首页 > 其他分享 >OPNET网络仿真分析-1.6、OPNET软件使用

OPNET网络仿真分析-1.6、OPNET软件使用

时间:2023-04-05 11:35:42浏览次数:45  
标签:仿真 1.6 模型 探针 点击 OPNET Probes


OPENT网络仿真分析 (作者:栾鹏、陈玓玏)


1.6、OPNET软件使用

1.6.1、菜单栏介绍

在子网模块界面,OPNET菜单栏工具栏如图所示。

OPNET网络仿真分析-1.6、OPNET软件使用_仿真

第一部分:文件操作

点击File,弹出如图1-9所示。

OPNET网络仿真分析-1.6、OPNET软件使用_使用_02

(1)点击New,弹出新建内容窗口,会有多种创建内容选择。点击Open和Save以及Save As同样会有不同的文件格式类型。OPNET文件、名称与功能对应如图1-10所示。

OPNET网络仿真分析-1.6、OPNET软件使用_教程_03


OPNET网络仿真分析-1.6、OPNET软件使用_网络_04

(2)点击Declare External Files,可以进行外部文件声明。

OPNET网络仿真分析-1.6、OPNET软件使用_仿真_05

声明外部文件主要针对,在c语言函数中调用了外部函数时,需要将调用的文件声明到当前进程中,如本书末尾实例2中,引入光纤链路时,需要声明部分外部文件,才能保证光纤链路的管道模型正常运行。声明只需在相应文件名选中即可。

(3)点击Manage Model Files可实现模型文件管理。

OPNET网络仿真分析-1.6、OPNET软件使用_网络_06

在模型文件管理中存在如图1-12所示的快捷操作。由于OPNET在打开时会按照所包含的模型目录扫面模型文件,在模型目录外的模型是不会被OPNET识别的。所以当我们创建了新的项目时,需要将存在模型的目录使用Add Model Directories添加到OPNET的模型目录中,这样,下次启动OPNET就会自动扫描其中的文件。当然还可以通过删除模型文件,更新模型目录等操作。

对模型目录的操作,还有一种方法,在Edit菜单栏中,选择preference,在输入框中输入mod_点击Find,出现如图1-13所示结果。

OPNET网络仿真分析-1.6、OPNET软件使用_仿真_07

点击Model Directories属性值的位置出现如图1-14所示的模型目录,在这里添加删除模型目录,调整模型目录顺序,第一个模型目录为默认打开文件对话框。

OPNET网络仿真分析-1.6、OPNET软件使用_仿真_08

第二部分:场景操作

场景操作请参考2.2章节

第三部分:拓扑操作

拓扑操作请参照2.8章节

第四部分:DES介绍

点击DES,弹出如图1-15所示的菜单选项。

OPNET网络仿真分析-1.6、OPNET软件使用_网络_09

1)Choose Individual Statistics为选择自定义统计量,点击后进入统计量选择,可以选择全局统计量,节点统计量以及链路统计量。在子网模型空白处单击右键选择Choose Individual DES Statistics同样可以进入这个窗口。

2)Choose Statistics(Advanced)为高级统计量设计,点击后进入各类型的探针设计界面。如图1-16所示,其中包含了Global Statistic Probes全局统计量探针,Node Statistics Probes节点统计量探针,Link Statistic Probes链路统计量探针,Path Statistic Probe路径统计量探针,Demand Statistic Probes业务统计量探针,Attribute Probes属性探针,Automatic Animation Probes自动动画探针,Statistic Animation Probes统计量动画探针,Custom Animation Probes自定义动画探针。

