Priorytetowy system obsługi zgłoszeń niejednorodnych z mechanizmem odrzucania pakietów opartym o AQM



Podobne dokumenty
Modelowanie komputerowe

Systemy kolejkowe z histerezą- wprowadzenie

Rachunek prawdopodobieństwa- wykład 6

Modelowanie komputerowe

Systemy masowej obsługi

Systemy obsługi ze wspólną pamięcią

TEORIA OBSŁUGI MASOWEJ

Podstawy Informatyki Elementy teorii masowej obsługi

Matematyka ubezpieczeń majątkowych r.

Rozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

Statystyka. Wykład 2. Krzysztof Topolski. Wrocław, 11 października 2012

Rachunek prawdopodobieństwa i statystyka

13 Równanie struny drgającej. Równanie przewodnictwa ciepła.

Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Dwa równania kwadratowe z częścią całkowitą

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

EGZAMIN DYPLOMOWY, część II, Biomatematyka

Zasada indukcji matematycznej

Zadanie 1. są niezależne i mają rozkład z atomami: ( ),

Zmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Wykład 10 Testy jednorodności rozkładów

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Testowanie hipotez statystycznych.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego

7. Estymacja parametrów w modelu normalnym( ) Pojęcie losowej próby prostej

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

Estymacja parametrów w modelu normalnym

Przeksztacenie Laplace a. Krzysztof Patan

Biotechnologia, Chemia, Chemia Budowlana - Wydział Chemiczny - 1

Prawa wielkich liczb, centralne twierdzenia graniczne

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami:

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności

Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.

Równanie przewodnictwa cieplnego (II)

WYMAGANIA WSTĘPNE Z MATEMATYKI

IX. MECHANIKA (FIZYKA) KWANTOWA

Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Zadanie 1. Ilość szkód N ma rozkład o prawdopodobieństwach spełniających zależność rekurencyjną:

Obliczenia naukowe Wykład nr 8

EGZAMIN MAGISTERSKI, Biomatematyka

Matematyka ubezpieczeń majątkowych r.

Równania różniczkowe. Notatki z wykładu.

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

Ogólnopolska Konferencja Aktuarialna Zagadnienia aktuarialne teoria i praktyka Warszawa, IE SGH 2009

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Procesy stochastyczne 2.

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Rozkłady dwóch zmiennych losowych

dr Adam Sojda Wykład Politechnika Śląska Badania Operacyjne Teoria kolejek

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Funkcje wymierne. Jerzy Rutkowski. Teoria. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

STOCHASTYCZNY MODEL BEZPIECZEŃSTWA OBIEKTU W PROCESIE EKSPLOATACJI

Zmienne losowe. dr Mariusz Grzadziel. rok akademicki 2016/2017 semestr letni. Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

Systemy. Krzysztof Patan

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Opis systemów dynamicznych w przestrzeni stanu. Wojciech Kurek , Gdańsk

składa się z m + 1 uporządkowanych niemalejąco liczb nieujemnych. Pomiędzy p, n i m zachodzi następująca zależność:

Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1

Plik pobrany ze strony

Wykład 9 Testy rangowe w problemie dwóch prób

Całki niewłaściwe. Całki w granicach nieskończonych

Matematyka Dyskretna Rozgrzewka I test semestr letni 2012/2013

Teoria ze Wstępu do analizy stochastycznej

Najkrótsza droga Maksymalny przepływ Najtańszy przepływ Analiza czynności (zdarzeń)

Rachunek prawdopodobieństwa i statystyka

01. dla x 0; 1 2 wynosi:

MODELE MATEMATYCZNE W UBEZPIECZENIACH

Rozkłady statystyk z próby

Zastosowanie MES do rozwiązania problemu ustalonego przepływu ciepła w obszarze 2D

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

Model odpowiedzi i schemat oceniania do arkusza I

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i )

Analiza matematyczna dla informatyków 3 Zajęcia 14

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

Modelowanie stochastyczne Stochastic Modeling. Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2C

Interpolacja i modelowanie krzywych 2D i 3D

Logika i teoria mnogości Ćwiczenia

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie

Matematyka A kolokwium: godz. 18:05 20:00, 24 maja 2017 r. rozwiązania. ) zachodzi równość: x (t) ( 1 + x(t) 2)

Modele zapisane w przestrzeni stanów

Układy równań i równania wyższych rzędów

Metody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: F(x) = sin(x),

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)

POD- I NADOKREŚLONE UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.

