Xpokj24

Taxislužba

Cílem simulace je určit sazby a optimální počet vozů provozovaných fiktivní taxislužbou pro dosažení co nejvyššího provozního (variabilního) zisku (bez ohledu na fixní náklady, tj. provozní zisk = výnosy - variabilní náklady).

Zadání

Taxislužba XY působící v Praze momentálně zaměstnává 50 řidičů.

• Každý den jezdí v průměru 20 řidičů v nočních hodinách a 20 v denních, zbytek má volno.
• Cena za 1km je stanovena na 20Kč při objednání přes dispečink, 28Kč bez objednání.
• V nočních hodinách řidiči využívají opilosti některých klientů a s pravděpodobností 40% nezapnou taxametr a účtují si více, než by měli, nicméně tyto peníze se nedostanou zpátky do firmy.
• Minuta čekání stojí 6Kč.

Za jednu směnu (12 hodin) řidič v průměru:

• obdrží 8 objednávek přes dispečink (pro zjednodušení předpokládáme, že zákazník potřebuje odvoz ihned - neobjednává na konkrétní hodinu),
• 5 zákazníků nabere na ulici (v noci je poměr obrácený),
• najezdí celkem 130km, z toho 95km má placených, zbytek jsou dojezdy.
• Každý řidič čeká na zákazníka z dispečinku x minut s pravděpodobností p=odmocnina(0,9/x).
• Provozní náklady automobilu jsou 5Kč/km (nafta + amortizace).
• Každý řidič stojí firmu 150Kč/hod
• o víkendech je o 20% více zakázek, o svátcích o 20% méně

Pokud jsou všichni řidiči vytížení a volá zákazník, který chce odvoz, firma jej musí odmítnout, což je nežádoucí.
1 km jízdy trvá v průměru 5min ve dne a 2min v noci, nástup a výstup je časově zanedbatelný.
Firma v minulosti jezdila za ceny 18Kč / 25Kč a měla o 15% více zakázek.

Parametry

• počet řidičů
• délka směny
• poptávka
• sazby

Výstupy práce

Použitá metoda Simulace: Monte Carlo (MS Excel)
Simulace provozu taxislužby a roční souhrnné statistiky.
Optimální nastavení počtu zaměstnanců a kilometrové sazby pro dosažení co nejvyššího provozního zisku.

--Poky 21:36, 7 May 2015 (CEST)

Oleg.Svatos 16:53, 8 May 2015 (CEST) Zdravím. Napadá mě - které proměnné budou generovány náhodně a na základě jakých dat budou stanoveny jejich pravděpodobnostní rozdělení? (předpokladem MC metody je právě mít slušný vzorek dat, na základě kterého jsme schopni stanovit parametry pro generování hodnot náhodné veličiny)

Mravenčí cesty

Simulace zobrazuje mravenčí kolonii vydávající se za potravou, po nalezení potravy se mravenci vrací zpátky do mraveniště a nechávají za sebou feromony určující cestu k potravě. Čím dále je potrava od mraveniště, tím je cesta k potravě slabší, protože intenzita feromonů časem slábne. Po vyčerpání potravy hledají mravenci další potravu. Současně však může vést z mraveniště více cest k různé potravě.

Detaily

Simulační nástroj: NetLogo
Parametry: Umístění potravy, množství potravy, vzdálenost potravy ...

Zadání doplním, příp. rozšířím. Především mě zajímá, zda Vám takováto simulace vůbec dává smysl.
--Poky 12:27, 9 May 2015 (CEST)

Vy jste asi dával pozor, když jsme probírali reaktivní agenty a tento případ jsem tam zmiňoval. V podstatě by mohlo být zajímavé jej nasimulovat, ale podmínkou je, abyste skutečně nasimuloval, jak to funguje v přírodě. To bude obnášet, abyste k tomu něco z předmětné oblasti načetl. Takže nastudujte prameny, problém rozpracujte a upřesněte a dohodneme se. Tomáš 16:32, 10 May 2015 (CEST)

Zdravím, mým záměrem je nasimulovat to tak, jak je tomu v přírodě nebo se alespoň tomuto přírodnímu "modelu" co nejvíce přiblížit. Některé články jsem na toto téma již četl a v simulaci by měl být znatelný především emergentní princip, tedy kdy efektivita nalezení potravy a následnému návratu do mraveniště co nejkratší cestou je tím efektivnější, čím víc mravenců je právě na lovu, nicméně téměř selhává pokud lovících mravenců je minimum (v takovém případě je jejich pohyb náhodný). Mravenci by tedy vždy po nalezení potravy měli při cestě zpět vylučovat feromony, které slouží jako navigace k potravě dalším mravencům a čím více mravenců se danou cestou vydá, tím se cesta stává silnější. Feromony postupem času slábnou, proto jsou kratší cesty atraktivnější než delší - "voní" silněji. Dále tím, jak se zdroj potravy postupně vyčerpává, tím méně mravenců vypouští při cestě na zpět feromony, což oslabuje "atraktivitu" cesty a značí ostatním mravencům, že potrava byla vyčerpána. V simulaci bych chtěl odhlédnout od mravenců, jejichž rolí je střežit potravu a varovat ostatní (vylučováním dalších látek) o hrozícím nebezpečí apod. Chci se zaměřit pouze na mravence - lovce. Mohu tedy téma považovat za schválené a začít se tématem podrobněji zabývat? --Poky 20:07, 10 May 2015 (CEST)