Preview

Вестник кибернетики

Расширенный поиск

СРАВНЕНИЕ БЫСТРОДЕЙСТВИЯ АЛГОРИТМОВ ГЕНЕРАЦИИ ГАММА-РАСПРЕДЕЛЕНИЯ ДЛЯ ИМИТАЦИОННОЙ МОДЕЛИ КОЛОННОГО СТРУЙНО-ЭМУЛЬСИОННОГО РЕАКТОРА

https://doi.org/10.34822/1999-7604-2020-4-42-49

Полный текст:

Аннотация

Изучается быстродействие алгоритмов генерации случайных чисел по гамма-
распределению. В имитационной модели колонного струйно-эмульсионного реактора гамма-распределение применяется при создании частиц для таких параметров, как размер и состав веществ в частице. В качестве языка программирования был выбран ActionScript 3.0. Реали- зовано 7 алгоритмов генерации гамма-распределения: Марсальи и Цанга, Ченга и Фиста (2 версии), Аренса и Дитера, Танизаки, Шмайсера (2 версии) при значении параметра α > 1. Для реализации алгоритма Марсальи и Цанга были рассмотрены алгоритмы генерации нормального закона распределения: Бокса – Мюллера, Марсальи – Брея, Девроя; центральная предельная теорема; методы Неймана, Зиккурат. Произведено сравнение генерации гамма-распределения в двух вариантах: без предварительной инициализации начальных значений и
с ней. Самым быстрым при 1 < α < 2 оказался алгоритм Ченга и Фиста. При α > 2 – алгоритм Марсальи и Цанга, он устойчив при увеличении параметра гамма-распределения α.

Об авторе

П. А. Сеченов
Сибирский государственный индустриальный университет, Новокузнецк, Россия
Россия
E-mail: pavesa89@mail.ru


Список литературы

1. Цымбал В. П., Сеченов П. А., Рыбенко И. А. Имитационное моделирование на основе «первых принципов» и статистическая механика Гиббса // Вестн. Сибир. гос. индустриал. Ун-та. 2020. № 2 (32). С. 54–67.

2. Metropolis N., Ulam S. The Monte Carlo Method // J. Amer. statistical assoc. 1949 Vol. 44, № 247. P. 335–341.

3. Dunn W. L., Shultis J. K. Exploring Monte Carlo Methods. Elsevier, 2011. 398 p.

4. Kroese D. P., Taimre T., Botev Z. I. Handbook of Monte Carlo Methods. Wiley, 2011. 743 p.

5. Сеченов П. А., Цымбал В. П., Оленников А. А. Имитационная модель разделения составляющих пыли марганцевого производства // Кибернетика и программирование. 2016. № 2. С. 34–41.

6. Ермакова Л. А., Красноперов С. Ю., Калашников С. Н. Математическое моделирование нестационарного тепломассообмена в дисперсных системах // Металлургия: технологии, инновации, качество / под общей ред. Е. В. Протопопова. Новокузнецк, 2015. С. 265–268.

7. Gentle J. E. Random Number Generation and Monte Carlo Methods. New York: Springer. 2nd ed. 2005. 381 p.

8. Marsaglia G., Tsang W. A Simple Method for Generating Gamma Variables // ACM Transactions on Mathematical Software. 2000. № 26 (3). P. 363–372.

9. Tanizaki Н. A Simple Gamma Random Number Generator for Arbitrary Shape Parameters // Economics Bulletin, AccessEcon, 2008. Vol. 3(7). P. 1–10.

10. Schmeiser B. W. Squeeze methods for generate gamma variates. Dalas: Southern Methodist univ. 1978. 21 p.

11. Doornik J. A. An inproved Ziggurat method to generate normal random samples. University of Oxford. 2005. URL: https://www.doornik.com/research/ziggurat.pdf (дата обращения: 08.12.2020).


Для цитирования:


Сеченов П.А. СРАВНЕНИЕ БЫСТРОДЕЙСТВИЯ АЛГОРИТМОВ ГЕНЕРАЦИИ ГАММА-РАСПРЕДЕЛЕНИЯ ДЛЯ ИМИТАЦИОННОЙ МОДЕЛИ КОЛОННОГО СТРУЙНО-ЭМУЛЬСИОННОГО РЕАКТОРА. Вестник кибернетики. 2020;(4):42-49. https://doi.org/10.34822/1999-7604-2020-4-42-49

For citation:


Sechenov P.A. SPEED COMPARISON OF GAMMA DISTRIBUTION GENERATION ALGORITHMS FOR SIMULATION MODEL OF COLUMN JET-EMULSION REACTOR. Proceedings in Cybernetics. 2020;(4):42-49. (In Russ.) https://doi.org/10.34822/1999-7604-2020-4-42-49

Просмотров: 42


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1999-7604 (Online)