MODELOWANIE PROBABILISTYCZNE PROCESU PRZESYŁANIA KOMUNIKATÓW W SYSTEMACH ROZPROSZONYCH

Podobne dokumenty
1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,

Porównanie dwu populacji

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

Prawdopodobieństwo i statystyka r.

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Metody Statystyczne II

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Wprowadzenie do laboratorium 1

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

Statystyka matematyczna. Wykład II. Estymacja punktowa

Estymacja przedziałowa

MACIERZE STOCHASTYCZNE

1 Dwuwymiarowa zmienna losowa

Wykład 11. a, b G a b = b a,

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

O liczbach naturalnych, których suma równa się iloczynowi

KADD Metoda najmniejszych kwadratów

Planowanie doświadczeń - DPLD LMO Materiały pomocnicze

Podprzestrzenie macierzowe

Lista 6. Estymacja punktowa

Matematyka ubezpieczeń majątkowych r.

Podprzestrzenie macierzowe

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości specyficznych parametrów populacji.

INSTYTUT ENERGOELEKTRYKI POLITECHNIKI WROCŁAWSKIEJ Raport serii SPRAWOZDANIA Nr LABORATORIUM TEORII I TEHCNIKI STEROWANIA INSTRUKCJA LABORATORYJNA

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

UKŁADY RÓWNAŃ LINOWYCH

STATYSTYKA OPISOWA WYKŁAD 1 i 2

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

θx θ 1, dla 0 < x < 1, 0, poza tym,

STATYSTKA I ANALIZA DANYCH LAB II

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

ESTYMACJA POZIOMU ZAKŁÓCENIA W SZEREGACH CZASOWYCH PRZY POMOCY FILTRU MEDIANOWEGO

Elementy modelowania matematycznego

ANALIZA DANYCH DYSKRETNYCH

Twierdzenie Cayleya-Hamiltona

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

This copy is for personal use only - distribution prohibited.

W(s)= s 3 +7s 2 +10s+K

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

Harmonogramowanie linii montażowej jako element projektowania cyfrowej fabryki

IDENTYFIKACJA MODELU MATEMATYCZNEGO ROBOTA INSPEKCYJNEGO

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

16 Przedziały ufności

Scenariusz lekcji: Kombinatoryka utrwalenie wiadomości

Przykładowe pytania na egzamin dyplomowy dla kierunku Automatyka i Robotyka

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

1 Twierdzenia o granicznym przejściu pod znakiem całki

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

ALGEBRA LINIOWA Informatyka 2015/2016 Kazimierz Jezuita. ZADANIA - Seria 1. Znaleźć wzór na ogólny wyraz ciągu opisanego relacją rekurencyjną: x

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

0.1 ROZKŁADY WYBRANYCH STATYSTYK

Punktowe procesy niejednorodne

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

Parametryzacja rozwiązań układu równań

Twierdzenia graniczne:

Metody numeryczne Laboratorium 5 Info

INSTRUKCJA NR 06-2 POMIARY TEMPA METABOLIZMU METODĄ TABELARYCZNĄ

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

Egzamin maturalny z matematyki CZERWIEC 2011

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Analiza dokładności pomiaru, względnego rozkładu egzytancji widmowej źródeł światła, dokonanego przy użyciu spektroradiometru kompaktowego

Zadania z algebry liniowej - sem. I Liczby zespolone

Rysunek 1: Fale stojące dla struny zamocowanej na obu końcach; węzły są zaznaczone liniami kropkowanymi, a strzałki przerywanymi

STATYSTYKA I ANALIZA DANYCH

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

201. a 1 a 2 a 3...a n a 2 1 +a 2 2 +a a 2 n n a 4 1 +a 4 2 +a a 4 n n. a1 + a 2 + a a n 204.

