离散事件与代理模型仿真精度对比：零售业案例研究

"这篇研究论文比较了离散事件仿真（DES）和基于代理的仿真（ABS）在模拟以人为本的复杂系统时的输出精度，特别关注人类React行为的应用。研究通过英国一家大型百货公司女装部试衣间的运营为案例，探讨了这两种建模方法在模拟员工和客户React行为以评估新管理政策效率上的效果。通过验证实验和多场景实验，研究人员分析了两种建模方法的输出差异和在运营改进中的表现。" 离散事件仿真（DES）是一种模拟技术，它着重于事件的发生、排队和处理顺序，常用于系统中事件间相互独立且时间不连续的情况，如生产线、交通流或计算机网络。DES的优势在于它可以高效地处理大量并发事件，并且易于量化系统的性能指标。 基于代理的仿真（ABS），则是一种通过模拟个体（代理）的交互来理解整体系统行为的方法。每个代理都有其特定的行为规则和决策过程，这使得ABS在模拟具有复杂决策和互动的人类行为时尤为适用。在零售环境中的试衣间运营，代理可以代表顾客和员工，他们的React行为可以根据实际数据进行建模。 本研究中的验证实验是将模型的预测结果与实际系统性能进行对比，以检验模型的准确性。通过这种方式，研究人员可以量化DES和ABS在模拟React行为时的输出精度差异。实验表明，对于案例研究中的特定问题，两种建模方法在评估新管理政策效率方面具有相似的潜力。 在多场景实验阶段，DES和ABS被用于不同的运营情境，进一步测试它们在预测系统响应和优化决策方面的表现。这有助于揭示在不同条件下，哪种建模方法可能更优，或者在某些特定情况下两者可能达到相同的效果。 关键词：离散事件仿真，基于代理的仿真，输出分析，人类React行为。这些关键词突出了研究的核心内容，即比较两种仿真方法在模拟人类行为时的精度，以及分析它们的输出结果如何帮助理解和改善复杂的零售运营系统。 这项研究强调了在选择仿真模型时，应考虑模型的适用性、精度和对实际系统行为的再现能力。对于涉及人类行为的复杂系统，DES和ABS都可以是有效的工具，但具体选择应根据研究问题的特性和可用数据来决定。