Markov Synexoys

  • May 2020
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Markov Synexoys as PDF for free.

More details

  • Words: 1,131
  • Pages: 6
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ – ΤΜΗΜΑ ∆Ι∆ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ - ΠΡΟΣΟΜΟΙΩΣΗ ∆Ι∆ΑΣΚΩΝ: Π. ∆ΕΜΕΣΤΙΧΑΣ ΕΝΟΤΗΤΑ ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 6 (ΣΑ6): ΜΑΡΚΟΒΙΑΝΕΣ ΑΛΥΣΙ∆ΕΣ ΣΥΝΕΧΟΥΣ ΧΡΟΝΟΥ

Ακαδηµαϊκό Έτος 2004 - 2005

Συστήµατα Αναµονής – Προσοµοίωση: Ενότητα ΣΑ6

1

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ – ΤΜΗΜΑ ∆Ι∆ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Πίνακας Περιεχοµένων 1.

ΕΙΣΑΓΩΓΗ ........................................................................................................................ 3

2.

ΟΡΙΣΜΟΣ ΜΑΣΧ ............................................................................................................. 3

3.

∆Ε∆ΟΜΕΝΑ ΚΑΙ ΖΗΤΟΥΜΕΝΑ ΣΕ ΜΑΣΧ....................................................................... 3

4.

ΜΕΘΟ∆ΟΛΟΓΙΑ ΑΝΑΛΥΣΗΣ ΜΙΑΣ ΜΑΣΧ..................................................................... 4

5.

ΠΑΡΑ∆ΕΙΓΜΑ ................................................................................................................... 4

6.

ΣΥΝΟΨΗ ........................................................................................................................... 5

7.

ΒΙΒΛΙΟΓΡΑΦΙΑ ................................................................................................................. 6

Συστήµατα Αναµονής – Προσοµοίωση: Ενότητα ΣΑ6

2

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ – ΤΜΗΜΑ ∆Ι∆ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

1. ΕΙΣΑΓΩΓΗ Στην ενότητα αυτή µελετάµε Μαρκοβιανές Αλυσίδες Συνεχούς Χρόνου (ΜΑΣΧ). Επιπλέον πληροφορίες σχετικά µε το περιεχόµενο της ενότητας µπορούν να βρεθούν στα [1,2,3,4,5,6]. 2. ΟΡΙΣΜΟΣ ΜΑΣΧ Οι ΜΑΣΧ έχουν διακριτό χώρο κατάστασης. Οι διαδικασίες Markov συνεχούς χρόνου είναι ένα σύνολο τυχαίων µεταβλητών, X (t n ) , όπου n = 0, 1, 2, … . Η τιµή της τυχαίας µεταβλητής, X (t n ) , της διαδικασίας Markov δείχνει την κατάσταση του συστήµατος στη συγκεκριµένη χρονική στιγµή t n . Η βασική ιδιότητα των διαδικασιών Markov, στην περίπτωση αλυσίδων διακριτού χρόνου, µπορεί να εκφρασθεί ως εξής: P[X (t n +1 ) = j X (t n ) = in ,..., X (t1 ) = i1 ] = P[X (t n +1 ) = j X (t n ) = in ]

Η βασική ιδιότητα µιας διαδικασίας Markov είναι ότι η κατάσταση τη χρονική στιγµή t n +1 εξαρτάται µόνο από την κατάσταση τη χρονική στιγµή t n , και όχι από τις καταστάσεις στις προηγούµενες χρονικές στιγµές. Λόγω της βασικής ιδιότητας των διαδικασιών Markov, η κατανοµή του χρόνου παραµονής σε µια κατάσταση χαρακτηρίζεται από έλλειψη µνήµης. Στο συνεχή χρόνο η µόνη κατανοµή που έχει την ιδιότητα αυτή είναι η εκθετική. 3. ∆Ε∆ΟΜΕΝΑ ΚΑΙ ΖΗΤΟΥΜΕΝΑ ΣΕ ΜΑΣΧ Μια ΜΑ∆Χ δίνεται υπό τη µορφή κατευθυντικού γράφου G (V , E ) και ενός πίνακα ρυθµών µετάβασης Qˆ .

