- •Математические модели в сетях связи
- •Содержание
- •1. Развитие технологий и услуг связи
- •1.1 Показатели развития
- •1.2 Тенденции развития технологий и услуг
- •1.3 Развитие технологий М2М
- •2. Задачи моделирования
- •2.1 Задачи моделирования, предметная область
- •2.2 Пример моделей развития технологий и услуг
- •2.3 Иллюстрации (надежность сетей связи)
- •2.4 Задачи модели по уровням ВОС (OSI)
- •3. Сети связи
- •3.1 Состав сети связи
- •3.2 Структура сети связи
- •3.3 Узел связи
- •3.4 Линия связи
- •3.5 Пространственное разделение каналов
- •3.6 Частотное разделение каналов
- •3.7 Временное разделение каналов (формирование ИКМ)
- •3.8 Временное разделение каналов (формирование пакетов)
- •4. Математическое моделирование
- •Введение
- •4.1 Сеть связи как СМО
- •2 Сеть связи как СМО
- •2.1.4 Технические нормы на показатели функционирования сетей передачи данных Минкомсвязи
- •2.1.5 Показатели надежности (Минкомсвязи)
- •3. Модели систем массового обслуживания
- •Обозначения СМО по Кендаллу (Kendall’s notation)
- •4.2 Характеристики потоков заявок
- •4.3 Простейший поток вызовов
- •4.4 Другие виды потоков
- •4.5 Поток с простым последействием
- •4.6 Поток с ограниченным последействием
- •4.7 Поток Пальма, потоки Эрланга
- •2.4 Другие виды потоков
- •4.8 Случайный процесс, характеристики трафика как случайного процесса
- •4.9 Автокорреляционная функция
- •Пример реализаций простейшего, самоподобного и антиперсистентного потоков
- •5.2 Поток освобождений
- •Изменение нагрузки, ЧНН, концентрация нагрузки
- •Расчет нагрузки
- •7. Пропускная способность
- •9.2 Функция распределения времени ожидания
- •9.3 Среднее время ожидания
- •9.4 Формула Полячека-Хинчина
- •9.5 Частные случаи
- •10 Основные результаты
- •11 Сети СМО
- •Сети СМО
- •Сложение случайных чисел (справка)
- •Последовательность СМО
- •Пример
- •11.2 Объект измерений
- •11.3 Анализируемые параметры
- •11.4 План проведения измерений
- •11.5 Обработка результатов
- •11.5.1 Точечные оценки
- •11.5.2 Интервальные оценки
- •11.5.3 Доверительный интервал для вероятности
- •11.5.3 Гистограммы, функции распределения
- •11.5.4 Функция распределения
- •12.2 Общая структура имитационной событийной модели
- •12.4 Получение потока событий с заданными свойствами
- •Эмпирический закон распределения
- •13. Пример расчета пропускной способности
- •Порядок расчета
- •расчет необходимой пропускной способности
- •Вариант расчета для общего случая
- •Модели выбора структуры
- •14.2 Пути, маршруты, веса, длина пути
- •14.3 Некоторые определения
- •14.4 Матричные представления
- •14.5 Деревья, остов графа
- •Алгоритмы теории графов (задачи динамического программирования)
- •14.5 Структура с наименьшей протяженностью линий (задача поиска кратчайшего остова (SST) графа)
- •14.5 Пример алгоритма Краскала
- •14.5 Кратчайший остов (SST) графа (алгоритм Прима)
- •14.5 Пример алгоритма Прима
- •14.5 Пример алгоритма Прима (продолжение)
- •Размещение узла в сети связи
- •размещение центров графа
- •размещение центров графа
- •размещение медиан графа
- •размещение медиан графа
- •размещение узла в сети связи – поиск центра и медианы графа
- •Вычисление длин кратчайших путей между вершинами
- •Алгоритм Флойда-Уоршалла
- •Алгоритм Флойда-Уоршалла (нахождение всех кратчайших путей в графе)
- •Пример реализации алгоритма Флойда-Уоршелла на VB
- •Алгоритм Дейкстры (описание 2)
- •Алгоритм Дейкстры (пример)
- •Алгоритм Дейкстры (поиск кратчайшего пути)
- •Некоторые алгоритмы поиска путей
- •Приближенные решения
- •муравьиный алгоритм
- •муравьиный алгоритм
- •Задачи кластерного анализа
- •Кластерный анализ
- •Кластерный анализ
- •Алгоритм кластеризации FOREL
- •Алгоритм кластеризации k-средних
- •Пример кластеризации
- •Применение кластерного анализа для выбора структуры сети
- •3.3 Выбор координат базовой станции при произвольном законе распределения трафика по территории
- •4.4 Моделирование и реализация, публикации
- •Модели надежности сети связи
- •3.3 Модели надежности сети связи