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Wykład 4 Soczewki. Przyrządy optyczne

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN

1 Układy równań liniowych

PODSTAWOWE ZAGADNIENIA METODOLOGICZNE

P π n π. Równanie ogólne płaszczyzny w E 3. Dane: n=[a,b,c] Wówczas: P 0 P=[x-x 0,y-y 0,z-z 0 ] Równanie (1) nazywamy równaniem ogólnym płaszczyzny

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)

METODY APROKSYMACJI MATEUSZ WAGA. Gimnazjum im. Jana Matejki w Zabierzowie

Statystyczna analiza danych

Prawdopodobieństwo i statystyka r.

STATYSTYKA MATEMATYCZNA

MATURA 2014 z WSiP. Zasady oceniania zadań

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

Transkrypt:

Zbigiew WESOŁOWSKI MODELOWANIE PROBABILISYCZNE PROCESU PRZESYŁANIA KOMUNIKAÓW W SYSEMACH ROZPROSZONYCH SRESZCZENIE W artykule omówioo zagadieia modelowaia probabilityczego oraz aalizy tatytyczej proceu przeyłaia komuikatów w ytemach rozprozoych Przyjęto że modelami probabilityczymi przepływości lików ieciowych ą ietacjoare ze względu a wartość oczekiwaą procey tochatycze Aalizy tatytycze prowadzi ię a podtawie daych geerowaych przez ymulator tochatyczy proceu przepływów daych w ieciach komputerowych Dae geerowae przez ymulator ą iterpretowae jako realizacje ietacjoarych proceów tochatyczych Przytoczoo przykład wykorzytaia propoowaego podejścia do badaia proceu przeyłaia daych w protym ytemie rozprozoym Słowa kluczowe: modelowaie probabilitycze ytemy rozprozoe aaliza tatytycza ietacjoarych zeregów czaowych 1 WSĘP Jedym z otwartych problemów wpółczeej matematyki i iformatyki jet zagadieie modelowaia matematyczego ytemów złożoych z wielu wzajemie oddziałujących a iebie elemetów [1 2] Przykładami takich ytemów ą: koloie mrówek orgaizmy żywe portale połeczościowe oraz ieci komputerowe W ytemach tych wzajema iterakcja elemetów prawia że proce wymiay iformacji taje ię tak komplikoway i ieprzewidywaly że iezwykle trudo jet go zrozumieć a zatem i opiać w potaci zależości matematyczych Do modelowaia matematyczego takich ytemów touje ię róże podejścia [3-8] w tym łańcuchy Markowa [3] oraz układy chaotycze [4] W pracach [6 8] przeprowadzoo aalizy krytycze dotyczące możliwości wykorzytaia różych podejść formalych do modelowaia Iteretu W pracy zapropoowao podejście probabilitycze [9 10] którego itotą jet wykorzytaie ietacjoarych ze względu a wartość oczekiwaą proceów tochatyczych dr iż Zbigiew WESOŁOWSKI e-mail: zweolowki@watedupl Wojkowa Akademia echicza 00-908 Warzawa 49 ul Ge Sylwetra Kalikiego 2 PRACE INSYUU ELEKROECHNIKI zezyt 272 2016

106 Z Weołowki Podejście to uwzględia fakt że procey tramiji daych w ieciach komputerowych podlegają gwałtowym i ieprzewidywalym zmiaom Aalizy tatytycze proceów przeyłaia daych w likach oraz ścieżkach ieciowych ytemów rozprozoych prowadzi ię a podtawie wyików ymulacji komputerowej Krótki opi ymulatora zamiezczoo w pukcie 3 Do badaia rozważaych proceów zatoowao metody aalizy ietacjoarych zeregów czaowych [9 11] 0 Wprowadźmy ozaczeia: zbiór liczb rzeczywitych 0 0 zbiór liczb całkowitych zbiór liczb aturalych 0 2 zbiór parametrów czaowych 0 WN zum biały o zerowej wartości oczekiwaej i wariacji 2 ( 0 ) zbiór wzytkich fukcji określoych a zbiorze i o wartościach w Niech P będzie przetrzeią probabilityczą a której będą zdefiiowae wzytkie zmiee loowe 2 MODEL SYSEMU ROZPROSZONEGO Model matematyczy ytemu rozprozoego określa dwójka: (N D) gdzie: N jet modelem truktury D jet modelem proceu przeyłaia komuikatów (1) 21 Model truktury ytemu rozprozoego Model N (1) określa ieć: gdzie: N=(V E c) (2) V H R v1 v2 v mv jet zbiorem wierzchołków H h1 h2 h mh jet zbiorem wierzchołków reprezetujących komputery R r1 r2 r mr jet zbiorem wierzchołków reprezetujących routery oraz mv mh mr; E e1 e2 e me jet zbiorem krawędzi kierowaych reprezetujących jedokierukowe liki łączące wzytkie elemety ze zbioru V; c me 1 c1 c2 c m E jet wektorem przeputowości lików Niech K 1 mh L m będzie zbiorem umerów komputerów ze zbioru H Niech 1 E będzie zbiorem umerów krawędzi ze zbioru E Niech

