- •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 ожиданием)
- •M/M/V (ДО с потерями)
- •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
Аппроксимация Клейнрока
Если выполняется следующий ряд условий:
-на узлы сети поступают внешние потоки трафика, которые можно считать простейшими; -время обслуживания в узлах распределено по показательному закону;
-сеть является сильно связанной; то при средних и и больших нагрузках узлы сети можно рассматривать как независимые СМО типа M/M/1.
В ряде случаев, когда выполняются перечисленные выше условия, сеть можно представить как сеть как сеть из независимых СМО типа М/M/1. Это позволяет в значительной степени упростить анализ функционирования сети связи.
18
3.2.4 Последовательность СМО Функция распределения для последовательности устройств
h(x)
|
|
* |
|
(x))= |
∞ |
|
|
|
|
|||
|
|
|
|
∫ f (x)e−s t dt |
|
|
||||||
f (x) |
g(x) |
|
F(x) = L(f |
|
|
|
||||||
µ |
µ |
|
−1 |
* |
|
|
0 1 |
σ1+i ∞ * |
−s x |
|
||
|
|
∫ |
|
|
||||||||
|
|
|
f (x) = L |
F(x) |
= |
|
|
F(x)e |
|
ds |
||
|
|
|
|
2π i |
|
|||||||
|
|
|
|
|
|
|
|
σ1−i ∞ |
|
|
|
|
h(x) = L−1 {L(f (x)) L(g(x))}
h(x) = L−1 |
n |
|
n |
Число последовательных СМО |
|
∏L(fi (x)) |
fi (x) Плотность распределения времени обслуживания i СМО |
||||
|
i=1 |
|
h(x) Плотность распределения времени обслуживания последовательности СМО |
||
|
|||||
|
|
|
L( fi (x)) |
Преобразование Лапласа fi (x) |
|
|
|
|
L−1( |
) |
Обратное преобразование Лапласа |
19
|
|
|
Пример последовательности СМО M/M/1 |
|
|
||
M /M /1 |
M /M /1 |
M /M /1 |
|
h(x) = rµ(rµx)r−1 |
|
||
|
r µ |
r µ |
r µ |
|
e−r µ x |
||
|
|
(r −1)! |
|
|
|||
|
|
|
1.5 |
|
|
|
|
|
|
|
µ |
|
|
|
|
|
|
|
h(x) |
|
r =10 |
|
|
|
|
|
r =1 |
|
|
||
ti = |
1 |
|
1 |
|
|
||
|
|
|
|
|
|
||
|
r µ |
|
|
|
2 |
|
|
|
|
|
r |
= |
|
|
|
|
1 |
|
|
|
|
||
T = |
|
|
|
|
|
||
|
0.5 |
|
|
|
|
||
µ |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
0 0 |
|
1 |
2 |
3 |
|
|
|
|
|
T |
|
20 |
|
|
|
|
|
|
|
|
Оценка задержки и джиттера (IPTD, IPDV)
h(x)
1.5
r
IPTD = ∑Ti
i=1
1
IPDV = tMAX −tMIN
|
|
|
|
tMAX |
0.5 |
|
|
|
∫h(x)dx = 0,999 |
|
|
|
|
|
|
|
|
|
tMIN |
|
|
|
|
r |
0 0 |
1 |
2 |
3 |
tMIN ≈ ∑ti |
|
|
IPTD |
|
i=1 |
|
|
|
|
|
tMIN |
|
IPDV |
|
tMAX |
|
|
|
21
