R, Monte Carlo, dan tugas perusahaan

Ketika memecahkan masalah praktis dengan keteraturan yang patut ditiru, kita harus menghadapi dua pendekatan khas yang diajukan pada pertemuan atau di udara.

• Opsi 1 - mari kita selesaikan masalah tertentu secara umum. Setelah menyelesaikannya dengan cara ini, kita akan dapat memecahkan lebih banyak lagi di sepanjang jalan.
• Opsi 2 - mari kita prediksi perkiraan, ML dan banyak hal yang modis untuk memprediksi perilaku sistem nonlinier. Tenang saja.

Namun, penerapan pendekatan semacam itu tidak selalu memadai untuk rumusan awal masalah.
Ini adalah kelanjutan dari publikasi sebelumnya .

Mengapa pendekatan seperti itu berlebihan? Ya, karena banyak alasan: waktu yang diperlukan untuk menemukan solusi untuk masalah, waktu yang diperlukan untuk menghitung, persyaratan untuk jumlah sumber daya komputasi, melakukan perhitungan dengan akurasi tinggi, membangun model yang salah, kompleksitas tinggi dari solusi analitik untuk masalah langsung, kompleksitas tinggi untuk memecahkan masalah terbalik, dan banyak lagi.

Tetapi ada cara klasik untuk memecahkan masalah seperti itu, yang sangat bagus jika Anda memiliki komputer yang kuat. Metode Monte Carlo. Stat. analisis hasil beberapa solusi untuk masalah langsung, yang, sebagai aturannya, dapat disesuaikan dengan baik.
Jawaban yang diperlukan, sebagai perkiraan pertama, dapat diperoleh dalam beberapa jam, termasuk memahami masalahnya, mengkode dan melakukan perkiraan perhitungan.

Di bawah ini hanya 2 contoh.

Contoh 1. Combinatorics dari daftar bersarang

Tugas bisnis awal adalah memperluas basis pelatihan bot obrolan berdasarkan sekelompok kecil frase input. Banyak pilihan frasa sumber sama sekali tidak secara fisik. Tapi itu dapat diperluas secara signifikan dengan analisis awal dari struktur kalimat dan generasi permutasi yang diizinkan oleh aturan bahasa. Misalnya, "pipa mengalir di kamar 6" dan "di kamar 6 mengalir pipa" pada dasarnya identik.

Jadi, pernyataan resmi. Ada daftar multi-level daftar bersarang. Hal ini diperlukan untuk menghasilkan hampir semua permutasi yang mungkin dari daftar nilai asli, asalkan permutasi elemen diperbolehkan hanya dalam setiap daftar yang terpisah .

ll <- list(list('a', 'b', 'c'), 'd', list('e', 'f', list('g', 'h', 'i'))) #   factorial(3) * factorial(3) * factorial(3) * factorial(3) 

 #        ff <- function(x){ #    ,           res <- if(is.list(x)) { sample(x, length(x), replace = FALSE) %>% purrr::map(ff) } else { x } res } procLine <- function(row){ purrr::map(row, ff) %>% #    rlang::squash_chr() %>% stri_c(collapse = "") } #   ,     wks <- 1 future::plan(multiprocess, workers = wks) tic(glue("Generating permutations @ {wks} thread(s)")) df1 <- purrr::map(1:10^4, ~sample(ll, length(ll), replace = FALSE)) %>% #          # purrr::map_chr(procLine) %>% furrr::future_map_chr(procLine) %>% enframe(name = NULL) %>% distinct() toc() 

Contoh 2. Memprediksi antrian pelanggan

Skema pengukuran sedemikian rupa sehingga memungkinkan untuk mengambil indikator eksternal dari proses (kami menganggapnya agak rumit dan tidak stabil dalam waktu), seperti waktu kedatangan dan keberangkatan pelanggan, struktur keranjang dan banyak lagi.

Opsi nomor 1 - menyelesaikan masalah langsung. Tanpa pengetahuan teoritis tentang penampil + akumulasi massa historis semua jenis indikator eksternal (fitur) dan penggunaan metode ML untuk "pemasangan". Beberapa ramalan sedang dibuat, tetapi apa, mengapa, dan bagaimana - berada di luar ruang lingkup, perlu untuk menggunakan "penerjemah" lianerisasi.

Opsi No. 2 - Kami menggunakan metode kognisi ilmiah. Kami membuka teori sistem antrian, membangun stat. indikator proses sesuai dengan parameter QS, kami meluncurkan simulasi diskrit parameterisasi layanan pelanggan. Kami mendapatkan "model digital" dari Sistem yang memiliki tuas untuk kontrol dan kekuatan penjelas analitis yang didasarkan tepat pada sifat objek yang diamati, dan bukan pada set "fitur" tertentu.
R memiliki paket simmer besar untuk ini. Semua informasi dan banyak contoh praktis di sini .

Posting sebelumnya - "Beberapa sentuhan pada bekerja dengan pengidentifikasi bigint di R" .