Professional Documents
Culture Documents
Báo Cáo BTL DSTT
Báo Cáo BTL DSTT
1
ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC BÁCH KHOA
-------------------------------------
Họ và tên MSSV
Nguyễn Trọng Đại 2113114
Hoàng Minh Hải Đăng 2110120
Dương Nguyễn Tấn Đạt 2113118
Phan Đức Đạt 2113152
Trần Tiến Đạt 2113162
Trần Hữu Điển 2113188
Lã Minh Đức 2110132
Đỗ Minh Đức 2113260
2
Mục Lục
3
PHẦN BÁO CÁO NHÓM
Chủ đề 14:
2. Cơ sở lí thuyết
Mô hình markov là mô hình trang thái của một hệ thống hay một quy trình sau một thời
gian được biểu hiện qua mô hình trạng thái ban đầu và thời gian cũng như là số lượng cụ
thể ban đầu của từng trạng thái.
─ Là một công cụ hữu ích giúp dự đoán dài hạn về một hệ thống hoặc là một quy trình Ví
dụ: Dự đoán dài hạn Mô hình Markov mô tả theo thời gian nên ta có thể đặt những câu
hỏi về trạng thái của một hệ thống trong tương lai.
─ Nó phát triển như thế nào theo thời gian: hệ thống sẽ ở trạng thái nào sau sau thời gian
mà người ta cần biết
─ Truy tìm các trình tự có thể xảy ra trong quá trình: khi hệ thống đi từ trạng thái A đi
sang trạng thái B trong thời gian mà người ta cần biết. Khả năng có nó đi theo con đường
đã vạch ra là bao nhiêu.
Chú thích:
4
─ M: ma trận biểu thị trạng thái ban đầu
─ k: thời gian
─ X0: ma trận biểu thị số lượng từng trạng thái lúc đầu
Điều kiện phép nhân: số cột của ma trận trước phải bằng với số hàng của ma trận sau
A0=I
A1=A
A2=A.A
∀m ∈ N*, Am=A.A......A.
B2: Kiểm tra xem ma trận M và X0 có nhân được với nhau không
5
3.1. Giải bài toán cụ thể:
Trong một chung cư có 5000 dân( khách hàng), và có 3 siêu thị là A,B,C. Giả sử, trong
tháng đầu tiên số khách hàng của từng siêu thị lần lượt là 1000,1500,2500. Người ta nhận
thấy mỗi tháng có 10% khách hàng từ A sang B và có 10% khách hàng từ A sang C. Từ
B có 20% khách hàng sang A và 15% khách hàng sang C. Từ C có 15% khách chuyển
sang A và 10% chuyển sang B. Dự đoán số lượng khách hàng sau 3 tháng của từng siêu
thị.
B2: kiểm tra số liệu phù hợp, đúng theo yêu cầu, ma trận M và X0 nhân được với nhau
Tích Xk=Mk.X0
Vậy số lượng khách hàng sau 3 tháng của siêu thị A,B,C lần lượt là 1966,1177,1857.
clear;
6
close all;
clc;
% nhap gia tri ban dau cua bai toan
disp('Ti le phan tram khach hang chuyen tu sieu thi nay sang sieu thi khac sau 1 thang lan
luot la:');
A_to_B = input('Tu sieu thi A sang sieu thi B: ');
A_to_C = input('Tu sieu thi A sang sieu thi C: ');
B_to_A = input('Tu sieu thi B sang sieu thi A: ');
B_to_C = input('Tu sieu thi B sang sieu thi C: ');
C_to_A = input('Tu sieu thi C sang sieu thi A: ');
C_to_B = input('Tu sieu thi C sang sieu thi B: ');
disp('So luong khach hang ban dau cua moi sieu thi:');
A = input('Sieu thi A: ');
B = input('Sieu thi B: ');
C = input('Sieu thi C: ');
n = input('So luong khach hang can tim o moi sieu thi sau n thang voi n = ');
% khoi tao ma tran P, X_0
P = [(1 - A_to_B - A_to_C) B_to_A C_to_A;
A_to_B (1 - B_to_A - B_to_C) C_to_B;
A_to_C B_to_A (1 - C_to_A - C_to_B)];
5 Các bước thực hiện kết quả của bài toán trên:
7
so luong khach hang tai sieu thi A ban dau la :1000
so luong khach hang vao sieu thi B ban dau la :1500
so luong khach hang vao sieu thi C ban dau la :2500
ti le (%)khach hang tu sieu thi A sang thieu thi B sau moi thang la: 0.1
ti le (%)khach hang tu sieu thi A sang sieu thi C sau moi thang la: 0.1
ti le (%)khach hang o lai sieu thi A sau moi thang la: 0.8
ti le (%)khach hang tu sieu thi B sang sieu thi A sau moi thang la: 0.2
ti le (%)khach hang tu sieu thi B sang sieu thi C sau moi thang la: 0.15
ti le (%)khach hang o lai sieu thi B la: 0.65
ti le (%)khach hang tu sieu thi C sang sieu thi A sau moi thang la: 0.15
ti le (%)khach hang tu sieu thi C sang sieu thi B sau moi thang la: 0.1
ti le (%)khach hang o lai sieu thiu C la: 0.75
nhap vao so luong khach hang ban dau
so luong khach hang tai sieu thi A ban dau la:1000
so luong khach hang vao sieu thi B ban dau la:1500
so luong khach hang vao sieu thi C ban dau la:2500
mo hinh Markov la
0.8000 0.2000 0.1500
0.1000 0.6500 0.1000
0.1000 0.1500 0.7500
8
5. Ví dụ minh họa
Giả sử tôi có một người bạn sống ở rất xa. Hàng ngày chúng tôi gọi điện thoại cho nhau
và anh ta kể cho tôi nghe anh ta đã làm gì trong ngày. Người bạn tôi chỉ có 3 công việc
mà anh thích làm là:
1) đi dạo
2) đi chợ
3) dọn phòng
Hiển nhiên là sự lựa chọn phải làm gì thì phụ thuộc trực tiếp vào thời tiết hôm đấy thế
nào. Như vậy, tôi không nhận được thông tin cụ thể về thời tiết nơi anh bạn tôi sống
nhưng tôi lại biết về xu hướng chung. Dựa vào lời kể của công việc hàng ngày của anh ta,
tôi có thể đoán về thời tiết hôm đó.
Như vậy, thời tiết được vận hành như một chuỗi Markov cụ thể. Có 2 trạng thái thời tiết,
"Mưa" và "Nắng", nhưng tôi không quan sát trực tiếp, do đó, chúng là ẩn đối với tôi. Vào
mỗi ngày, anh bạn tôi sẽ làm một trong các việc sau phụ thuộc vào thời tiết hôm đó là "đi
dạo", "đi chợ" và "dọn phòng". Vì anh bạn tôi đã tường thuật lại hoạt động của mình, đó
là các dữ liệu quan sát. Toàn bộ hệ thống này là một mô hình Markov ẩn (HMM).
Tôi biết được xu hướng thời tiết nói chung và tôi cũng biết bạn tôi thường thích làm gì.
Nói cách khác, các thông số của HMM đã biết.
khả_năng_chuyển_dịch = {
'Mưa' : {'Mưa': 0.7, 'Nắng': 0.3},
'Nắn' : {'Mưa': 0.4, 'Nắng': 0.6},
9
}
khả_năng_loại_bỏ = {
'Mưa' : {'đi dạo': 0.1, 'đi chợ': 0.4, 'dọn phòng': 0.5},
'Nắng' : {'đi dạo': 0.6, 'đi chợ': 0.3, 'dọn phòng': 0.1},
}
10