Modelowaie probabilitycze proceu przeyłaia komuikatów 107 P p1 p2 p mp będzie zbiorem ścieżek łączących wzytkie pary różych 1 2 komputerów ze zbioru H gdzie: p p r r r jet ścieżką i łączącą parę różych komputerów H H r R dla: i1 1 mp Załóżmy że komputery ze zbioru H ą połączoe pojedyczymi 1 P będzie zbiorem umerów ścieżek ze zbioru P Zaady przeyłaia komuikatów w ieci N (2) określa biara macierz routigu: acykliczymi i tatyczymi ścieżkami Niech S m rl m EmP R (3) 1 dla el p rl 0 dla el p gdzie: el E dla l L; p P dla S Elemet r l macierzy R przyjmuje wartość jede jeśli lik e l ależy do ścieżki p oraz przyjmuje wartość zero w przeciwym przypadku Niech L ll: rl 1 będzie zbiorem umerów lików ależących do ścieżki S Niech Sl S: rl 1 będzie zbiorem umerów ścieżek zawierających lik l l L 22 Model proceu przeyłaia komuikatów Przyjmijmy że a każdym komputerze ze zbioru H ą wykoywae procey obliczeiowe zwae agetami które wymieiają komuikaty z iym agetami Załóżmy że każdy aget może wymieiać komuikaty z pojedyczym agetem A a a a będzie zbiorem wykoywaym a iym komputerze Niech k k1 k2 km Ak agetów wykoywaych a komputerze h k H gdzie 1 ma m 1 k H dla k K Niech A Ak a1 a2 am A będzie zbiorem agetów wykoywaych a kk wzytkich komputerach ze zbioru H gdzie: ma m kk A k mh ma mh mh 1 Komuikaty ą przeyłae między parami różych agetów a b A A a b wzdłuż ścieżek p p P dla S Z tego założeia wyika że ma mp W parze a b aget a jet azyway adawcą (lub źródłem) atomiat aget b jet azyway odbiorcą (lub ujściem) komuikatów przeyłaych wzdłuż ścieżki p Niech 1 2 m M M m m m będzie komuikatem geerowaym przez ageta a gdzie: mi B B={01} jet zbiorem liczb biarych dla i1 m M Niech

108 Z Weołowki M M1 M2 M ma będzie zbiorem komuikatów geerowaych przez wzytkich agetów ze zbioru A Źródło a geeruje komuikaty z zybkością Y gdzie Y 0 Po wyłaiu każdego pakietu daych źródło oczekuje a pakiet ACK potwierdzający odebraie przez ujście b uprzedio wyłaego pakietu Model proceu geerowaia komuikatów przez ageta a A określa trójka: G Y S (4) y gdzie: : Y jet zmieą loową będącą modelem probabilityczym zybkości geerowaia komuikatów przez ageta a Model proceu przeyłaia komuikatów przez lik l l L ależący do ścieżki S określa trójka: D l l l L S (5) gdzie: l : jet proceem tochatyczym z czaem dykretym będącym modelem probabilityczym przepływości liku l l L Model proceu przeyłaia komuikatów wzdłuż ścieżki określa trójka: D S (6) gdzie: : jet proceem tochatyczym z czaem dykretym będącym modelem probabilityczym przepływości ścieżki Model D (1) określa atępująca zótka: D Y ; S ; ll S ; S l 3 SYMULACJA PROCESU PRZESYŁANIA KOMUNIKAÓW W SYSEMACH ROZPROSZONYCH Symulacją komputerową proceu przeyłaia komuikatów w ytemach rozprozoych azywamy umeryczą metodę wiokowaia o długościach przedziałów czau przeyłaia komuikatów przez wzytkie liki ze zbioru L oraz przez wzytkie ścieżki ze zbioru S a podtawie oberwacji działaia programu komputerowego ymulującego te proce Symulację prowadzi ię metodą kolejych zdarzeń [12] Zdarzeia polegają a zakończeiu przeyłaia pakietów przez liki ze zbioru L Zachodzą oe w chwilach loowych ze zbioru

