- •Математические модели в сетях связи Экзаменационные вопросы и ответы
- •1. Моделирование сетей связи, задачи моделирования, виды моделей. Математические модели сетей связи: назначение, области применения (предметная область).
- •Структура сети связи
- •2. Сеть связи как система массового обслуживания. Основные процессы в сети связи, показатели (параметры) функционирования сети связи.
- •3. Показатели качества обслуживания трафика. Понятия потерь (для сетей с кк и кп), задержки доставки данных, вариации задержки (джиттера).
- •4. Обозначения систем массового обслуживания по Кендаллу-Башарину.
- •5. Модель трафика как потока заявок. Понятие случайного потока. Характеристики потока.
- •6. Простейший поток заявок – математическая модель, основные свойства простейшего потока.
- •7. Случайный процесс. Понятие самоподобного трафика, коэффициент Херста, метод оценки коэффициента Херста.
- •8. Понятие абонентской нагрузки. Удельная абонентская нагрузка. Поступающая (производимая), обслуженная, потерянная нагрузка.
- •9. Модель сети с кк как системы массового обслуживания: система м/m/V при дисциплине обслуживания с потерями. Постановка задачи, оценка потерь в сети связи, 1 формула Эрланга.
- •10. Сети с кп. Дисциплины обслуживания заявок (пакетов), модели обслуживания, показатели качества. Система м/m/V (до с ожиданием), 2 формула Эрланга.
- •11. Формула Полячека-Хинчина. Область применения, параметры. Частные случаи для моделей m/m/1 и m/d/1. Время ожидания в очереди, время доставки сообщения (пакета).
- •Свертка:
- •16. Измерения параметров трафика. Объекты измерений, анализируемые параметры, план измерений.
- •Объект измерений:
- •17. Точечные оценки параметров (математическое ожидание и др.).
- •18. Интервальные оценки параметров трафика (доверительные интервалы).
- •19. Гистограммы. Интервалы между пакетами, длина пакетов. Смысловое значение гистограмм. Функции плотности вероятности и функции распределения.
- •20. Имитационное моделирование. Принцип построения дискретных событийных моделей. Упрощенная структура системы моделирования и алгоритм функционирования.
- •21. Получение потока событий с заданными свойствами. Получение случайных чисел с заданной функцией распределения. Метод обратной функции.
- •22. Расчет необходимой пропускной способности канала (линии связи) на примере услуг VoIp.
- •23. Задачи динамического программирования. Общее определение подхода к решению задачи. Пример постановки задачи, решаемой методом динамического программирования.
- •24. Постановка задачи выбора оптимальной структуры сети (минимальной протяженности линий). Алгоритмы поиска кратчайшего остова графа. Алгоритм Краскала.
- •25. Постановка задачи выбора оптимальной структуры сети (минимальной протяженности линий). Алгоритмы поиска кратчайшего остова графа. Алгоритм Прима.
- •26. Постановка задачи оптимального размещения оборудования в сети, заданной графом. Минимум расстояний до всех вершин графа (узлов сети) – поиск центра графа.
- •27. Постановка задачи оптимального размещения оборудования в сети, заданной графом. Минимум суммы расстояний до всех вершин графа (узлов сети) – поиск медианы графа.
- •28. Кластерный анализ, постановка задачи кластеризации. Алгоритм forel.
- •29. Кластерный анализ, постановка задачи кластеризации. Алгоритм k-средних.
- •30. Надежность сети связи, общие определения. Коэффициент готовности сети связи.
- •31. Надежность простейших сетевых структур. Оценка коэффициента готовности (вероятности исправного состояния) для параллельной и последовательной структур, метод декомпозиции.
- •36. Задачи прогнозирования развития технологий связи (проникновения). Основные характеристики уровня развития. Логистическая модель прогнозирования (логистическая регрессия).
- •38. Пример постановки задачи оптимизации надежности сети связи (максимум надежности).
- •39. Задачи оптимизации. Безусловная оптимизация. Условная оптимизация.
- •40. Экстремумы функций: определения локального и глобального экстремумов.
- •41. Безусловная оптимизация. Необходимые и достаточные условия существования экстремума функции нескольких переменных.
