Simulation
シミュレーション
当研究室で扱う数理モデリング・最適化・確率過程の考え方を，ブラウザ上で体験できるデモです．
パラメータを変更しながら，モデルの挙動や計算結果の変化を観察できます．
SIR Epidemic Model
SIR感染症モデル
感染症の流行過程を，感受性者・感染者・回復者の3つの集団に分けて記述する基本的なモデルです．感染率 β と回復率 γ を変更すると，感染ピークの高さや流行が収束するタイミングがどのように変化するかを確認できます．
パラメータ設定
0.30
0.10
3.00
1人の感染者が平均して生み出す二次感染者数（β/γ）
Genetic Algorithm / TSP
遺伝的アルゴリズムによる巡回セールスマン問題
進化計算の代表的手法である遺伝的アルゴリズムを用いて，平面上に配置された都市を一度ずつ訪問し，出発地に戻る最短経路を探索します．集団サイズや突然変異率を変更して「開始」ボタンを押すと，世代を重ねるにつれて経路が改善されていく様子を観察できます．
パラメータ設定
20
100
0.10
300
現在世代
0 / 0
最良経路長 L*
—
平均経路長 L
—
都市配置と現時点の最良経路
City Map世代ごとの経路長推移
ConvergenceFatigue Crack Growth / Stochastic Model
疲労き裂成長の確率モデル
Paris則を基礎として，き裂進展抵抗のばらつきを対数正規過程で表現する確率モデルをシミュレーションします．無次元き裂長 X(t) のサンプルパスを確認し，多数試行のモンテカルロシミュレーションから，時刻 t における累積破壊確率 Pf(t) を推定します．
パラメータ設定
3.00
0.010
0.50
1.00
10.0
0.50
500
10
状態
待機中
平均破壊時刻 E[Tf]
—
破壊観測率
—