|
||||
Меню:
Главная
Форум
Литература: Программирование и ремонт Импульсные блоки питания Неисправности и замена Радиоэлектронная аппаратура Микросхема в ТА Рубрикатор ТА Кабельные линии Обмотки и изоляция Радиоаппаратура Гибкие диски часть 2 часть 3 часть 4 часть 5 Ремонт компьютера часть 2 Аналитика: Монтаж Справочник Электроника Мощные высокочастотные транзисторы 200 микросхем Полупроводники ч.1 Часть 2 Алгоритмические проблемы 500 микросхем 500 микросхем Сортировка и поиск Монады Передача сигнала Электроника Прием сигнала Телевидиние Проектирование Эвм Оптимизация Автомобильная электроника Поляковтрансиверы Форт Тензодатчик Силовые полевые транзисторы Распределение частот Резисторные и термопарные Оберон Открытые системы шифрования Удк |
[47] обслуживания. Сетевые характеристики оценивают функционирование сети в целом и включают в себя: 1)загрузку - среднее по времени число заявок, обслуживаемых сетью, и одновременно среднее число приборов (каналов), занятых обслуживанием; 2)число заявок, ожидающих обслуживания в сети; 3)число заявок, находящихся в сети (в состоянии, ожидания и обслуживания); 4)суммарное время ожидания заявки в сети; 5)суммарное время пребывания заявки в сети. Теория массового обслуживания предлагает способы расчета характеристик сетей различных типов, а также способы выбора параметров сетей, обеспечивающих заданные характеристики функционирования. Для воспроизведения в моделях различных способов организации процессов функциональные возможности сетей массового обслуживания расширяются путем включения в сети специальных узлов. Так, для отображения эффектов, связанных с использованием запоминающих устройств, в сетевые модели включаются узлы, моделирующие работу запоминающих устройств, - узлы памяти. Память характеризуется емкостью, которая распределяется между заявками. Обслуживание заявки, поступившей на вход узла памяти, сводится к выделению затребованного числа ячеек памяти. Если в памяти, отсутствует область требуемого размера, заявка ставится в очередь и ожидает момента освобождения памяти, предоставленной ранее поступившим заявкам. Возможности сети могут расширяться за счет использования специальных узлов, управляющих маршрутами заявок: направляющих заявку одновременно по нескольким маршрутам; синхронизирующих движение заявок; изменяющих атрибуты заявок и т. д. Сети, воспроизводящие процессы массового обслуживания в форме взаимодействия систем массового обслуживания и дополнительных узлов, моделирующих работу памяти (накопителей), источников и приемников заявок и процессы маршрутизации заявок, называются стохастическими сетями. Стохастические сети включают в себя сети массового обслуживания как один из вариантов организации процессов массового обслуживания. В отличие от систем массового обслуживания, стохастические сети, в том числе и сети массового обслуживания, воспроизводят процессы многоэтапного обслуживания, когда обслуживание заявки производится за счет последовательного обращения к ресурсам, в том числе и многократного. Характерное свойство сети - ее структурное подобие реальной системе. Состав узлов сети л конфигурация связей между ними соответствует составу устройств и порядку их взаимодействия в реальной системе. За счет этого значительно упрощается процесс построения сетевых моделей и обеспечивается адекватность процессов функционирования сетей и моделируемых ими систем. Статистические модели. В тех случаях, когда причинно-следственные отношения в исследуемом объекте трудно охарактеризовать из-за их многообразия, сложности и невыясненной природы процессов или когда эти отношения несущественны, а желательно представить свойства объекта в достаточно компактной форме, используются статистические методы для математического выражения зависимостей между характеристиками и параметрами объекта. Статистические методы - совокупность способов сбора, анализа и интерпретации данных о некотором объекте или совокупности объектов с целью получения теоретических или практических выводов. Сущность статистических методов состоит в следующем. На основе эмпирических представлений о свойствах, исследуемого объекта и в соответствии с целью исследования определяется состав признаков, характеризующих объект, и тип статистической модели (математические выражения, структуры). Признаки, посредством которых описывается объект,- величины, соответствующие параметрам x1,..., xN и характеристикам y1,...,yM объекта. Наблюдением (измерения, регистрация) собираются статистические данные, образующие выборку следующего вида: Номер наблюдения 1 1 i2) N x(2) У .