Οι κόµβοι του γράφου, V , είναι οι δυνατές καταστάσεις της ΜΑΣΧ. Οι ακµές δίνουν τις δυνατές µεταβάσεις µεταξύ των καταστάσεων. Κάθε ακµή ( i , j )∈ E σηµαίνει ότι είναι δυνατή η άµεση µετάβαση από την κατάσταση i στην j . Οι µεταβάσεις σε µια ΜΑΣΧ µπορούν να γίνουν σε οποιαδήποτε χρονική στιγµή. Σηµασία έχει ο µέσος χρόνος παραµονής σε µια κατάσταση i , ο οποίος συµβολίζεται µε Το πόσο πιθανές είναι οι µεταβάσεις καθορίζεται από τον πίνακα ρυθµών µετάβασης Qˆ . Οι διαστάσεις του πίνακα είναι V × V ( V είναι το πλήθος των καταστάσεων). Κάθε στοιχείο του πίνακα, qij , λέγεται ρυθµός µετάβασης, και καθορίζει το πόσο πιθανή είναι η άµεση µετάβαση από την κατάσταση i στην j ( i ≠ j ). Ο συνολικός ρυθµό εξόδου, λi , από την κατάσταση i δίνεται από τη σχέση λi = ∑ qij (∀ i ∈ V ). j∈V

Ο µέσος χρόνος παραµονής στην κατάσταση i είναι 1 λi .

Συστήµατα Αναµονής – Προσοµοίωση: Ενότητα ΣΑ6

3

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ – ΤΜΗΜΑ ∆Ι∆ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Γίνεται η σύµβαση ότι στον πίνακα των ρυθµών µετάβασης, Qˆ , το κάθε στοιχείο qii

είναι ίσο µε (- λi ). Έτσι qii = (- λ i ) = (- ∑ qij ) j∈V

Το πρώτο ζητούµενο όταν αναλύουµε µια ΜΑΣΧ είναι ένα διάνυσµα πιθανοτήτων pˆ = [ p1 , ... , p V ], το οποίο ονοµάζεται στατική κατανοµή πιθανότητας, ή κατανοµή µόνιµης κατάστασης (steady state distribution), ή κατανοµή κατάστασης ισορροπίας (equilibrium state distribution). Η κάθε πιθανότητα pi (∀ i ∈ V ) εκφράζει το πόσο πιθανή είναι η κάθε κατάσταση i , ή µε άλλα λόγια, το ποσοστό του χρόνου που η ΜΑΣΧ θα βρίσκεται στην κατάσταση i . Το δεύτερο σύνηθες ζητούµενο όταν αναλύουµε µια ΜΑΣΧ είναι οι πιθανότητες µετάβασης, pij , µεταξύ των καταστάσεων i και j . Αυτές δίνονται από τον τύπο pij = qij / λi . 4. ΜΕΘΟ∆ΟΛΟΓΙΑ ΑΝΑΛΥΣΗΣ ΜΙΑΣ ΜΑΣΧ

Το διάνυσµα πιθανοτήτων pˆ δίνεται από το σύστηµα εξισώσεων:

pˆ Qˆ =0

(1α)

∑p

(2)

i∈V

i

=1

Το σύστηµα pˆ Qˆ =0 αναλυτικότερα γράφεται: ⎡ q11 ⎢q [ p1 , ... , p V ] ⎢ 21 ⎢ . ⎢ ⎣qV 1

q12 q 22 . qV 2

... q1V ⎤ ... q 2V ⎥⎥ =0 ... . ⎥ ⎥ ... qVV ⎦

(1β)

Το σύστηµα (1β) µπορεί επίσης να γραφεί:

∑p j∈V

j

⋅ q ji =0

∀ i ∈V

(1γ)

