- •Моделирование и оптимизации сетей связи
- •Содержание
- •Введение
- •1. Понятие оптимизации
- •2. Этапы оптимизации
- •3.2 Модели сети связи как СМО
- •3.2.2 Примеры аналитических модели сетей связи как (СМО)
- •Обозначения СМО по Кендаллу (Kendall’s notation)
- •M/M/V (ДО с потерями)
- •M/M/V (ДО с ожиданием)
- •Аппроксимация Клейнрока
- •3.2.4 Последовательность СМО
- •Пример последовательности СМО M/M/1
- •Оценка задержки и джиттера (IPTD, IPDV)
- •Потери пакетов данных (IPLR)
- •Ошибки в пакетах данных (IPER)
- •3.2.5 Потоки отличные от простейшего
- •Оценка коэффициента Херста и АКФ
- •Пример реализаций простейшего, самоподобного и антиперсистентного потоков
- •3.3 Модели надежности сети связи
- •Общие определения
- •3.5 Метод добавления-удаления (IE – inclusion-exclusion)
- •Выводы
- •3.4.2 Общая структура имитационной событийной модели
- •Функционирование событийной имитационной модели
- •3.4.3 Последовательности событий
- •Получение потока событий с заданными свойствами
- •Пример для экспоненциального распределения
- •Эмпирический закон распределения
- •On/off моделирование самоподобного потока
- •Примеры систем имитационного моделирования
- •Содержание
- •4.2 Надежность сети связи
- •5. Аналитические методы оптимизации
- •5.1 Экстремумы функции
- •5.2 Безусловная оптимизация
- •5.3 Условная оптимизация
- •5.3.2 Выпуклые функции
- •5.3.3 Условия Каруша-Куна-Таккера (ККТ)
- •6. Численные методы оптимизации
- •6.1 Общий алгоритм численных методов
- •Покоординатный спуск (пример)
- •6.3.2 Метод Хука-Дживса (поиск по образцу)
- •6.3.2 Метод Хука-Дживса (поиск по образцу)
- •Метод Хука-Дживса (пример)
- •6.3.3 Симплекс метод Нелдера-Мида (поиск по деформируемому многограннику)
- •Симплекс метод Нелдера-Мида (пример)
- •6.3.4 Комплексный метод Бокса (Условная оптимизация)
- •6.3.5 Метод штрафных функций (Условная оптимизация)
- •6.3.4 Некоторые другие методы оптимизации выпуклых функций
- •6.4 Стохастические методы
- •6.4.1 Слепой случайный поиск
- •6.4.2 Эволюционный метод (генетический алгоритм)
- •Генетический алгоритм
- •Генетический алгоритм (пример)
- •6.5 Динамическое программирование
- •Динамическое программирование (пример) размещение узла в сети связи
- •размещение узла в сети связи – поиск центра графа
- •размещение узла в сети связи – поиск центра и медианы графа
- •Литература
Получение потока событий с заданными свойствами
Метод обратной функции
Если требуется получить случайную величину с функцией распределения F(x), то следует получить случайную величину u с равномерной функцией распределения в диапазоне [0,..,1), а требуемая величина будет равна:
|
|
|
ξ = F −1(u) |
|
|
ˆ |
|
|
|
|
|
F(x) 1 |
|
|
|
|
|
u |
|
|
|
|
|
0.5 |
|
|
|
|
|
0 |
|
|
|
ξ |
|
0 |
5 |
10 |
15 |
20 |
|
|
0 |
|
x |
|
20 |
F −1(u) функция обратная функции
F(u)
Функция g(x) является обратной к функции f(x) когда выполняется условие: y=f(x), x=g(y).
Для того чтобы из функции f(x) получить обратную нужно решить уравнение y=f(x) относительно x и поменять переменные y и x местами.
41
Пример для экспоненциального распределения
F(x) =1−e−λx
F −1(x) = ln(1− x) |
|
|
−λ |
|
|
Используя в качестве переменной случайное число U с равномерным законом |
||
распределения получим случайное число |
ξ |
с экспоненциальным распределением вероятности |
ξ= ln(1−u)
−λ
42
Эмпирический закон распределения
Пусть требуется получить случайную величину, подчиняющуюся некоторому эмпирическому закону распределения вероятности. Например, требуется имитировать некоторую случайную величину, по результатам проведения измерений.
f (x) 0.2 |
|
|
|
F(x) |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.8 |
|
|
|
|
|
0.15 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.6 |
|
|
|
|
|
0.1 |
|
|
|
|
u |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.4 |
|
|
|
|
|
0.05 |
|
|
|
|
0.2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 0 |
1 |
2 |
3 |
4 |
0 0 |
1 |
2 |
ξ |
3 |
4 |
|
|
x |
|
|
|
|
x |
|
|
|
43
On/off моделирование самоподобного потока
G1
GS
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
G2 |
|
|
|
|
|
|
|
|
∑ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
G3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
G1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
OnOf 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
τOF |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
τON |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
G2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
OnOf 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
GS |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
α |
β α+1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|||||||||||||
|
|
β α |
|
f (x) = |
|
|
|
|
|
|
αβ |
|
|
|
|
|
|
|
|
|
|
|
|
β |
|
|
α |
|||||||||||||||||||||||||||||||||
F(x) =1 |
− |
|
|
|
|
|
|
|
|
|
E(X ) = |
|
|
|
|
|
|
|
|
|
D(X ) = |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
α − 2 |
||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
α − |
1 |
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||
|
|
x |
|
|
|
|
|
|
|
β |
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k −1 |
|
|||||||||||||||||||||||||||||||
44