Modelowaie probabilitycze proceu przeyłaia komuikatów 109 Niech M M ozacza pakiet wygeeroway przez źródło a w chwili Niech t 1 t 2 t m pakietów t będzie zbiorem loowych chwil geerowaia M przez źródło a Niech N 1 m będzie zbiorem umerów M N M chwil ze zbioru Jak moża zauważyć zachodzi rówość Każdy pakiet jet przekazyway wzdłuż wzytkich ścieżek ze zbioru L Niech M 1 0 x l tl tl będzie długością przedziału czau przeyłaia pakietu M przez lik l l L gdzie: 0 t l 1 tl chwilą zakończeia przeyłaia pakietu M x x będzie długością przedziału czau ll przeyłaia pakietu rozpoczęcia a gdzie t l M przez ścieżkę S 1 t chwilą zakończeia przeyłaia pakietu M Ekperymet ymulacyjy polega a oberwacji długości l 0 1 l tl tl jet chwilą rozpoczęcia a przez te lik Niech 0 1 t t 0 t t jet chwilą gdzie: xl przez tę ścieżkę przedziałów czau dla: N l L S x l L S azywamy wyikami ekperymetu ymulacyjego Załóżmy że ekperymet ymulacyjy będzie powtarzay m m razy Liczbę m wyzacza ię tak aby zapewić 100(1-α)% przedział ufości dla wartości 1 m oczekiwaych ˆ l x 1 l z prób x l l L S [10 11] Niech m Próby l xl 1 xl 2 xl m I 1 m będzie zbiorem umerów ekperymetów ymulacyjych Próbę i x i1 x i2 x i m xl l l l azywamy wyikiem i i I ekperymetu ymulacyjego polegającego a oberwacji długości przedziałów czau przeyłaia wzytkich pakietów wygeerowaych przez źródło a wzdłuż liku l l L Macierze: X l 1 2 11 1 2 1 21 2 2 2 x x x m x l l l l l xl xl xl m x (7) l m x xl m1 xl m2 xl m m dla: l L S azywamy wyikami ymulacyjego badaia proceu przeyłaia komuikatów w ytemach rozprozoych

110 Z Weołowki 4 ESYMACJA PARAMERÓW MODELI PROBABILISYCZNYCH PROCESÓW PRZESYŁANIA KOMUNIKAÓW W LINKACH SIECIOWYCH SYSEMÓW ROZPROSZONYCH Macierz X l (7) zapizmy w potaci: 1 2 m Xl x l xl xl m1 1 2 l l l l gdzie x x x x m jet -tą kolumą macierzy X l dla N Jak moża zauważyć kładowe xl i i I próby x l ą zaoberwowaymi w toku wykoywaia ekperymetów ymulacyjych długościami przedziałów czau przeyłaia pakietu M wzdłuż liku l l L dla N Składowe próby x l iterpretuje ię jako realizacje proceu tochatyczego l (5) tj l xl i gdzie i jet zdarzeiem elemetarym dla i I Niech i 1 m ˆ l x i 1 l i będzie średią z próby x l którą iterpretuje ię jako m ozacowaie oczekiwaej długości przedziału czau przeyłaia pakietu M przez lik l l L Załóżmy że ciąg zmieych loowych ˆ pełia rówaie o potaci: l N gdzie: l : ˆ l l l l l l β z N (8) jet tredem ciągu ˆ m 4 jet wektorem parametrów tredu l 2 ~ WN0 l l N l l l m β 0 1 1 ˆ ˆ 2 ˆ 3 l l l l z l Pozukujemy modelu trukturalie zgodego z układem (8) o potaci: oraz ˆ l l blzl N (9) gdzie: ˆ l : jet modelem tredu b l 0 1 1 l bl bl bl m jet wektorem iezaych parametrów modelu ˆl