Transkrypt:

Priorytetowy system obsługi zgłoszeń niejednorodnych z mechanizmem odrzucania pakietów opartym o AQM prof. dr hab. Oleg Tikhonenko, dr Marcin Ziółkowski, mgr inż. Jacek Małek Instytut Matematyki, Politechnika Częstochowska Instytut Matematyki i Informatyki, Akademia im. Jana Długosza w Częstochowie 19 listopada 212 r.

Analiza działania systemu Rozpatrujemy modyfikację klasycznego systemu M/M/n/m, w którym przybywające zgłoszenie(pakiet) charakteryzuje się losowym rozmiarem, który jest nieujemnie określoną zmienną losową ζ. Niech L(x) = P{ζ < x} oznacza dystrybuantę zmiennej losowej ζ. Czas obsługi zgłoszenia nie zależy od jego rozmiaru, natomiast objętość sumaryczna zgłoszeń σ(t) jest ograniczona wartością V. Dodatkowo zakładamy, że przybywające zgłoszenia mogą należeć do dwóch klas różniących się priorytetem obsługi. Zgłoszenia pierwszego priorytetu są przyjmowane do systemu zawsze, gdy tylko istnieją wolne miejsca w kolejce oraz wolne miejsce w pamięci, natomiast zgłoszenia drugiego priorytetu mogą być odrzucone mimo wolnych miejsc oczekiwania i wolnej pamięci w oparciu o daną funkcję akceptującą B(x), która w ogólnym przypadku powinna być funkcją nierosnącą, lewostronnie ciągłą orazpowinnaspełniaćwarunki:b() 1,B(V) oraz B(x) =dlax>v.

Analiza działania systemu W porównaniu z systemem klasycznym zachowanie się takiego systemu nie różni się w chwilach zakończenia obsługi, natomiast w chwilach przybywania zgłoszeń musimy brać pod uwagę utraty zgłoszeń związane z ograniczeniem objętości sumarycznej oraz działaniem mechanizmu akceptacji zgłoszeń drugiego priorytetu, który jest oparty na odpowiedniej funkcji akceptującej. Dokładniej rzecz ujmując w przypadku zgłoszeń pierwszego priorytetu zgłoszenie o objętości x będzie utracone, gdy albo będą zajęte wszytkie miejsca w kolejce albo będzie spełniony warunek x +y>v,gdzieyoznaczaobjętośćsumarycznąwszystkich zgłoszeń obecnych w systemie w momencie przybycia danego zgłoszenia, natomiast w przypadku zgłoszeń drugiego priorytetu zgłoszenie o objętości x będzie przyjęte do systemu w przypadku, gdy będzie wolne przynajmniej jedno miejsce oczekiwania w kolejce,oraz,gdybędziespełnionywarunekx +y Vz prawdopodobieństwem B(x + y).

Oznaczenia oraz proces opisujący analizowany system Wprowadźmy następujące oznaczenia. Przez η(t) oznaczmy liczbę zgłoszeń obecnych w systemie w chwili czasu t, σ 1 (t),σ 2 (t),...,σ η(t) (t)-niechoznaczająobjętościzgłoszeńo numerach1,2,...,η(t)ponumerowanychwkolejnościich przybycia do systemu odpowiednio, a- niech oznacza parametr najprostszego wejściowego strumienia zgłoszeń, a µ- parametr rozkładu wykładniczego czasu obsługi, (, 1])- niech oznacza prawdopodobieństwo, że przybywające zgłoszenie jest zgłoszeniem pierwszego priorytetu. Wówczas analizowany system może być opisany przez poniższy proces markowowski: (η(t),σ 1 (t),σ 2 (t),...,σ η(t) (t)). (1)