(2) У1 Ум м ДО где x1xN),y}!)yMM - значения признаков при i-м наблюдении. На основе этой выборки строится статистическая модель устанавливающая количественную взаимосвязь признаков. Математическая статистика предлагает обширный набор моде лей и методов установления статистических закономерностей, присущих исследуемым объектам. Наиболее широкое применение при исследовании вычислительных систем получил регрессионный анализ. м заданного типа, У м 2 n Регрессионный анализ состоит, в построении функций yt = fi (x1,...,xN) связывающих характеристики (зависимые переменные) с параметрами (независимыми переменными), на основе статистической выборки, содержащей статистически независимые данные. Статистическая независимость данных состоит в том, что значения признаков разных наблюдений статистической выборки не должны зависеть друг от друга. Чтобы проявились статистические зависимости, число наблюдений должно превосходить число признаков в 6-8 раз. Выборка должна быть однородной, т. е. относиться к объектам одного класса. Зависимость характеристики от параметров x1, ... , xN представляется в виде линейного полинома y = b0 + b1 x1 + ... + bNXN(7.9) а при необходимости - в виде полинома более высокого порядка y = b0 + b1 x +... + bNxN + b12 x1x2 + b13 x1x3 +... + b1Nx1xN +... + b123 x1 x2x3 +... + b11 x12 +... Параметры b называются коэффициентами регрессии. Если число признаков n=1, то (7.9) называют уравнением парной регрессии, если n>2, - уравнением множественной регрессии. Переменная у рассматривается как случайная величина, которая распределена в окрестности среднего значения y, зависящего от х, т. е. считается, что переменные влияют лишь на среднее значение y дисперсии отклонения уравнения регрессии от наблюдаемых значений y(i), i = 1,n . При построении регрессионной модели основными являются два момента: 1) выбор числа независимых признаков x1 , ... , xN ; 2) выбор формы полинома, посредством которого представляется зависимость y = fxN). Процедуры оценки качества и совершенствования моделей реализованы в пакетах прикладных программ статистического анализа, используемых при исследованиях. Регрессионные модели обладают следующими особенностями. Во-первых, они применимы для прогноза значений у только при аргументах x1,... , xN , принадлежащих области определения переменных, для которой построено уравнение регрессии. Во-вторых, уравнения регрессии принципиально необратимы, т. е. недопустимо путем тождественных преобразований из уравнения y = f (x1,...,xN) строить уравнение =<р(x1,...,xN,y), поскольку это две совершенно различные регрессии, каждая из которых должна строиться самостоятельно. Дополнительно отметим, что регрессионные модели не раскрывают механизм взаимосвязи характеристик и параметров и фиксируют лишь количественную взаимосвязь величин. Регрессионные и другие статистические модели наиболее широко используются для описания рабочей нагрузки, создаваемой прикладными задачами, а также системными процессами (управление заданиями, задачами, данными, ввод - вывод и др.). Применение статистических методов для этого класса объектов объясняется тем, что хотя рабочая нагрузка, как правило, хорошо наблюдаема, однако по своей природе - это чрезвычайно сложный объект. В нем совмещены свойства прикладных задач, технология обработки данных, организация операционной системы и даже конфигурация ЭВМ, для которой разрабатывается программное обеспечение. Поэтому рабочую нагрузку приходится рассматривать как черный ящик и описывать количественные взаимосвязи статистическими методами. Регрессионные модели применяются также для компактного представления и анализа зависимостей, воспроизводимых на имитационных моделях. Аналитические методы. Аналитические методы исследования вычислительных систем сводятся к построению математических моделей, которые представляют физические свойства как математические объекты и отношения между ними, выражаемые посредством математических операций. При использовании аналитических методов оператор F, устанавливающий зависимость Y = F(X) между характеристиками