La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Perfect sampling di processi di coda UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Corso di laurea in Ingegneria dei Modelli e dei Sistemi Studente: Paolo.

Presentazioni simili


Presentazione sul tema: "Perfect sampling di processi di coda UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Corso di laurea in Ingegneria dei Modelli e dei Sistemi Studente: Paolo."— Transcript della presentazione:

1 Perfect sampling di processi di coda UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Corso di laurea in Ingegneria dei Modelli e dei Sistemi Studente: Paolo Massaro Relatore: Prof. Benedetto Scoppola

2 Sommario I processi di coda M/M/1 e M/D/1 Catene di Markov e algoritmi per il perfect sampling Implementazione della modifica di Wilson per simulare processi di coda Conclusioni e sviluppi futuri

3 Processi di coda Popolazione di utenti Servizio Processo di arrivi nel sistema Tempi di servizio Numero di serventi Lunghezza massima della linea

4 Processo di coda M/M/1 Arrivi Poissoniani (con tempo medio di interarrivo ) Tempi di servizio esponenziali (con tempo medio di interuscita ) Un solo servente Linea illimitata

5 Processo di coda M/M/1/k Arrivi Poissoniani (con tempo medio di interarrivo ) Tempi di servizio esponenziali (con tempo medio di interuscita ) Un solo servente Linea limitata a k utenti

6 Processo di coda M/D/1 Arrivi Poissoniani (con tempo medio di interarrivo ) Tempi di servizio deterministici (con tempo di servizio ts) Un solo servente Linea illimitata

7 Processo di coda M/D/1/k Arrivi Poissoniani (con tempo medio di interarrivo ) Tempi di servizio deterministici (con tempo di servizio ts) Un solo servente Linea limitata a k utenti

8 Data una qualsiasi distribuzione iniziale le catene irriducibili e aperiodiche tendono alla distribuzione stazionaria Processo memory-less a tempo discreto con spazio degli stati e caratterizzato da una matrice di transizione P: Irriducibilità: se è possibile passare da ogni stato a tutti gli altri in un tempo finito. Periodo di uno stato i: La catena è aperiodica se il periodo di tutti gli stati è pari a 1. Catena di Markov

9 Modellizzazione M/M/1/k Valore atteso del tempo di transizione:

10 Modellizzazione M/M/1/k Scontro con la parete in 0 Scontro con la parete in k

11 Simulazione delle catene di Markov Ci sono due problemi: Si può sempre avere un errore ε rispetto alla distribuzione stazionaria Non è facile capire quante iterazioni servono per rendere ε piccolo come desiderato

12 Algoritmo di Propp-Wilson Produce dei risultati perfettamente in accordo alla distribuzione stazionaria Capisce automaticamente quando terminare. Lalgoritmo è di difficile implementazione. Modifica di Wilson con read-once-randomness

13 La modifica di Wilson Funzione di aggiornamento: Coalescenza: per ogni stato del sistema si simula la catena, che si evolve tramite una funzione di aggiornamento e una successione di numeri casuali, che sono sempre gli stessi per tutte le k catene, fino a quando tutte le catene terminano nello stesso stato

14 Coalescenza Coalescenza della catena per la M/M/1/k

15 La modifica di Wilson Coalescenza della coppia vincente Coalescenza della coppia perdente Perfect sampling al 50%

16 La modifica di Wilson

17 Stima del tempo di convergenza Il valore atteso del tempo per avere il perfect sampling è: : tempo per il perfect sampling : tempo per la coalescenza di una coppia perdente : tempo per la coalescenza di una coppia vincente : tempo generico per la coalescenza

18 Stima del tempo di convergenza

19 Stima del tempo di coalescenza Il valore atteso del tempo per avere k scontri è: se

20 Confronto tra stima e valori simulati Ponendo

21 Fenomeno di cutoff Il fenomeno di cutoff si verifica quando una catena di Markov converge improvvisamente alla misura stazionaria. Stima della finestra di cutoff:

22 Fenomeno di cutoff

23 Conclusioni La comprensione dellalgoritmo di Wilson con read-once-randomness ha permesso di: Simulare la distribuzione stazionaria della M/M/1/k e della M/D/1/k Trovare una stima analitica del tempo per giungere al regime stazionario

24 Conclusioni Esempio Se consideriamo la pista di un aeroporto come una M/D/1, con tempo di servizio 2 minuti, utilizzata al 98% il tempo medio stimato per ottenere un perfect sampling è di circa 6000 minuti ovvero 100 ore.

25 Sviluppi futuri Individuare una stima analitica per la M/D/1/k Trovare una stima più precisa quando ε tende a 0 Approfondire il fenomeno di cutoff

26 Grazie per lattenzione


Scaricare ppt "Perfect sampling di processi di coda UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Corso di laurea in Ingegneria dei Modelli e dei Sistemi Studente: Paolo."

Presentazioni simili


Annunci Google