Simulācijas metodes

91 metodes šajā saimē.

Izceltās

Aģentu balstīta šūnu automātiAgent-Based Cellular Automata (ABCA) is a hybrid simulation framework that integrates the local transition rules of cellular automata with the autonomous behavioral logic of agent-Aģentu diskrēto notikumu simulācijaAgent-based discrete-event simulation (AB-DES) is a hybrid modeling paradigm that couples autonomous agent behavior with an event-driven execution engine. It captures the decision-Aģentu bāzēts Mārkova modelisThe Agent-Based Markov Model (ABMM) is a hybrid simulation framework that embeds Markov chain state-transition logic inside individual autonomous agents. Each agent independently s Aģentu bāzēta mikrosimulācijaAgent-based microsimulation (ABMS) merges traditional microsimulation's individual-level statistical tracking with agent-based modeling's behavioral rules and interaction mechanism Aģentu modelēšana (ABM)Agent-based modeling (ABM) is a computational simulation method, formalized through the work of Thomas Schelling and Robert Axelrod in the 1970s–1990s, that simulates the behavior Aģentu balstīta daudzobjektu optimizācijaAgent-based multi-objective optimization (ABMOO) embeds autonomous agents inside a simulation environment and evolves their behavior or parameters to simultaneously optimize two or

Reading path

This topic's most-referenced foundational methods, in the order they were developed — a place to start if you're new here.

Daudzobjektīvu optimizācija1896 (concept); 1989–2002 (evolutionary algorithms era)by Vilfredo Pareto (concept); modern computational formulation by Goldberg and Deb et al.
Markov Model1906by Andrei Markov
Markov Chain Monte Carlo (MCMC)1953 (Metropolis-Hastings); 1984 (Gibbs)by Metropolis et al. (1953); Gibbs sampler formalised by Geman & Geman (1984)
Diskrētās notikumu simulācija (DES)1960s (formalized); modern computational form from 1970s onwardby Banks, Carson, Nelson & Nicol (textbook lineage); foundational work by Tocher & Conway (1960s)
Sistēmdinamika1961by Jay W. Forrester
Politikas scenāriju analīze1967–1990sby Kahn, H. & Wiener, A. J. (seminal); adapted for policy by RAND Corporation and OECD
Aģentu modelēšana (ABM)1970s–1990s (formalized as a field)by Thomas Schelling and Robert Axelrod (foundational contributions, 1970s–1990s)
Latīņu hiperkuba paraugu ņemšana1979

all methods on this shelf ↓

Visas metodes 91

Aģentu balstīta šūnu automāti Aģentu diskrēto notikumu simulācija Aģentu bāzēts Mārkova modelis Aģentu bāzēta mikrosimulācija Aģentu modelēšana (ABM)Aģentu balstīta daudzobjektu optimizācija Aģentu bāzēta scenāriju analīze Aģentu balstīta jutīguma analīze Aģentu sistēmdinamika Šūnu automāti Deterministiskā aģentu modelēšana Determiniskie šūnu automāti Deterministiskā diskrēto notikumu simulācija Deterministisk Markovas modelis Deterministiskā mikrosimulācija Deterministiskā daudzobjektu optimizācija Determinētiskā scenāriju analīze Sistemātiskā parametru variācija modeļa robustuma noteikšanai Diferencētās sistēmdinamikas dinamika Digitālā dvīņa simulācija Diskrētās izvēles simulācija Diskrētās notikumu simulācija (DES)Diskrētās notikumu sistēmu simulācija Ansambļa Kalmana filtrs Fraktālā analīze Geant4 simulācija Globālās jutības analīze Nozīmes izlase Montekarlo simulācija ar Īzinga modeli Latīņu hiperkuba paraugu ņemšana Longstaff-Švarca metode Markov Chain Monte Carlo (MCMC)Markov Model Mikrosimulācija Neitronu un daļiņu transporta Montekarlo simulācija Monte Carlo procesu variāciju analīze Daudzobjektīvu aģentu modelēšana Daudzobjektīvu šūnu automāti Daudzobjektīvu diskrēti notikumu simulācija Multi-objective Markov Model Multi-objective Microsimulation Daudzobjektīvu optimizācija Daudzobjektīvu scenāriju analīze Daudzobjektu jutīguma analīze Daudzobjektu sistēmdinamika Integrālā Montekarlo metode Politikas scenāriju aģentu modelēšana Politikas scenāriju analīze Politikas scenāriju šūnu automāti Diskrētā notikumu simulācija (DES) politikas scenāriji Politikas scenāriju mikrosimulācija Monte Carlo simulācija politikas scenārijiem Daudzobjektīvu optimizācija politikas scenārijiem Politikas scenāriju jutīguma analīze Sistemiskās dinamikas politikas scenāriju analīze Kvantu Monte Karlo Rekurences kvantitatīvās analīzes (RQA) metode Robustā aģentu bāzētā modelēšana Robust Discrete-Event Simulation Robust Markov Model Robust Microsimulation Robustas daudzobjektīvu optimizācija Robust Scenario Analysis Robustas jutīguma analīze Entropija pēc parauga Scenāriju analīze un “What-if” simulācija Pašorganizētā kritiskums Pētījumi ar simulācijas palīdzību apstiprināšanai Kontrolkarte, ko palīdz simulācija Simulācijas atbalstīta notikumu koka analīze Analīze, ko atbalsta simulācija, izmantojot režīmu un seku analīzi Simulācijām balstīta kļūdu koku analīze Pētījumi ar simulāciju palīdzību hipotēžu testēšanā Simulācijas atbalstīta procesa spēju analīze Simulācijas palīdzības kvantitatīvā satura analīze Simulāciju atbalstīta ticamības analīze Statistiskās procesa kontroles (SPC) simulācijas palīglīdzeklis Pētījumi par tendenču simulācijas palīdzību Stohastiskie šūnu automāti Stohastiskās diferenciālvienādojumi (SDV)Stohastiskā diskrēto notikumu simulācija Stohastiskais Markova modelis Stohastiskā mikrosimulācija Stochastic Multi-Objective Optimization Stohastiskā scenāriju analīze Stochastic Sensitivity Analysis Stohastiskā sistēmu dinamika Sistēmdinamika Vērtība pie riska (VaR)Dispersijas samazināšanas paņēmieni Monte Karlo simulācijai Vegas Monte Carlo