- •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).
20. Имитационное моделирование. Принцип построения дискретных событийных моделей. Упрощенная структура системы моделирования и алгоритм функционирования.
Имитационное моделирование – это метод исследования, при котором исследуемая система заменяется ее моделью, которая достаточно точно описывает ее свойства. Модель используется для проведения экспериментов. В результате эксперимента получают данные, которые являются результатами измерений и подлежат статистической обработке для получения оценок численных значений исследуемых параметров.
При построении имитационных моделей сетей связи, как правило, применяются дискретные событийные модели.
Общая структура имитационной событийной модели |
Алгоритм функционирования |
21. Получение потока событий с заданными свойствами. Получение случайных чисел с заданной функцией распределения. Метод обратной функции.
Пусть требуется получить значения случайной величины , распределенной в интервале с плотностью вероятности .
Метод обратной функции предполагает следующие действия:
-
Необходимо сгенерировать случайную величину (значение случайной величины ), равномерно распределенную в интервале .
-
Приравнять сгенерированное случайное число известной функции распределения и получить уравнение:
-
Решая уравнение , находим искомое значение .
Пример.
Экспоненциальное распределение
22. Расчет необходимой пропускной способности канала (линии связи) на примере услуг VoIp.
Частный случай:
-
Интенсивность исходящей нагрузки: Эрл.
-
Необходимое число "виртуальных" линий: .
-
Скорость кодирования G.711: 64 Кбит/с.
-
Скорость передачи данных Ethernet: Кбит/с.
-
Интенсивность трафика: Кбит/с.
-
Выберем модель линии доступа , допустимая задержка мс.
-
Найдем минимально допустимую пропускную способность.
мс. Мбит/с.
Общий случай:
-
Интенсивность исходящей нагрузки: Эрл.
-
Необходимое количество "виртуальных" линий: .
-
Скорость передачи данных для услуги: бит/с или пакетов/с.
-
Скорость передачи данных в сети: бит/с.
-
Интенсивность трафика: бит/с или пакетов/с.
-
Выбор модели и нормы качества (аппроксимация Маршала):
– среднее время обслуживания пакета
-
Оценить дисперсии интервала между заявками и времени обслуживания .
-
Оценить требуемую пропускную способность .
23. Задачи динамического программирования. Общее определение подхода к решению задачи. Пример постановки задачи, решаемой методом динамического программирования.
Динамическое программирование – процесс нахождения решения задачи определенного типа, когда ответ на одну задачу может быть получен после решения предшествующей задачи.
Основные принципы динамического программирования:
-
Многошаговость (разбиение задачи на подзадачи);
-
Оптимальность (оптимальное поведение по отношению к предшествующим решениям).
Основное функциональное уравнение динамического программирования (уравнение Беллмана):
– вектор состояния, – вектор переменных
Три шага:
-
Разбиение задачи на подзадачи меньшего размера.
-
Нахождение оптимального решения подзадач рекурсивно, проделывая такой же трехшаговый алгоритм.
-
Использование полученного решения подзадач для конструирования решения исходной задачи.
Метод динамического программирования сверху включает простое запоминание результатов решения тех подзадач, которые могут повторно встретиться в дальнейшем.
Метод динамического программирования снизу включает переформулирование сложной задачи в виде рекурсивной последовательности более простых подзадач.
Классические задачи динамического программирования
-
Задача о наибольшей общей подпоследовательности: даны две последовательности, требуется найти самую длинную общую подпоследовательность.
-
Задача поиска наибольшей увеличивающейся подпоследовательности: дана последовательность, требуется найти самую длинную возрастающую подпоследовательность.
-
Задача о вычислении чисел Фибоначчи.
-
Алгоритм Флойда — Уоршелла: найти кратчайшие расстояния между всеми вершинами взвешенного ориентированного графа.
-
Алгоритм Беллмана — Форда: найти кратчайший путь во взвешенном графе между двумя заданными вершинами.
Пример постановки задачи. Из большого числа остовов связного неориентированного графа нужно найти один, у которого сумма весов ребер наименьшая.
Примечание. Остов — ациклический1 связный2 подграф данного связного неориентированного графа, в который входят все его вершины.