由于计算机的高性能，因此在许多实际情况下，仿真都可以使近似值令人满意。 那么，在哪种情况下，模拟效果不够好，从业人员必须选择分析排队理论，而不是离散事件模拟？ 我本人不知道。
答案 0 :(得分：0)
随机模拟是通过采样完成的，因此答案本质上是统计的。总是存在一定的误差。由于来自排队系统的数据不是独立的，这使情况变得复杂，因此在估计置信区间半角时需要格外小心-古典统计经常会错误地估计方差，幅度通常为几个数量级。如果您想要稳态行为（假设它们存在），则由于计算机程序必须初始化其状态而使情况更加复杂。最方便，最常见的初始化是空的和空闲的，这并不代表长期观察到的状态，因此您具有通常称为初始化偏差的东西。由于上述序列相关性，初始状态的影响会持续未知的时间，并使估计值产生偏差。考虑到这些复杂性，在可用时是首选的分析方法。
另一方面，许多现实情况在分析上都不容易处理。一旦您承认大量现实行为中的任何一种，分析方法就会崩溃。大多数分析解决方案都需要Markovian（无内存）分布来产生独立于过去的当前状态。假设服务时间呈指数分布是不可能的—您是否真的认为现实世界中最有可能的（模式）服务时间为零？其他会影响分析可解性的现实世界现象包括：行，人们认为队列过长并且不加入队列； ne悔，排队的人在被送达之前会感到厌烦并离开；批量到达，例如家庭聚会或晚餐聚会；没有出现或迟到的预订系统；共享资源要求，例如需要同时使用多个工作人员或设备的零配件；服务器因健康/安全要求而中断或轮班离开；或截止日期，例如项目到期日或飞机起飞时间。如果仿真模型存在于真实系统中，则可以构建为包含所有这些模型中的任何一个或全部，而分析方法则不能。如果分析人员选择忽略或假设这些错误，那么他们将犯下所谓的3类错误-准确地回答错误的问题。 2015年发表的论文“ Changing the Paradigm: Simulation, Now a Method of First Resort”更深入地介绍了其中一些想法。