- •Общие определения
- •Иллюстрации (надежность сетей связи)
- •3.5 Метод добавления-удаления (IE – inclusion-exclusion)
- •Имитационное моделирование (надежность)
- •Задачи прогнозирования
- •Оптимизация сети связи
- •1. Исходные данные
- •2. Свойства трафика
- •Задачи прогнозирования (примеры)
- •Задачи прогнозирования (примеры)
- •Ассоциативный метод
- •Результаты(пример)
- •Аналитические модели 1. Линейная регрессия
- •Миграция трафика
- •Миграция на примере ОТТ сервисов
- •Задачи оптимизации
- •2 Надежность сети связи
- •Аналитические методы оптимизации
- •Экстремумы функции
- •Безусловная оптимизация
- •Условная оптимизация
- •2 Выпуклые функции
- •3 Условия Каруша-Куна-Таккера (ККТ)
- •Численные методы оптимизации
- •1 Общий алгоритм численных методов
- •Покоординатный спуск (пример)
- •3.2 Метод Хука-Дживса (поиск по образцу)
- •Метод Хука-Дживса (пример)
- •3.3 Симплекс метод Нелдера-Мида (поиск по деформируемому многограннику)
- •Симплекс метод Нелдера-Мида (пример)
- •3.4 Комплексный метод Бокса (Условная оптимизация)
- •3.5 Метод штрафных функций (Условная оптимизация)
- •3.4 Некоторые другие методы оптимизации выпуклых функций
- •4 Стохастические методы
- •4.1 Слепой случайный поиск
- •4.2 Эволюционный метод (генетический алгоритм)
- •Генетический алгоритм
- •Генетический алгоритм (пример)
- •Случайные графы (модели сети беспроводной связи)
- •Случайные графы
- •Случайные графы
- •Изменение связности сети
- •Влияние числа узлов сети на дисперсию связности
- •Приоритетное обслуживание
- •Алгоритм распределения трафика
- •Оптимизация структуры сети
- •Расписание управления трафиком
- •Качество обслуживания
- •Постановка задачи
- •Модель расписания управления трафиком
- •Задача оптимизации расписания управления
- •Модель реакции трафика
- •Условия переноса трафика
- •Описание стоимости времени
- •Пример оптимизации расписания управления
- •Балансировка трафика
- •Балансировка трафика
- •(нечеткие методы)
- •(нечеткие методы)
- •1. Распределение случайной величины
- •Случайная величина
- •Распределение случайной величины
- •Примеры функций распределения случайной величины (1)
- •Примеры функций распределения случайной величины (2)
- •Плотность распределения случайной величины
- •Примеры плотности распределения (1)
- •Примеры – равномерное распределение (2)
- •Числовые характеристики случайной величины (1)
- •Числовые характеристики случайной величины (2)
- •Числовые характеристики случайной величины (3)
- •2. Некоторые распределения вероятностей
- •3. Численные методы оптимизации Ф1П
- •ОДУ (Справка)
- •4. Модель ВОС (OSI)
- •Модель взаимодействия открытых систем (ВОС)
- •4. Параметры некоторых кодеков
- •Параметры кодеков
- •5. Курсовые проекты
- •Задание на курсовое проектирование
4.2 Характеристики потоков заявок
Основные характеристики потока вызовов -ведущая функция потока, -параметр потока, -интенсивность потока.
Под параметром потока λ(t) в момент времени t понимается предел отношения вероятности поступления хотя бы одного вызова за время [t, t + τ) к длине этого отрезка времени τ при τ→0:
lim |
π1(t,t +τ) |
= λ(t) |
τ →0 |
τ |
|
Параметр потока есть плотность вероятности наступления вызывающего момента в момент t. Тогда вероятность поступления одного и более вызовов за время [t, t + τ):
π1(t,t +τ) = λ(t)τ +O(τ), τ → 0
Для стационарного потока, вероятность поступления определенного числа вызовов за некоторый промежуток времени одна и та же и не зависит от месторасположения на оси времени этого промежутка. Следовательно, и плотность вероятности поступления вызовов стационарного потока, т. е. его параметр λ(t), есть величина постоянная, не зависящая от момента t, т. е. λ(t)=λ.
π1(t,t +τ) = λτ +O(τ), τ → 0
41
-Ведущая функции потока Λ(0, t) - математическое ожидание числа вызовов, поступающих в промежутке времени [0, t),
-Параметр потока λ(t) характеризует не поток вызовов, а поток вызывающих моментов, и эта характеристика относится не ко всему отрезку [0, t), а лишь к фиксированному моменту t.
