Воспроизводимые прогоны модели

1. Выберите эксперимент в панели Проекты.
2. Откройте секцию Случайность в панели Свойства.
3. Выберите опцию Фиксированное начальное число (воспроизводимые прогоны).
4. Укажите начальное число генератора случайных чисел в поле Начальное число, расположенном справа.

Обратите внимание, что любые изменения в модели могут повлиять на генератор случайных чисел. Например, если вы добавили в модель блок, при инициализации этот блок может потреблять числа из генератора случайных чисел, даже не являясь частью диаграммы процесса.

Если вы ничего не меняли в модели, а в эксперименте вашей модели выбрана опция Фиксированное начальное число (воспроизводимые прогоны), но ее результаты не воспроизводятся, проверьте в вашей модели следующее:

Для всех экспериментов:

• В модели не должно быть коллекций класса HashMap или HashSet. Используйте LinkedHashMap.
• Не используйте System.currentTimeMillis(), new Date() и им подобные функции, которые возвращают текущую дату компьютера.
• Если результаты воспроизводятся только после закрытия окна модели и повторного запуска, но не воспроизводятся после комбинации “запуск->остановка”, это может говорить о том, что каждый прогон модели оставляет лишние записи в пользовательских данных эксперимента. Частным случаем являются статические переменные, которые могут быть записаны первым прогоном и считаны вторым.
• В случае с внешними источниками данных, следует убедиться, что вводные данные не изменились во время прогона модели, так как следующий прогон будет использовать измененные данные.
• В модели не должны использоваться методы с неконтролируемым значением класса Random (например: Collections.shuffle() или Math.random()). Используйте функцию getDefaultRandomNumberGenerator() для получения доступа к потоку случайных чисел модели.
• Если используется конвертирование из текущей даты компьютера в модельное время, необходимо, чтобы в модели были заданы фиксированные начальная и конечная даты моделирования.
• Не используйте оператор == для сравнения текстовых строк (переменных и параметров типа String), вместо этого используйте функцию equals(), доступную у всех переменных типа String.
• Динамические свойства фигур не должны содержать функций, которые изменяют что-либо в модели.
• Другие параллельные потоки (если есть) должны быть корректно синхронизованы и упорядочены.
• В модели не должно быть вызовов методов object.hashCode() и System.identityHashCode().
• Если вы хотите добиться воспроизводимых результатов при запуске модели на различных компьютерах, убедитесь, что на этих компьютерах установлены одни и те же региональные настройки (локали). Иначе, например, если в модели есть элемент расписание, и в одной из локалей производится переход на зимнее время, а в другой нет, то результаты прогонов модели могут быть разными.

Для экспериментов с множественными прогонами:

• Эксперимент не должен содержать статических переменных или полей, которые могли бы быть изменены во время прогона.
• Генератор случайных чисел в нестандартном эксперименте должен сбрасываться или перезапускаться перед каждым новым прогоном модели.
• Эксперимент оптимизации с параллельным выполнением итераций может выдавать разные результаты каждый раз. Новые значения параметров основаны на предыдущих результатах моделирования системы. Количество результатов моделирования в определенный момент времени может отличаться ввиду различной скорости выполнения каждого отдельно взятого прогона. Отключите параллельное выполнение итераций (в секции Специфических свойств эксперимента), чтобы каждый раз получать одинаковый результат.
• Если результаты экспериментов с множественными прогонами не соответствуют результатам простого эксперимента, следует проверить начальное/конечное время модели, случайное начальное число, упорядочение одновременных событий и другие настройки исполняющего ядра.