OPNET网络仿真分析-1.6、OPNET软件使用_使用_10

3)Configure/Run Discrete Event Simulation为仿真环境配置,点击后仿真环境配置界面。参考4.1章节调试部分。

4)Configure/Run Discrete Event Simulation(Advanced)为高级仿真环境配置,参考4.1章节调试部分。

5)Run Discrete Event Simulation运行离散时间仿真,等同于在仿真配置界面点击Run按钮,运行仿真。

6)Open DES Log打开DES调试日志

7)Results查看各种结果和调试报告

8)Play 2D Animation为播放2D动画,在设置了动画探针,并在仿真输出中设置了存储动画文件时有效。

1.6.2、工具栏介绍

OPNET网络仿真分析-1.6、OPNET软件使用_opnet_11


标签:仿真,1.6,模型,探针,点击,OPNET,Probes
From: https://blog.51cto.com/u_15858929/6170386

相关文章

  • OPNET网络仿真分析-1.2、OPNET安装教程
    OPENT网络仿真分析(作者:栾鹏、陈玓玏)1.2、OPNET安装教程本书使用的OPNET安装配置环境如表1-8所示。第一部分:安装vs2010,设置vs环境变量本书使用以win764位安装OPNET14.5仿真软件。【1】安装vs2010,只需要安装c++语言(安装过程略)。我的安装目录为G:\vs2010【2】开始设置VC编译器的环......
  • 基于PSO的最优路径优化仿真,带GUI界面,可以设置粒子数目,迭代次数,优化目标,输出最优
    1.算法描述PSO从这种模型中得到启示并用于解决优化问题。PSO中,每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(fitnessvalue),每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空......
  • 一维CNN,二维CNN以及三维CNN的训练模型matlab仿真
    1.算法描述卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(FeedforwardNeuralNetworks),是深度学习(deeplearning)的代表算法之一。卷积神经网络具有表征学习(representationlearning)能力,能够按其阶层结构对输入信息进行平移不变......
  • m基于多核学习支持向量机MKLSVM的数据预测分类算法matlab仿真
    1.算法描述        20世纪60年代Vapnik等人提出了统计学习理论。基于该理论,于90年代给出了一种新的学习方法——支持向量机。该方法显著优点为根据结构风险最小化归纳准则,有效地避免了过学习、维数灾难和局部极小等传统机器学习中存在的弊端,且在小样本情况下仍然具有......
  • 基于PSO的最优路径优化仿真,带GUI界面,可以设置粒子数目,迭代次数,优化目标,输出最优
    1.算法描述        PSO从这种模型中得到启示并用于解决优化问题。PSO中,每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(fitnessvalue),每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前......
  • m基于多核学习支持向量机MKLSVM的数据预测分类算法matlab仿真
    1.算法描述20世纪60年代Vapnik等人提出了统计学习理论。基于该理论,于90年代给出了一种新的学习方法——支持向量机。该方法显著优点为根据结构风险最小化归纳准则,有效地避免了过学习、维数灾难和局部极小等传统机器学习中存在的弊端,且在小样本情况下仍然具有良好的泛化能力,从......
  • 基于mnist手写数字数据库的深度学习网络训练和数字识别matlab仿真
    1.算法描述        MNIST数据集(MixedNationalInstituteofStandardsandTechnologydatabase)是美国国家标准与技术研究院收集整理的大型手写数字数据库,该数据集包含60000 个于训练的样本和10000 个于测试的样本,图像是固定⼤小(28x28像素),每个像素的值为......
  • 基于PSO优化的路径规划避障系统仿真,沿着障碍物边缘平滑的进行转向
    1.算法描述粒子群优化算法(PSO),粒子群中的每一个粒子都代表一个问题的可能解,通过粒子个体的简单行为,群体内的信息交互实现问题求解的智能性。在求解TSP这种整数规划问题的时候,PSO显然与ACO不同,PSO需要对算法本身进行一定的修改,毕竟PSO刚开始是应用在求解连续优化问题上的......
  • 基于LSTM网络的空调功耗数据预测matlab仿真
    1.算法描述       长短期记忆网络(LSTM,LongShort-TermMemory)是一种时间循环神经网络,是为了解决一般的RNN(循环神经网络)存在的长期依赖问题而专门设计出来的,所有的RNN都具有一种重复神经网络模块的链式形式。在标准RNN中,这个重复的结构模块只有一个非常简单的结构,例如一个t......
  • m基于AlexNet神经网络和GEI步态能量图的步态识别算法MATLAB仿真
    1.算法描述        AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生AlexKrizhevsky设计的。也是在那年之后,更多的更深的神经网络被提出,比如优秀的vgg,GoogLeNet。这对于传统的机器学习分类算法而言,已经相当的出色。Alexnet网络模型于2012年提出。它具有更高维......