-Интенсивностью стационарного потока называется математическое ожидание числа вызовов, поступающих в единицу времени.
42
4.3 Простейший поток вызовов
Простейшим потоком называется стационарный ординарный поток без последействия.
Математическая модель простейшего потока
Определим вероятности поступления точно k(k=0, 1, 2, ...) вызовов на отрезках времени [t0, t0+t): pk(t0, t0+t).
Будем рассматривать отрезок времени [t0, t0+t+τ), который можно представить состоящим из двух примыкающих друг к другу отрезков: [t0, t0+t+τ)=[t0,+t0+t)+[t, t+τ). Для того чтобы в течение отрезка [t0, t0+t+τ) поступило точно k событий, необходимо, чтобы за первый промежуток времени [t0, t0+t) поступило k, или k-1, ..., или k-i, ..., или 0 событий и соответственно за второй промежуток 0, или 1, ..., или i, ..., или k событий.
Введем обозначения:
pk(t0, t0+t+τ) - вероятность поступления точно k событий за отрезок времени [t0, t0+t+τ);
pk-i(t0, t0+t) - … k-i событий за первый отрезок времени [t0, t0+t); pi(t, t+τ) - … i событий за второй отрезок времени [t, t+τ).
Упростим обозначения как отрезков времени, так и вероятностей:
[t0, t0+t+τ) -> [t+τ);
[t0, t0 + t) -> [t);
[t, t+τ) -> [τ) и соответственно pk(t0, t0+t+τ) . pk(t+τ); pk-i(t0,t0+t).pk-i(t); pi(t, t+τ) . pi(τ).
43
Простейший поток является потоком без последействия. Поэтому независимыми являются события, заключающиеся в поступлении какого-либо числа вызовов за первый и второй промежутки времени, и вероятность поступления точно k вызовов
за время [t+τ) для каждой реализации i=0, 1, ..., k составляет pk(t+τ)i=pk-i(t)pi(τ), i=0, |
||||
1, ..., k. Поскольку реализации с i=0, 1, ..., k представляют несовместимые события, |
||||
то согласно формуле полной вероятности имеем |
||||
k |
k |
|
||
pk (t +τ) = ∑pk (t +τ)i = ∑pk −i |
(t) pi (τ), k = 0,1,2 |
|||
i=0 |
i=0 |
|
||
Устремим отрезок времени τ к нулю. |
|
|||
pk (t +τ) = pk −1(t +τ) p1(τ) + pk (t +τ) p0 (τ), k = 0,1 |
||||
p1(τ) =π1(τ) −π2 (τ) = λτ +O(τ) |
|
dpk (t) = λpk −1(t) −λpk (t), k = 0,1 |
||
p0 (τ) =π0 (τ) −π1(τ) =1−λτ +O(τ) |
|
|||
|
dt |
|||
pk (t) = |
(λt)k |
e−λt , |
k = 0,1,2 |
|
k! |
||||
|
|
|
||
Таким образом, вероятность поступления точно k событий простейшего потока за отрезок времени t определяется формулой Пуассона.
44
При t→0 можно считать вероятностью того, что в промежуток времени t поступит хотя бы один вызов, равной:
pk≥1 = λ nt ,
а вероятностью того, что не поступит ни одного вызова, равной:
|
pk =0 =1−λ t |
, |
|
|
|
|
|
|||
|
|
|
|
n |
|
|
|
|
|
|
p |
|
= Ck p |
k |
p |
n−k |
|
|
t k |
t n−k |
|
n,k |
k≥1 |
k =0 |
= Ck λ |
|
1−λ |
|
||||
|
n |
|
|
n |
n |
n |
||||
при |
n → ∞ |
lim pn,k = |
(λt)k |
e−λt |
|
|||||
|
|
|
|
|
|
|
k! |
|
|
|
45
Распределение Пуассона |
Интервалы времени между событиями |
|
Функция распределения |
||
|
||
|
F(z) = p(Z < z) =π1(z) =π0 (z) − p0 (z) =1−e−λz |
|
|
Плотность распределения |
|
|
f (z) = λe−λz |
Математическое ожидание Дисперсия
Mz = ∞∫z λe−λz dz = |
1 |
Dz = ∞∫z2 λe−λz dz − Mz2 = |
1 |
||||
λ |
2 |
||||||
−∞ |
|
−∞ |
|
|
λ |
||
|
|
|
|
|
|||
Среднеквадратическое |
σZ = |
|
= |
1 |
|
|
|
Dz |
|
|
|||||
отклонение |
|
|
|
|
λ |
46 |
|