Modelowaie probabilitycze proceu przeyłaia komuikatów 111 Załóżmy że pozukiway model ˆl ma miimalizować błąd średiokwadratowy E 2 l gdzie ˆ l l l dla N Rówaia (8) zapizmy w potaci macierzowej: ˆ l l l l μ Z β δ gdzie: μ 1 2 Zl zl zl zl m 1 2 m m 1 ˆ ˆ ˆ ˆ l l l l Rówaia (9) przybierają atępującą potać macierzową: μ Zb l l l m m 1 2 m m 1 gdzie μ l l l l 1 Zadaie polega a zalezieiu wektora ˆ m b takiego że: l ˆ b 1 ˆ ˆ l b m l εε l l μl Zb l l μl Zb l l f mi f bl (10) 1 2 gdzie: ε ˆ ˆ l l l l l l l l l μ μ μ Zb Zadaie (10) jet liiowym zadaiem ajmiejzych kwadratów [9-11] Miimalizowaą umę błędów średiokwadratowych zapizmy w potaci: f m b μˆ Zb μˆ Zb l l l l l l l μμ ˆ ˆ μzb ˆ bzμˆ b Z Z b μμ ˆ ˆ 2 b Z μˆ b Z Z b l l l l l l l l l l l l l l l l l l l l l Różiczkując powyżzą fukcję względem wektora b l mamy: f b b 2Z μˆ 2Z Z b l l l l l l l Przyrówując powyżzą różiczkę do zera otrzymujemy waruek optymalości z którego wyika układ rówań ormalych o potaci: Z μˆ Z Z b l l l l l

112 Z Weołowki Jeżeli macierz Z lz l jet ieoobliwa to rozwiązaiem zadaia (10) jet etymator o potaci: 1 ˆ b Z Z Z μ ˆ l l l l l 5 ESYMACJA PARAMERÓW MODELI PROBABILISYCZNYCH PROCESÓW PRZESYŁANIA KOMUNIKAÓW W ŚCIEŻKACH SIECIOWYCH SYSEMÓW ROZPROSZONYCH m1 Niech l x1 x2 xm ll kładowymi x i x i i I x x będzie próbą której ll l ą zaoberwowae w toku wykoywaia ekperymetów ymulacyjych długości przedziałów czau przeyłaia pakietu M wzdłuż ścieżki S Składowe próby x iterpretuje ię jako realizacje proceu tochatyczego (6) tj xi gdzie i jet zdarzeiem i 1 m elemetarym dla i I Niech ˆ x i 1 i będzie średią z próby x którą m iterpretuje ię jako ozacowaie oczekiwaej długości przedziału czau przeyłaia pakietu M przez ścieżkę S Załóżmy że ciąg zmieych loowych ˆ N pełia rówaie o potaci: gdzie: : ˆ β z N (11) jet tredem ˆ N wektorem iezaych parametrów tredu 2 ~ WN0 m β 0 1 m 4 jet 1 ˆ ˆ 2 ˆ 3 z Pozukujemy modelu trukturalie zgodego z układem (11) o potaci: oraz ˆ bz N (12) gdzie: ˆ : jet modelem tredu b 0 1 1 b b b m jet wektorem iezaych parametrów modelu ˆ (11)