и параметрами объекта, представляется совокупностью математических выражений (формул) - алгебраических, дифференциального и интегрального исчисления и др. Модели, построенные этими методами, называются аналитическими моделями. В таких моделях зависимость между характеристиками и параметрами может быть представлена в явной аналитической форме - в виде выражений ym = fm (x1,...,xN), решенных относительно искомых величин, или в неявной форме - в виде уравнений Ф(Т, Х)=0, связывающих характеристики и параметры. При построении аналитических моделей свойства объектов описываются исходя из свойств составляющих - физических элементов или элементарных процессов. Для этого используется подходящий математический аналог и с помощью соответствующего математического аппарата строятся выражения, которые связывают показатели, характеризующие элементы. Последовательным применением математических правил совокупность выражений, моделирующих свойства элементов, сводится к форме, представляющей зависимость Y=F(X) между характеристиками и параметрами всей системы. Как правило, свойства элементов и систем удается представить в аналитической форме, если принимаются определенные допущения о свойствах и поведении описываемых объектов: независимость одних факторов от других, линейность некоторых зависимостей, мгновенность переходов между состояниями и т. д. Если допущения соответствуют реальности, модель хорошо воспроизводит зависимость между характеристиками и параметрами. Однако во многих случаях допущения приводят к существенным отличиям модели от реального объекта, вследствие чего моделируемая зависимость существенно отличается от реальной и характеристики представляются на модели с большой погрешностью. Так, предположение о том, что процессы обладают марковским свойством, может оказаться ошибочным, что приводит к большим погрешностям марковских моделей и даже к неверным оценкам. Основные аналитические методы теории массового обслуживания базируются на предположении, что интервалы времени между заявками входящих потоков и длительности обслуживания распределены по экспоненциальному закону. Когда это предположение выполняется, аналитические методы позволяют точно оценивать характеристики системы. Если же потоки и длительности существенно отличаются от предполагаемых, моделируемые характеристики могут сколь угодно отличаться от реальных. Таким образом, аналитические модели, базируясь на допущениях о свойствах объектов, применимы для исследования только тех систем, в отношении которых справедливы принятые допущения. Многие системы из-за специфики своей организации недоступны для исследования аналитическими методами. Ценность аналитических методов и моделей для теории и практики обусловлена следующими причинами. Во-первых, зависимости, полученные аналитическими методам», |
Среды: Smalltalk80 MicroCap Local bus Bios Pci 12С ML Микроконтроллеры: Atmel Intel Holtek AVR MSP430 Microchip Книги: Емкостный датчик 500 схем для радиолюбителей часть 2 (4) Структура компьютерных программ Автоматическая коммутация Кондиционирование и вентиляция Ошибки при монтаже Схемы звуковоспроизведения Дроссели для питания Блоки питания Детекторы перемещения Теория электропривода Адаптивное управление Измерение параметров Печатная плата pcad pcb Физика цвета Управлении софтверными проектами Математический аппарат Битовые строки Микроконтроллер nios Команды управления выполнением программы Перехода от ahdl к vhdl Холодный спай Усилители hi-fi Электронные часы Сердечники из распылённого железа Анализ алгоритмов 8-разрядные КМОП Классификация МПК История Устройства автоматики Системы и сети Частотность Справочник микросхем Вторичного электропитания Типы видеомониторов Радиобиблиотека Электронные системы Бесконтекстный язык Управление техническими системами Монтаж печатных плат Работа с коммуникациями Создание библиотечного компонента Нейрокомпьютерная техника Parser Пи-регулятор ч.1 ПИ-регулятор ч.2 Обработка списков Интегральные схемы Шина ISAВ Шина PCI Прикладная криптография Нетематическое: Взрывной автогидролиз Нечеткая логика Бытовые установки (укр) Автоматизация проектирования Сбор и защита Дискретная математика Kb радиостанция Энергетика Ретро: Прием в автомобиле Управление шаговым двигателем Магнитная запись Ремонт микроволновки Дискретные системы часть 2 | ||