- •42. Условная оптимизация. Метод множителей Лагранжа.
- •43. Условная оптимизация. Условия Каруша-Куна-Таккера.
- •44. Численные методы оптимизации. Общая структура алгоритма. Привести примеры численных методов условной и безусловной оптимизации.
- •45. Оптимизация функции одной переменной. Метод дихотомии.
- •46. Оптимизация функции одной переменной. Метод золотого сечения.
- •47. Оптимизация функции нескольких переменных. Безусловная оптимизация. Покоординатный спуск.
- •48. Оптимизация функции нескольких переменных. Безусловная оптимизация. Симплекс метод Нелдера-Мида (поиск по деформируемому многограннику).
- •49. Оптимизация функции нескольких переменных. Условная оптимизация. Метод штрафных функций.
- •50. Оптимизация функции нескольких переменных. Невыпуклые функции. Эволюционный метод (генетический алгоритм).
29. Кластерный анализ, постановка задачи кластеризации. Алгоритм k-средних.
Метод -средних (англ. k-means) — наиболее популярный метод кластеризации.
Действие алгоритма таково, что он стремится минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров.
Метод -средних на примере |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Изображение |
Описание |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Шаг 1. Определим число кластеров, на которое требуется разбить исходное множество . Шаг 2. Случайным образом выберем две точки, которые будут начальными центрами кластеров. Пусть это будут точки и . На рисунке они закрашены черным цветом. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Шаг 3. Проход 1. Для каждой точки определим к ней ближайший центр кластера с помощью расстояния Евклида. В таблице представлены вычисленные с помощью формулы расстояния между центрами кластеров , и каждой точкой исходного множества, а также указано, к какому кластеру принадлежит та или иная точка. Таким образом, кластер 1 содержит точки A, E, G, а кластер 2 – точки B, C, D, F, H. Как только определятся члены кластеров, может быть рассчитана сумма квадратичных ошибок ( — точки -того кластера): |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Шаг 4. Проход 1. Для каждого кластера вычисляется его центроид, и центр кластера перемещается в него. Центроид для кластера 1: . Центроид для кластера 2: . Начальные центры кластеров закрашены зеленым цветом, а центроиды, вычисленные при 1-м проходе алгоритма, – закрашены черным цветом. Они и будут являться новыми центрами кластеров, к которым будет определяться принадлежность точек данных на втором проходе. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Шаг 3. Проход 2. После того, как найдены новые центры кластеров, для каждой точки снова определяется ближайший к ней центр и ее отношение к соответствующему кластеру. Для это еще раз вычисляются евклидовы расстояния между точками и центрами кластеров. Относительно большое изменение привело к тому, что запись H оказалась ближе к центру , что автоматически сделало ее членом кластера 1. Все остальные записи остались в тех же кластерах, что и на предыдущем проходе алгоритма. Таким образом, кластер 1 будет A, E, G, H, а кластер 2 – B, C, D, F. Новая сумма квадратов ошибок составит ( — точки -того кластера): Результат показывает уменьшение ошибки относительно начального состояния центров кластеров (которая на первом проходе составляла 36). Это говорит об улучшении качества кластеризации, т.е. более высокую «кучность» объектов относительно центра кластера. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Шаг 4. Проход 2. Для каждого кластера вновь вычисляется его центроид, и центр кластера перемещается в него. Новый центроид для 1-го кластера: . Центроид для кластера 2: . Расположение кластеров и центроидов после второго прохода алгоритма представлено на рисунке. По сравнению с предыдущим проходом центры кластеров изменились незначительно. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Шаг 3. Проход 3. Для каждой записи вновь ищется ближайший к ней центр кластера. Следует отметить, что записей, сменивших кластер на данном проходе алгоритма, не было. Новая сумма квадратов ошибок составит: Таким образом, изменение суммы квадратов ошибок является незначительным по сравнению с предыдущим проходом. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Шаг 4. Проход 3. Для каждого кластера вновь вычисляется его центроид, и центр кластера перемещается в него. Но поскольку на данном проходе ни одна запись не изменила своего членства в кластерах, то положение центроида не поменялось, и алгоритм завершает свою работу. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Блок-схема |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||