Modelowaie probabilitycze proceu przeyłaia komuikatów 113 Załóżmy że pozukiway model ˆ ma miimalizować błąd średiokwadratowy E 2 gdzie ˆ dla N Rówaia (11) zapizmy w potaci macierzowej: ˆ μ Z β δ μ 1 2 m m 1 gdzie: ˆ ˆ ˆ ˆ m 1 2 m Z m z z z Rówaia (12) przybierają atępującą potać macierzową: μ Zb 1 2 m m 1 gdzie μ Zadaie polega a zalezieiu wektora b ˆ takiego że: ˆ b 1 ˆ ˆ b m εε μ Zb μ Zb f mi f b (13) 1 2 gdzie: ε ˆ ˆ μ μ μ Zb Rozwiązując zadaie (13) w poób aalogiczy do poobu rozwiązywaia zadaia (10) otrzymujemy etymator parametrów fukcji ˆ (13) o potaci: m 1 ˆ b Z Z Z μ ˆ Przykład 1 Rozważmy zagadieie ymulacyjego badaia proceu przeyłaia komuikatów w protym ytemie rozprozoym którego trukturę reprezetuje ieć N=(VEc) przedtawioa a ryuku 1 gdzie: V H R H h 1 h m m 3 H H R r E e 1 e m 3 E E c 1 c m E p p gdzie: p h r h p h r h P 1 2 1 1 3 potacie: K={123} S={12} L={123} m c Zbiór P przyjmuje potać 2 2 3 Zbiory K S i L przybierają Ry 1 Wykre ieci N reprezetującej trukturę techiczą ytemu rozprozoego

114 Z Weołowki Macierz routigu R (3) przybiera potać: 1 0 R 0 1 1 1 Załóżmy że wektor przeputowości c ma potać c 100100100 Załóżmy dalej że komuikaty ze zbioru M mają długości mm 200 [Mb] dla S Przyjmijmy że zmiee loowe (4) S mają róże rozkłady Weibulla tj ~ W gdzie: 1 1 2 1 65 2 095 2 35 Liczba powtórzeń ekperymetów ymulacyjych wyoi m=138 atomiat zbiory N S mają długości: m 31 m 28 1 2 1 2 l xl xl xl m Niech x będzie próbą zawierającą zaoberwowae długości przedziałów czau przeyłaia pakietu M M N przez lik l l L ależący do ścieżki S Na ryuku 2 przedtawioo wyiki aalizy tatytyczej proceu przeyłaia komuikatów wzdłuż lików ze zbiorów L S l Niech x x będzie próbą zawierającą zaoberwowae długości przedziałów l L czau przeyłaia pakietu M M N przez ścieżkę S Na ryuku 3 przedtawioo wyiki aalizy tatytyczej proceu przeyłaia komuikatów wzdłuż ścieżek ze zbioru S 6 PODSUMOWANIE W pracy przedtawioo model probabilityczy proceu przeyłaia komuikatów w ytemach rozprozoych uwzględiający iepewość wytępującą w przepływach daych we wpółdzieloych likach ieci komputerowych Uwzględiając fakt że proce te podlega gwałtowym i ieprzewidywalym zmiaom przyjęto że modelami probabilityczymi przepływów daych zarówo we wpółdzieloych likach jak i ścieżkach ieciowych ą ietacjoare ze względu a wartość oczekiwaą procey tochatycze Do etymacji parametrów tych proceów zatoowao metodę ajmiejzych kwadratów Jedym z obiecujących kieruków dalzych prac jet zatoowaie do modelowaia matematyczego przepływów daych w ieciach komputerowych loowych układów dyamiczych [13] które umożliwiają wykorzytaie oiągięć zarówo proceów tochatyczych jak i układów chaotyczych

