skip to Main Content

مدلهای تعدیل شده مارکوف متراکم برای جا¬سازی اثر چند طبقه¬ای

عنوان انگلیسی: Compact Markov-modulated models for multiclass trace fitting
سال نشر: ۲۰۱۶
نویسنده: Giuliano Casale,Andrea Sansottera,Paolo Cremonesi
تعداد صفحه فارسی: ۳۷ – تعداد صفحه انگلیسی: ۱۲
دانشگاه: a Department of Computing, Imperial College London, 180 Queen’s Gate, SW7 2AZ, London, UK. b Politecnico di Milano, DEIB, Via Ponzio 34/5, 20133 Milan, Italy
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس

چکیده

مدلهای دوحالتی غالبا برای جاسازی اثرات پیچیده کافی نیستند، بنابراین ما جاسازی تقریبی M3PPهای بزرگ را نیز مطالعه می¬کنیم. در تنظیم طبقه منفرد، محدودیت معلوم MMPPها ناتوانی در جاسازی همزمان بسیاری از توصیفات آماری به دلیل غیر خطی بودن معادلات اساسی آنها است. این منجر به تعریف چندین روش برای جاسازی اثرات پیچیده با تشکیل MMPPهای چندگانه با اندازه کوچک یا MAPها با استفاده از عملگرهای کرونکر می¬شود. این روشها عملگرهای ترکیب را برای جاسازی لحظه¬ای با پیشنهاد ارزیابی¬های مختلف بین هزینه محاسباتی و جاسازی دقت در مقایسه با روشهای جاسازی بر اساس الگوریتم EM به کار می¬برد. بطور خاص، عملگر انطباق اجازه می¬دهد که یک اثر را با تسهیم آماری چندین MMPP در بستر رشد نمایی تعدادی از حالتها در فرآیند توصیف کنیم. این انفجار فضای حالت مانعی برای کاربرد MMPPها و MAPها در مدلسازی سیستمهای واقعی می¬شود؛ برای مثال ارزیابی مدلهای صف¬بندی را با روشهای هندسی ماتریسی بطور قابل توجهی کند می¬کند. در این مقاله ما مسئله انفجار فضای حالت تطبیق را با نشان دادن این که M3PPها یک شکل خاص از ترکیب را می¬پذیرند (که ما انرا مداخ

Abstract

Markov-modulated Poisson processes (MMPPs) are stochastic models for fitting empirical traces for simulation, workload characterization and queueing analysis purposes. In this paper, we develop the first
counting process fitting algorithm for the marked MMPP (M3PP), a generalization of the MMPP for modeling traces with events of multiple types. We initially explain how to fit two-state M3PPs to empirical traces of counts. We then propose a novel form of composition, called interposition, which enables
the approximate superposition of several two-state M3PPs without incurring into state space explosion.
Compared to exact superposition, where the state space grows exponentially in the number of composed
processes, in interposition the state space grows linearly in the number of composed M3PPs. Experimental results indicate that the proposed interposition methodology provides accurate results against artificial
and real-world traces, with a significantly smaller state space than supe
امتیاز شما:
(No Ratings Yet)
Back To Top