Oznaczenia oraz proces opisujący analizowany system Proces(1) może być charakteryzowany poprzez poniższe funkcje: P k (t) =P{η(t) =k},k =,n +m; (2) G k (x,t) =P{η(t) =k,σ(t)<x},k =1,n +m, (3) gdzie η(t) σ(t) = σ i (t). i=1 Jestjasne,żewprzypadkuk=1,n +mmamyoczywistąrówność P k (t) =G k (V,t). (4)

Oznaczenia oraz proces opisujący analizowany system W warunkach stacjonarnych(przy t ), które istnieją, gdy tylko jest spełniony warunek ρ = a/(nµ) < możemy wprowadzić granice(w sensie zbieżności według rozkładu) funkcji(2) (3): p k =P{η =k},k =,n+m, (5) g k (x) =P{η =k,σ<x},k =1,n+m, (6) gdzie η, σ są stacjonarnymi odpowiednikami procesów η(t), σ(t). Jest jasne, że w warunkach stacjonarnych na mocy(4) mamy równość p k =g k (V). (7)

Równania opisujące działanie systemu Analizując zachowanie się procesu(1) można uzyskać następujące równania: ] a P (t) = ap (t) P 1 (t) =ap (t) L(V)+(1 ) L(V)+(1 ) B(x)dL(x) B(x)dL(x) +µp 1 (t); (8) ] V y G 1 (y,t)l(v y)dy +(1 ) G 1 (y,t) B(x +y)dl(x)dy µp 1 (t)+2µp 2 (t); (9) ]

Równania opisujące działanie systemu a P k(t) =a G k 1 (y,t)l(v y)dy+ ] V y +(1 ) G k 1 (y,t) B(x +y)dl(x)dy y G k (y,t)l(v y)dy +(1 ) G k (y,t) B(x +y)dl(x)dy kµp k (t)+(k +1)µP k+1 (t);k =2,n 1 (1) ]

Równania opisujące działanie systemu a P k (t) =a G k 1 (y,t)l(v y)dy+ y +(1 ) G k 1 (y,t) B(x +y)dl(x)dy y G k (y,t)l(v y)dy +(1 ) G k (y,t) B(x +y)dl(x)dy nµp k (t)+nµp k+1 (t);k =n,n+m 1 (11) P n+m(t) =a G n+m 1 (y,t)l(v y)dy+ ] V y +(1 ) G n+m 1 (y,t) B(x +y)dl(x)dy ] nµp n+m (t). (12) ]

Równania w stanie stacjonarnym W warunkach stacjonarnych z równań(8) (12) otrzymujemy następujące równania: ] V = ap L(V)+(1 ) B(x)dL(x) +µp 1 ; (13) a ] V =ap L(V)+(1 ) B(x)dL(x) y g 1 (y)l(v y)dy +(1 ) g 1 (y) B(x +y)dl(x)dy µp 1 +2µp 2 ; (14) ]

Równania w stanie stacjonarnym a =a g k 1 (y)l(v y)dy+ ] V y +(1 ) g k 1 (y) B(x +y)dl(x)dy y g k (y)l(v y)dy +(1 ) g k (y) B(x +y)dl(x)dy kµp k +(k +1)µp k+1 ;k =2,n 1 (15) ]

Równania w stanie stacjonarnym a =a g k 1 (y)l(v y)dy+ ] V y +(1 ) g k 1 (y) B(x +y)dl(x)dy y g k (y)l(v y)dy +(1 ) g k (y) B(x +y)dl(x)dy nµp k +nµp k+1 ;k =n,n +m 1 (16) =a g n+m 1 (y)l(v y)dy+ ] V y +(1 ) g n+m 1 (y) B(x +y)dl(x)dy nµp n+m. (17) ]

