Design and Analysis of Simulation Experiments

این یک کتاب توضیحی پیشرفته در مورد روش‌های آماری برای طراحی و تجزیه و تحلیل آزمایش‌های شبیه‌سازی (DASE) است. اگرچه این کتاب بر روی DASE برای شبیه‌سازی رویداد گسسته (مانند شبیه‌سازی صف و موجودی) تمرکز می‌کند، اما همچنین DASE را برای شبیه‌سازی قطعی (مانند شبیه‌سازی‌های مهندسی و فیزیک) مورد بحث قرار می‌دهد. متن طرح های آماری کلاسیک و مدرن را ارائه می دهد. طرح‌های کلاسیک (مثلاً فاکتوریل‌های کسری) تنها چند فاکتور را با چند مقدار در هر فاکتور فرض می‌کنند. داده‌های ورودی/خروجی حاصل از آزمایش شبیه‌سازی از طریق چندجمله‌ای‌های مرتبه پایین، که مدل‌های رگرسیون خطی (متا) هستند، تحلیل می‌شوند. طراحی‌های مدرن به عوامل بسیار بیشتری اجازه می‌دهند که با مقادیر زیادی در هر فاکتور امکان‌پذیر است. این طرح‌ها شامل غربالگری گروهی (به عنوان مثال، انشعاب متوالی، SB) و طرح‌های پرکننده فضا (مانند نمونه‌برداری Hypercube Latin، LHS) است. داده های حاصل از این طرح های مدرن ممکن است از طریق چند جمله ای های مرتبه پایین برای غربالگری گروهی و انواع متامدل های مختلف (به عنوان مثال، کریجینگ) برای LHS تجزیه و تحلیل شوند.

به این ترتیب، کتاب راه حل های نسبتاً ساده ای برای مشکل شبیه سازی سناریوها و نحوه تجزیه و تحلیل داده های حاصل ارائه می دهد.

این کتاب همچنین شامل روش هایی برای . فقط آن دسته از موضوعات تاکتیکی را مورد بحث قرار می دهد که ارتباط نزدیکی با موضوعات استراتژیک دارند. به عنوان مثال، متن به طور مختصر تکنیک‌های کاهش طول اجرا و کاهش واریانس را مورد بحث قرار می‌دهد.

کتاب‌های درسی پیشرو در مورد شبیه‌سازی رویداد گسسته توجه کمی به مسائل استراتژیک دارند. از شبیه سازی نویسنده تقریباً چهل سال است که روی موضوعات استراتژیک در شاگردان علمی مختلف کار کرده است - مانند تحقیق در عملیات، علوم مدیریت، مهندسی صنایع، آمار ریاضی، اقتصاد، مهندسی هسته‌ای، علوم کامپیوتر و سیستم‌های اطلاعاتی.

مخاطبان مورد نظر متشکل از محققان، دانشجویان فارغ التحصیل و متخصصان بالغ در حوزه شبیه سازی است. فرض بر این است که آنها دانش پایه شبیه سازی و آمار ریاضی دارند. با این وجود، این کتاب برای راحتی خوانندگان، این اصول را خلاصه می کند.

This is an advanced expository book on statistical methods for the Design and Analysis of Simulation Experiments (DASE). Though the book focuses on DASE for discrete-event simulation (such as queuing and inventory simulations), it also discusses DASE for deterministic simulation (such as engineering and physics simulations). The text presents both classic and modern statistical designs. Classic designs (e.g., fractional factorials) assume only a few factors with a few values per factor. The resulting input/output data of the simulation experiment are analyzed through low-order polynomials, which are linear regression (meta)models. Modern designs allow many more factors, possible with many values per factor. These designs include group screening (e.g., Sequential Bifurcation, SB) and space filling designs (e.g., Latin Hypercube Sampling, LHS). The data resulting from these modern designs may be analyzed through low-order polynomials for group screening and various metamodel types (e.g., Kriging) for LHS.

In this way, the book provides relatively simple solutions for the problem of which scenarios to simulate and how to analyze the resulting data.

The book also includes methods for computationally expensive simulations. It discusses only those tactical issues that are closely related to strategic issues; i.e., the text briefly discusses run-length and variance reduction techniques.

The leading textbooks on discrete-event simulation pay little attention to the strategic issues of simulation. The author has been working on strategic issues for approximately forty years, in various scientific disciples--such as operations research, management science, industrial engineering, mathematical statistics, economics, nuclear engineering, computer science, and information systems.

The intended audience is comprised of researchers, graduate students, and mature practitioners in the simulation area. They are assumed to have a basic knowledge of simulation and mathematical statistics; nevertheless, the book summarizes these basics, for the readers' convenience.