شبیه سازی رخدادهای نادر مبتنی بر شبکه های فعالیت تصادفی و فن افراز ناحیه
Publish place: 14th Annual Conference of Computer Society of Iran
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,317
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI14_056
تاریخ نمایه سازی: 26 مهر 1387
Abstract:
شبیه سازی گسسته - رخداد فن مدلسازی مهمی برای ارزیابی سیستمها است اما شبیه سازی مدلی که حاوی رخدادهای نادر است نیازمند زمان اجرای بالا خواهد بود که به سبب احتمالات وقوع بسیار پایین مربوط به این رخدادها است. این احتمال وقوع کوچک اغلب اوقات معیار مهمی، نظیر عدم اطمینان، در سیستم های خیلی اتکاء پذیر است. روش مونت کارلو برای شبیه سازی رخدادهای نادر نیازمند یک شتابدهنده است تا وقوع بیشتر آنها را میسر نماید. نمونه برداری اهمیت (IS) و تکرار شبیه سازی پس از رسیدن به حد آستانه (RESTART) دو روش مشهور در این خصوص هستند. در این مقاله یک فن جدید برای شبیه سازی سریع رخدادهای نادر در مدلهای شبکه فعالیت فعالیت تصادفی (SAN) مبتنی بر فن افراز ناحیه (POR) معرفی می شود. افراز ناحیه یک فن معروف کاهش واریانس است که یک بسط نمونه برداری قشر بندی شده است. استفاده از فن افراز ناحیه برای شبیه سازی رخدادهای نادر منجر به افزایش وقوع این رخدادها شده و باعث کاهش زمان و تعداد دفعات اجرای مدل شبیه سازی می شود. روش معرفی شده خاص مدلهای SAN نبوده و با سایر بسطهای تصادفی شبکه های پتری، نظیر SPN و GSPN نیز قابلیت به کارگیری را دارد. همچنین می توان روش معرفی شده را برای استفاده با همه شبیه سازی های گسسته - رخداد بسط داد. در این مقاله، ضمن معرفی روش جدید ، نتایج مقایسه آن با روش های مشابه، نظیر نمونه برداری اهمیت IS) نیز ارایه می شود.
Keywords:
Authors
امیر جلالی بیدگلی
آزمایشگاه مهندسی کارایی و اتکاء پذیری دانشکده مهندسی کامپیوتر دانشگ
محمد عبداللهی ازگمی
آزمایشگاه مهندسی کارایی و اتکاء پذیری دانشکده مهندسی کامپیوتر دانشگ
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :