TeZaS Δημοσ. 25 Μαρτίου 2015 Δημοσ. 25 Μαρτίου 2015 Κάνω την διπλωματική μου που έχει σχέση με Reliability Engineering. Είμαι σε μια φάση στο Mathematica που θέλω να κάνω γραφική παράσταση του Total Operation Cost. Είναι συνδυασμός πολλών συναρτήσεων και όταν κάνω Plot απο 0 εως 8670 ώς προς το Τ παίρνει περίπου 7-8 ώρες να μου το υπολογίσει. Υπάρχει κάποιος τρόπος να γίνει μια πιο εμπειρική γραφική παράσταση? Να μου βγάλει πχ το γράφημα με κάποιο βήμα στις τιμές του Τ1 ας πούμε να αυξάνεται κατα 100 μονάδες την φορά, μήπως και γίνει ο υπολογισμός ποιο γρήγορα, γιατί έχω 4 διαφορετικές περιπτώσεις και άλλες 4 περιπτώσεις με 2 παράγοντες Τ1 και Τ2 που εκεί θα σπάσει το pc αν πάει να το υπολογίσει. Παρακαλώ τα φώτα σας
whodatinsomniaK Δημοσ. 25 Μαρτίου 2015 Δημοσ. 25 Μαρτίου 2015 1. Κάνεις τους υπολογισμούς πριν κάνεις το γράφημα και Σώζεις το αποτέλεσμα σε κάποιο αρχείο το οποιο διαβάζεις όποτε το χρειάζεσαι. Ακόμα και σε ενδιάμεσα βήματα. 2. Χρησιμοποιείς το parallel 3. Κάνεις υπομονή. Σημείωση: αν θες να έχεις ένα έτος το σωστό νούμερο ειναι 8760.
TeZaS Δημοσ. 25 Μαρτίου 2015 Μέλος Δημοσ. 25 Μαρτίου 2015 Ναι 8760 έχω απο τα νεύρα το έγραψα λάθος. Ένα ακόμα πιο δύσκολο κομμάτι είναι τώρα που πρέπει να βάλω περιορισμό στο Minimize του κόστους Availability>0.99 και μετά >0.999 εκεί θέλει κανέναν αιώνα να το υπολογίσει.... Εχω αγανακτήσει!!!!!
whodatinsomniaK Δημοσ. 26 Μαρτίου 2015 Δημοσ. 26 Μαρτίου 2015 Νομίζω ότι δεν έχεις κάνει optimization του κώδικα σου.
TeZaS Δημοσ. 26 Μαρτίου 2015 Μέλος Δημοσ. 26 Μαρτίου 2015 Έχει γίνει optimization και απο τον καθηγητή, αλλά είναι πάρα πολλά τα δεδομένα γτ μελετάω πολύπλοκο σύστημα... Περιμένω απάντηση και απο τον καθηγητή αλλά μέχρι τότε προσπαθώ μήπως βρώ λύση μόνος μου Σκέψου το αρχείο μόνο με τις συναρτήσεις των στάσιμων πιθανοτήτων είναι 40ΜΒ και με βάση αυτές "φτιάχνονται" οι περισσότερες άλλες συναρτήσεις του προβλήματος. 37Χ37 πίνακα έχω
flik Δημοσ. 26 Μαρτίου 2015 Δημοσ. 26 Μαρτίου 2015 Δε ξέρω μπορεί να λέω κοτσάνα γιατί δεν είμαι σχετικός με το αντικείμενο. Δεν μπορείς να φτιάξεις arrays για Τ με το βήμα που θες, και μετά για κάθε τιμή του array να βρεις το TOC και να κάνεις plot τις lists αυτές;
whodatinsomniaK Δημοσ. 26 Μαρτίου 2015 Δημοσ. 26 Μαρτίου 2015 Έχει γίνει optimization και απο τον καθηγητή, αλλά είναι πάρα πολλά τα δεδομένα γτ μελετάω πολύπλοκο σύστημα... Περιμένω απάντηση και απο τον καθηγητή αλλά μέχρι τότε προσπαθώ μήπως βρώ λύση μόνος μου Σκέψου το αρχείο μόνο με τις συναρτήσεις των στάσιμων πιθανοτήτων είναι 40ΜΒ και με βάση αυτές "φτιάχνονται" οι περισσότερες άλλες συναρτήσεις του προβλήματος. 37Χ37 πίνακα έχω 1. όλα αυτά αλληλεπιδρούν; 2. αν το πανεπιστήμιο δεν έχει cluster, ζήτα από τον καθηγητή σου να επενδύσει το ιλιγγιώδες πόσο τον $70 να κάνετε δουλειά: http://www.wolfram.com/mathematica/online/
TeZaS Δημοσ. 26 Μαρτίου 2015 Μέλος Δημοσ. 26 Μαρτίου 2015 ¨ολα αυτά αλληλεπιδρούν; αν το πανεπιστήμιο δεν έχει cluster, ζήτα από τον καθηγητή σου να επενδύσει το ιλιγγιώδες πόσο τον $70 να κάνετε δουλειά; http://www.wolfram.com/mathematica/online/ sumssp[T1_, T2_] = v0[T1, T2]*h0[T1] + v1[T1, T2]*h1[T1] + v2[T1, T2]*h2[T2] + v3[T1, T2]*h3[T2] + v4[T1, T2]*h4[T1] + v5[T1, T2]*h5[T1] + v6[T1, T2]*h6[T1] + v7[T1, T2]*h7[T1] + v8[T1, T2]*h8[T1] + v9[T1, T2]*h9[T1] + v10[T1, T2]*h10[T1] + v11[T1, T2]*h11[T2] + v12[T1, T2]*h12[T2] + v13[T1, T2]*h13[T1] + v14[T1, T2]*h14[T1] + v15[T1, T2]*h15[T1] + v16[T1, T2]*h16[T1] + v17[T1, T2]*h17[T1] + v18[T1, T2]*h18[T1] + v19[T1, T2]*h19[T1] + v20[T1, T2]*h20[T1] + v21[T1, T2]*h21[T2] + v22[T1, T2]*h22[T2] + v23[T1, T2]*h23[T1] + v24[T1, T2]*h24[T1] + v25[T1, T2]*h25[T1] + v26[T1, T2]*h26[T1] + v27[T1, T2]*h27[T1] + v28[T1, T2]*h28[T1] + v29[T1, T2]*h29[T1] + v30[T1, T2]*h30[T2] + v31[T1, T2]*h31[T2] + v32[T1, T2]*h32[T1] + v33[T1, T2]*h33[T1] + v34[T1, T2]*h34[T1] + v35[T1, T2]*h35[T1] + v36[T1, T2]*h36[T1]; ssp0[T1_, T2_] = (v0[T1, T2]*h0[T1])/sumssp[T1, T2]; ssp1[T1_, T2_] = (v1[T1, T2]*h1[T1])/sumssp[T1, T2]; ssp2[T1_, T2_] = (v2[T1, T2]*h2[T2])/sumssp[T1, T2]; ssp3[T1_, T2_] = (v3[T1, T2]*h3[T2])/sumssp[T1, T2]; ssp4[T1_, T2_] = (v4[T1, T2]*h4[T1])/sumssp[T1, T2]; ssp5[T1_, T2_] = (v5[T1, T2]*h5[T1])/sumssp[T1, T2]; ssp6[T1_, T2_] = (v6[T1, T2]*h6[T1])/sumssp[T1, T2]; ssp7[T1_, T2_] = (v7[T1, T2]*h7[T1])/sumssp[T1, T2]; ssp8[T1_, T2_] = (v8[T1, T2]*h8[T1])/sumssp[T1, T2]; ssp9[T1_, T2_] = (v9[T1, T2]*h9[T1])/sumssp[T1, T2]; ssp10[T1_, T2_] = (v10[T1, T2]*h10[T1])/sumssp[T1, T2]; ssp11[T1_, T2_] = (v11[T1, T2]*h11[T2])/sumssp[T1, T2]; ssp12[T1_, T2_] = (v12[T1, T2]*h12[T2])/sumssp[T1, T2]; ssp13[T1_, T2_] = (v13[T1, T2]*h13[T1])/sumssp[T1, T2]; ssp14[T1_, T2_] = (v14[T1, T2]*h14[T1])/sumssp[T1, T2]; ssp15[T1_, T2_] = (v15[T1, T2]*h15[T1])/sumssp[T1, T2]; ssp16[T1_, T2_] = (v16[T1, T2]*h16[T1])/sumssp