- •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).
42. Условная оптимизация. Метод множителей Лагранжа.
Математическое программирование – это область математики, разрабатывающая теорию, численные методы решения многомерных задач с ограничениями. В отличие от классической математики, математическое программирование занимается математическими методами решения задач нахождения наилучших вариантов из всех возможных.
Условная оптимизация. Метод множителей Лагранжа |
Пусть задана функция нескольких переменных . Требуется найти экстремумы при заданных ограничениях: |
Необходимые условия существования локального экстремума Функция Лагранжа: Если точка является локальным экстремумом и в окрестности этой точки функции и непрерывно дифференцируемы, то в этой точке выполняются условия: |
I. Достаточные условия существования локального экстремума (из лекций) Если и дважды дифференцируемы в точке и в этой точке выполняются условия где При всех ненулевых , удовлетворяющих условиям То строгий локальный минимум (максимум) при заданных ограничениях. |
II. Достаточные условия существования локального экстремума (из интернета4) Окаймленный Гессиан: – главный минор матрицы , образованный строками и столбцами . , при Теорема 1 (достаточное условие минимума). Пусть в точке ранг матрицы максимален и эта точка удовлетворяет необходимым условиям наличия экстремума. Тогда достаточным условием локального минимума в задаче () является выполнение неравенств: (означает, что все миноры имеют знак . Теорема 2 (достаточное условие максимума). Пусть в точке ранг матрицы максимален и эта точка удовлетворяет необходимым условиям наличия экстремума. Тогда достаточным условием локального максимума в задаче () является выполнение неравенств: (означает, что в последовательности миноров есть знакочередование, начиная со знака . |
Пример Мат. модель: , , , ,. Задача Минимизировать функцию . Решение Перепишем условия в виде : Составим функцию Лагранжа: Составим систему: Найдём . Составим окаймленный Гессиан: . Рассматриваем только . Минимум по достаточному условию. |
Wolfram Alpha: |
43. Условная оптимизация. Условия Каруша-Куна-Таккера.
Выпуклое программирование – раздел нелинейного программирования, совокупность методов решения нелинейных экстремальных задач с выпуклыми целевыми функциями и выпуклыми системами ограничений. Пусть функция является выпуклой на некотором промежутке и числа таковы, что Тогда каковы бы ни были числа из промежутка , выполняется неравенство: Т. е. Если функция вогнута (выпукла вверх), то знак в неравенстве меняется на противоположный. Многие задачи оптимизации можно привести к этой стандартной форме. Например, задача максимизации вогнутой функции может быть переформулирована эквивалентно как задача минимизации выпуклой функции , так что о задаче максимизации вогнутой функции на выпуклом множестве часто говорят как о задаче выпуклого программирования. Свойства выпуклой функции:
|
||||||||
Условия Каруша-Куна-Таккера (ККТ)5 Метод является обобщением метода множителей Лагранжа. В отличие от него, ограничения, накладываемые на переменные, представляют собой не уравнения, а неравенства. Пусть задана непрерывно дифференцируемая выпуклая функция переменных . Требуется найти экстремумы при заданных ограничениях в виде выпуклых функций :
Функция Лагранжа: Необходимые и достаточные условия существования минимума Точка при наложенных ограничениях – решение задачи.
|
||||||||
Пример Задача Найти минимизировать . Ограничения: [ограничения задачи] [ограничения задачи] [стандартные ограничения] Решение Перепишем условия так, чтобы справа был нуль:
Составим функцию Лагранжа: Выписываем условия Каруша-Куна-Таккера: Рассмотрим 4 случая ( случаев для рассмотрения): . Решая систему, получаем . . Корней нет. . Корней нет. . Корней нет. В результате получена единственная точка : Точка удовлетворяет необходимым и достаточным условиям, значит — минимум для заданных условий. |
||||||||
Wolfram Alpha: |