Από το παραπάνω σύστηµα παίρνουµε V εξισώσεις, οπότε σε συνδυασµό µε τη σχέση (2) έχουµε ένα σύστηµα V +1 εξισώσεων µε V αγνώστους. Αγνοούµε µια εξίσωση από αυτές που προκύπτουν από το σύστηµα (1β) (ή 1(γ)), οπότε σε συνδυασµό µε τη σχέση (2) έχουµε ένα σύστηµα V εξισώσεων µε V αγνώστους, το οποίο µπορεί να λυθεί µε αντικατάσταση. 5. ΠΑΡΑ∆ΕΙΓΜΑ

∆ίνεται η ΜΑΣΧ του παρακάτω σχήµατος και ζητείται η στατική κατανοµή πιθανότητας.

Συστήµατα Αναµονής – Προσοµοίωση: Ενότητα ΣΑ6

4

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ – ΤΜΗΜΑ ∆Ι∆ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

1 µ

µ

λ

λ r

2

r

3

Σχήµα 1. Παράδειγµα ΜΑΣΧ

Έχουµε ότι Qˆ

⎡− 2µ = ⎢ λ ⎢ ⎢⎣ λ

µ − (λ + r ) r

µ

⎤ ⎥ r ⎥ − (λ + r )⎥⎦

Επίσης pˆ Qˆ =0 ⇒ ⎡− 2µ [ p1 , p 2 , p3 ] ⎢ λ ⎢ ⎣⎢ λ

µ − (λ + r ) r

µ

⎤ ⎥ =0 r ⎥ − (λ + r )⎦⎥

Πραγµατοποιώντας τον πολλαπλασιασµό πινάκων παίρνουµε το σύστηµα: (-2) µ p1 + λ p 2 + λ p3 =0

(1)

µ p1 - ( λ + r ) p 2 + r p3 =0

(2)

µ p1 + r p 2 - ( λ + r ) p3 =0

(3)

Επίσης έχουµε την ακόλουθη εξίσωση: p1 + p 2 + p3 = 1

(4)

Από τις σχέσεις (1), (2), (4), και λύνοντας το σύστηµα µε αντικατάσταση, παίρνουµε p1 = λ /( λ +2 µ ), p 2 = µ /( λ +2 µ ), p3 = µ /( λ +2 µ ). 6. ΣΥΝΟΨΗ

Στην ενότητα αυτή µελετήσαµε Μαρκοβιανές Αλυσίδες Συνεχούς Χρόνου.

Συστήµατα Αναµονής – Προσοµοίωση: Ενότητα ΣΑ6

5

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ – ΤΜΗΜΑ ∆Ι∆ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

7. ΒΙΒΛΙΟΓΡΑΦΙΑ

[1]

Ν. Ασηµακόπουλος, «Ουρές αναµονής Πανεπιστήµιο Πειραιά, Πειραιάς, 2001

[2]

L.Kleinrock, “Queueing systems; volume 1: theory”, J. Wiley & Sons, New York, 1975

[3]

S.Haykin, “Communication systems”, J. Wiley & Sons, New York, 1983

[4]

R.Wolf, “Stochastic modelling and the theory of queues”, Prentice-Hall, Englewood Cliffs, NJ, 1989

[5]

Γ. Κοκολάκης, Ι. Σπηλιώτης, “Θεωρία πιθανοτήτων και εφαρµογές”, Εκδόσεις Συµεών, Αθήνα, 1987

[6]

R.Yates, D.Goodman, “Probability and stochastic processes: A friendly introduction for electrical and computer engineers”, J. Wiley & Sons, New York, 1999

Συστήµατα Αναµονής – Προσοµοίωση: Ενότητα ΣΑ6



Θεωρία

και

εφαρµογές»,

6

Related Documents

Markov Synexoys
May 2020 14
Markov 4
July 2020 12
Markov Diakritoy
May 2020 10
Markov Chain
May 2020 8
Hidden Markov Models
June 2020 3
Hidden Markov Models
November 2019 13