[T1, T2]; ssp17[T1_, T2_] = (v17[T1, T2]*h17[T1])/sumssp[T1, T2]; ssp18[T1_, T2_] = (v18[T1, T2]*h18[T1])/sumssp[T1, T2]; ssp19[T1_, T2_] = (v19[T1, T2]*h19[T1])/sumssp[T1, T2]; ssp20[T1_, T2_] = (v20[T1, T2]*h20[T1])/sumssp[T1, T2]; ssp21[T1_, T2_] = (v21[T1, T2]*h21[T2])/sumssp[T1, T2]; ssp22[T1_, T2_] = (v22[T1, T2]*h22[T2])/sumssp[T1, T2]; ssp23[T1_, T2_] = (v23[T1, T2]*h23[T1])/sumssp[T1, T2]; ssp24[T1_, T2_] = (v24[T1, T2]*h24[T1])/sumssp[T1, T2]; ssp25[T1_, T2_] = (v25[T1, T2]*h25[T1])/sumssp[T1, T2]; ssp26[T1_, T2_] = (v26[T1, T2]*h26[T1])/sumssp[T1, T2]; ssp27[T1_, T2_] = (v27[T1, T2]*h27[T1])/sumssp[T1, T2]; ssp28[T1_, T2_] = (v28[T1, T2]*h28[T1])/sumssp[T1, T2]; ssp29[T1_, T2_] = (v29[T1, T2]*h29[T1])/sumssp[T1, T2]; ssp30[T1_, T2_] = (v30[T1, T2]*h30[T2])/sumssp[T1, T2]; ssp31[T1_, T2_] = (v31[T1, T2]*h31[T2])/sumssp[T1, T2]; ssp32[T1_, T2_] = (v32[T1, T2]*h32[T1])/sumssp[T1, T2]; ssp33[T1_, T2_] = (v33[T1, T2]*h33[T1])/sumssp[T1, T2]; ssp34[T1_, T2_] = (v34[T1, T2]*h34[T1])/sumssp[T1, T2]; ssp35[T1_, T2_] = (v35[T1, T2]*h35[T1])/sumssp[T1, T2]; ssp36[T1_, T2_] = (v36[T1, T2]*h36[T1])/sumssp[T1, T2]; TEDC[T1_, T2_] = Ci*(ssp4[T1, T2] + ssp5[T1, T2] + ssp6[T1, T2] + ssp14[T1, T2] + ssp15[T1, T2] + ssp16[T1, T2] + ssp24[T1, T2] + ssp25[T1, T2] + ssp27[T1, T2] + ssp32[T1, T2] + ssp33[T1, T2] + ssp34[T1, T2]) + Cm*(ssp7[T1, T2] + ssp17[T1, T2] + ssp26[T1, T2] + ssp36[T1, T2]) + CM*(ssp8[T1, T2] + ssp18[T1, T2] + ssp28[T1, T2] + ssp35[T1, T2]) + CR*(ssp13[T1, T2]); TEAC[T1_, T2_] = Cm2*(ssp7[T1, T2]/h7[T1] + ssp17[T1, T2]/h17[T1] + ssp26[T1, T2]/h26[T1] + ssp36[T1, T2]/h36[T1]) + CM2*(ssp8[T1, T2]/h8[T1] + ssp18[T1, T2]/h18[T1] + ssp28[T1, T2]/h28[T1] + ssp35[T1, T2]/h35[T1]) + CPR*(ssp9[T1, T2]/h9[T1] + ssp23[T1, T2]/h23[T1]) + CR2*(ssp13[T1, T2]/h13[T1]); TOC[T1_, T2_] = (TEDC[T1, T2] + TEAC[T1, T2])*L; Και σκέψου τα v(i)[T1,T2] (στάσιμες πιθανότητες) παίζει να είναι 50+ σειρές το καθένα και έχω 37 απο δαυτα. Θα δω τι θα μου πει και αύριο και θα του το προτείνω, στην χειρότερη τα τσοντάρω και εγώ τα λεφτά, να τελειώσω θέλω να ξεκινήσω να γράφω.
Προτεινόμενες αναρτήσεις
Δημιουργήστε ένα λογαριασμό ή συνδεθείτε για να σχολιάσετε
Πρέπει να είστε μέλος για να αφήσετε σχόλιο
Δημιουργία λογαριασμού
Εγγραφείτε με νέο λογαριασμό στην κοινότητα μας. Είναι πανεύκολο!
Δημιουργία νέου λογαριασμούΣύνδεση
Έχετε ήδη λογαριασμό; Συνδεθείτε εδώ.
Συνδεθείτε τώρα