Modelowaie probabilitycze proceu przeyłaia komuikatów 115 (a) (b) (c) (d) Ry 2 Wyiki aalizy tatytyczej proceu przeyłaia komuikatów w likach ieciowych ytemu rozprozoego: (a) średie ˆ 11 (pukty) z prób x 11 dla N1 oraz wykre tredu 11 ˆ (liia ciągła) ciągu zmieych loowych ˆ 11 ; (b) średie ˆ 13 N1 (pukty) z prób x 13 dla N1 oraz wykre tredu 13 ˆ (liia ciągła) ciągu zmieych loowych ˆ 13 ; (c) średie ˆ (pukty) z prób x dla N2 oraz wykre tredu ˆ 22 N1 (liia ciągła) ciągu zmieych loowych 22 ˆ 22 N2 22 ˆ 23 ; (d) średie (pukty) z prób x N 2 oraz wykre tredu ˆ 23 (liia ciągła) ciągu zmieych loowych ˆ 23 N2 23 dla (a) (b) Ry 3 Wyiki aalizy tatytyczej proceu przeyłaia komuikatów w ścieżkach ieciowych ytemu rozprozoego: (a) średie ˆ 1 (pukty) z prób x 1 dla N1 oraz wykre tredu 1 ˆ (liia ciągła) ciągu zmieych loowych ˆ 1 ; (b) średie ˆ 2 (pukty) z prób x 2 N1 N 2 oraz wykre tredu ˆ 2 (liia ciągła) ciągu zmieych loowych ˆ 2 N2

116 Z Weołowki LIERAURA 1 Committee o Network Sciece for Future Army Applicatio Network Sciece Natioal Academie Pre 2005 2 Lewi G: Network Sciece: heory ad Applicatio Joh Wiley & So Hoboke 2009 3 Dabrowki C Hut F: Uig Markov Chai Aalyi to Study Dyamic Behavior i Large-Scale Grid Sytem Proceedig of the 7th Autralaia Sympoium o Grid Computig ad e-reearch Welligto New Zealad Ja 2009 4 Deae JHB Jefferie DJ Smythe C: Chaotic raffic Flow i Local Area Network Proceedig of the 11th Europea Coferece o Circuit heory ad Deig Davo Switzerlad 1993 843 848 5 Mill K Dabrowki C Ivetigatig Global Behavior i Computig Grid I de Meer H Sterbez J P G (Ed): Self-Orgaizig Sytem Lecture Note i Computer Sciece Volume 4124 2006 120 136 6 Paxo V Floyd S: Difficultie i Simulatig the Iteret IEEE/ACM raactio o Networkig Vol 9 2001 No 4 392-403 7 Srikat R: he Mathematic of Iteret Cogetio Cotrol Birkhäuer 2004 8 Williger W: Paxo V Where Mathematic Meet the Iteret Notice of the AMS September 1998 Vol 45 No 8 961-970 9 Box GEP Jeki GM Reiel GC: ime Serie Aalyi: Forecatig ad Cotrol Wiley 2008 10 Pacut A: Prawdopodobieńtwo: teoria modelowaie probabilitycze w techice WN 1985 11 Ljug L: Sytem Idetificatio: heory for the Uer Pretice Hall 1998 12 Fihma GS: Dicrete-Evet Simulatio Spriger 2001 13 Bhattacharya R Majumdar M: Radom Dyamical Sytem: heory ad Applicatio Cambridge Uiverity Pre 2007 Przyjęto do druku dia 12012016 r PROBABILISIC MODELING OF HE MESSAGE PASSING PROCESS IN DISRIBUED SYSEMS Zbigiew WESOŁOWSKI ABSRAC he article dicue a iue of the probabilitic modelig of the meage paig proce i ditributed ytem It ha bee aumed that the probabilitic model of bitrate i etwork lik are otatioary due to the expected value of tochatic procee Statitical aalyi i carried out o the bai of data geerated by the tochatic imulator of the data flow proce i computer etwork he data geerated by the imulator have bee iterpreted a realizatio of tochatic procee he paper iclude a example of the applicatio of the preeted approach to reearch the meage paig proce i a imple ditributed ytem Keyword: probabilitic modelig ditributed ytem tatitical aalyi o-tatioary time erie

Modelowaie probabilitycze proceu przeyłaia komuikatów 117 Dr iż Zbigiew WESOŁOWSKI jet pracowikiem aukowo-dydaktyczym Wydziału Cyberetyki Wojkowej Akademii echiczej Aktualie zajmuje ię badaiem iezawodości ytemów oraz modelowaiem i ymulacyjym badaiem efektywości ytemów rozprozoych

118 Z Weołowki