Perfect sampling di processi di coda UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Corso di laurea in...
-
Upload
ginevra-franchini -
Category
Documents
-
view
215 -
download
0
Transcript of Perfect sampling di processi di coda UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Corso di laurea in...
Perfect samplingdi 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
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
Processi di coda
• Popolazione di utenti• Servizio
• Processo di arrivi nel sistema• Tempi di servizio• Numero di serventi• Lunghezza massima della linea
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
at
st
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
at
st
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
at
st
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
at
st
},...,,{ 21 ksssS
)0 :(mcd , niiPn
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
)|( 1, injnji sXsXPP
,...),( 10 XX
Modellizzazione M/M/1/k
Valore atteso del tempo di transizione:
P
λP
μ P
,...,k,iμ P
,...,k,i λP
i,j
k,k
,
i,i-
i,i
altrimenti0
}21{
}110{
00
1
1
sa
s
tt
t11
1
1
sa
a
tt
t11
1
sa tt11
1
Modellizzazione M/M/1/k
Scontro con la parete in 0
Scontro con la parete in k
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
Algoritmo di Propp-Wilson
• Produce dei risultati perfettamente in accordo alla distribuzione stazionaria
• Capisce automaticamente quando terminare.
L’algoritmo è di difficile implementazione.
Modifica di Wilson conread-once-randomness
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
SS ]1,0[ :
Coalescenza
Coalescenza della catena per la M/M/1/k
La modifica di Wilson
Coalescenza della coppia vincente
Coalescenza della coppia perdente
Perfect sampling al 50%
Perfect sampling al 50%
La modifica di Wilson
)(2)()()(
)()()()()(
cwlwl
wlwlp
tEttEtEtE
tEEtEttEtE
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 coalescenzac
w
l
p
t
t
t
t
Stima del tempo di convergenza
)()()12(
0)2(
ncnP
nPn
Stima del tempo di coalescenza
Il valore atteso del tempo per avere k scontri è:
21k
21
1
212
211)()(
12
211)()(
0
0
n
n
nnPnE
nPscontroP se
Confronto tra stima e valori simulati
2
1
Ponendo
Fenomeno di cutoff
Il fenomeno di cutoff si verifica quando una catena di Markov converge improvvisamente alla misura stazionaria.Stima della finestra di cutoff:
mixreltt
Fenomeno di cutoff
Conclusioni
La comprensione dell’algoritmo 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
Conclusioni
EsempioSe 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.
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
Grazie per l’attenzione