://chart.googleapis.com/chart?cht=tx&chl=n%20%5Cge%201%2C%20%20P_n%20%3D%20%5Crho%5E%7Bn%7D(1%20-%20%5Crho)
    針對https://chart.googleapis.com/chart?cht=tx&chl=Pr%20%5Cleft%7B%20X_t%20%3E%200%20%5Cright%7D%20%3D%201%20-%20Pr%20%5Cleft%7B%20X_t%20%3D%200%20%5Cright%7D%20%3D%201%20-%20P_0https://chart.googleapis.com/chart?cht=tx&chl=E(X_t)%20%3D%20%5Csum%20i%20P_i
    現在計算兩個指標的數值,首先
    https://chart.googleapis.com/chart?cht=tx&chl=P_r%20%5Cleft%7B%20X_t%20%3E%200%20%5Cright%7D%20%3D%201%20-%20P_0%20%3D%20%5Crho%20%5Capprox%200.616
    其次,
    https://chart.googleapis.com/chart?cht=tx&chl=E(X_t)%20%3D%20%5Csum_%7Bn%3D0%7D%5E%7B27%7D%20n%20P_n%20%3D%20%5Csum_%7Bn%3D0%7D%5E%7B27%7D%20n%20%5Crho%5E%7Bn%7D%20(1%20-%20%5Crho)%20%3D%201.607
  5. 說明分析結果
    鏟車送修的速率大約是修理廠所能負荷的60%,也就是說技術人員約有60%的時間花在維修的工作上,而平均一天可以在場間看到1.6台鏟車。

上一篇
Day 26 : 隨機模型 -- 馬可夫鏈
下一篇
Day 28 : 隨機模型 -- 線性回歸
系列文
連接數學與現實世界的橋樑 -- 數學建模30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言