Rozwiązanie WprowadźmyoznaczenieR(z) = z mamy: B(x)dL(x) =R(V)oraz y B(V z +x)dl(x).wówczas B(x +y)dl(x) =R(V y).wtedyrównania(13) (17) mogą być przepisane w postaci: a =a a = ap L(V)+(1 )R(V)]+µp 1 ; (18) =ap L(V)+(1 )R(V)] g 1 (y)l(v y)dy +(1 ) g k 1 (y)l(v y)dy +(1 ) g 1 (y)r(v y)dy µp 1 +2µp 2 ; (19) ] ] g k 1 (y)r(v y)dy g k (y)l(v y)dy +(1 ) g k (y)r(v y)dy kµp k +(k +1)µp k+1 ;k =2,n 1 (2) ]

Rozwiązanie =a a ] V g k 1 (y)l(v y)dy +(1 ) g k 1 (y)r(v y)dy ] V g k (y)l(v y)dy +(1 ) g k (y)r(v y)dy nµp k +nµp k+1 ;k =n,n +m 1 (21) =a g n+m 1 (y)l(v y)dy+ ] V +(1 ) g n+m 1 (y)r(v y)dy nµp n+m. (22)

Rozwiązanie Wprowadźmy oznaczenie: Φ(x) =L(x)+(1 )R(x) Wówczas z równań(18) (22) otrzymujemy następujące równania: = ap Φ(V)+µp 1 ; (23) =ap Φ(V) a g 1 (y)φ(v y)dy µp 1 +2µp 2 ; (24) =a g k 1 (y)φ(v y)dy a g k (y)φ(v y)dy kµp k +(k +1)µp k+1 ;k =2,n 1 (25)

Rozwiązanie =a g k 1 (y)φ(v y)dy a g k (y)φ(v y)dy nµp k +nµp k+1 ;k =n,n+m 1 (26) =a g n+m 1 (y)φ(v y)dy nµp n+m. (27)

Rozwiązanie WprowadźmyoznaczenieL (k) (x)dlasplotuk-tegorzędu dystrybuant L(x). Dokładniej: x L () (x) 1,L (k) (x) = L (k 1) (x u)dl(u). Dodatkowo wprowadźmy następujące oznaczenie: { (nρ) k N(k) = k!,gdyk=,n 1; n n ρ n!,gdyk k =n,n+m. Poprzez bezpośrednie podstawienie można uzyskać rozwiązanie układu(23) (27) w postaci: g k (y)dy =p N(k)dΦ (k) (y),k =1,n +m. (28)

Rozwiązanie Wówczas na mocy wzoru(7) możemy uzyskać formuły określające prawdopodobieństwastacjonarnep k : p k =p N(k)Φ (k) (V),k =1,n +m. (29) Natomiast na mocy warunku normalizacyjnego otrzymujemy: p = n+m k= N(k)Φ (k) (V)] 1. (3)

Wyznaczenie prawdopodobieństwa utraty zgłoszenia Prawdopodobieństwo utraty zgłoszenia wyznaczymy w oparciu o poniższe równanie równowagi: n 1 n 1 a(1 p u ) =µ kp k +nµ(1 p k ). k=1 Rozwiązanie tego równania prowadzi do wzoru: k= n 1 p u =1 (nρ) 1 n 1 kp k ρ 1 (1 p k ), (31) k=1 gdziep k sąokreśloneprzezwzory(29). k=

Uogólnienie Badane zagadnienie można uogólnić w następujący sposób. Załóżmy, że do analogicznego systemu przybywają zgłoszenia należące do n różnych klas różniących się priorytetem obsługi, dokładniej rzecz ujmując każdy priorytet ma przypisaną inną funkcjęakceptującąb i (x),i =1,n.Jeżelichcemy,abyktóryśz priorytetówbyłbezwzględnyprzyjmujemypoprostub i (x) 1dla x,v](takbyłowanalizowanymdotądsystemie). Przybywające do systemu zgłoszenie należy do i-tego priorytetu z prawdopodobieństwem i. Postępując w analogiczny sposób możemy w takiej sytuacji uzyskać tą samą formułę(29), przy czym natomiast R i (z) = n Φ(x) = i R i (x), i=1 z B i (V z +x)dl(x).