Demonstraatiot Luento

Samankaltaiset tiedostot
Demonstraatiot Luento 7 D7/1 D7/2 D7/3

j n j a b a c a d b c c d m j b a c a d a c b d c c j

3. Esimerkkejä luento03.ppt S Liikenneteorian perusteet - Kevät

3. Esimerkkejä. Sisältö. Klassinen puhelinliikenteen malli (1) Klassinen puhelinliikenteen malli (2)

Estojärjestelmä (loss system, menetysjärjestelmä)

AB TEKNILLINEN KORKEAKOULU

ABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio. 10. Verkon suunnittelu ja mitoitus

ESTON LASKENTA VERKOSSA

ATM-VERKON KUTSUTASON ESTO

Liikenneteoriaa (vasta-alkajille)

Liikenneongelmien aikaskaalahierarkia

Estynyt puheluyritys menetetään ei johda uusintayritykseen alkaa uusi miettimisaika: aika seuraavaan yritykseen Exp(γ) pitoaika X Exp(µ)

Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

SMG-2100: SÄHKÖTEKNIIKKA

Kenguru 2019 Student lukio

Littlen tulos. Littlen lause sanoo. N = λ T. Lause on hyvin käyttökelpoinen yleisyytensä vuoksi

Vektorit, suorat ja tasot

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Esimerkki: Tietoliikennekytkin

ABTEKNILLINEN KORKEAKOULU

ABTEKNILLINEN KORKEAKOULU

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Odotusjärjestelmät. Aluksi esitellään allaolevan kuvan mukaisen yhden palvelimen jonoon liittyvät perussuureet.

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0004/A0006 Matriisilaskenta

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot

ABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio

ABTEKNILLINEN KORKEAKOULU

5. Stokastiset prosessit (1)

Sovellus Esitystapa Yhteysjakso Kuljetus Verkko Siirtoyhteys Fyysinen

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

MS-A0207 Differentiaali- ja integraalilaskenta 2 (CHEM) Luento 2: Usean muuttujan funktiot

T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi

5 Ominaisarvot ja ominaisvektorit

J. Virtamo Jonoteoria / Prioriteettijonot 1

Reiluus. Maxmin-reiluus. Tärkeä näkökohta best effort -tyyppisissä palveluissa. Reiluuden maxmin-määritelmä

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Markov-ketjut pitkällä aikavälillä

Insinöörimatematiikka D

Insinöörimatematiikka D

11. Verkonsuunnittelu ja -mitoitus

Suorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö.

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Syntymä-kuolema-prosessit


Kohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ.

1. Johdanto luento01.ppt S Liikenneteorian perusteet - Kevät

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

J. Virtamo Jonoteoria / Prioriteettijonot 1

Kurssin perustiedot. ELEC-C7110 Informaatioteknologian perusteet. Tämän viikon aiheet. Tietoverkkojen perusteita. Minkälaisia yhteyksiä on olemassa?

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Dynaamiset regressiomallit

finnish BOI 2015, päivä 1. Muistiraja: 256 MB

Avaruuden R n aliavaruus

10. Verkon suunnittelu ja mitoitus

Numeeriset menetelmät

Algoritmit 1. Luento 9 Ti Timo Männikkö

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

Teknillinen korkeakoulu Mat Epälineaarisen elementtimenetelmän perusteet (Mikkola/Ärölä) 4. harjoituksen ratkaisut

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Markov-ketjut pitkällä aikavälillä

MS-A0002 Matriisilaskenta Luento 1:Vektorit ja lineaariyhdistelyt

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

Erilaisia Markov-ketjuja

805306A Johdatus monimuuttujamenetelmiin, 5 op

Syntymä-kuolema-prosessit

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

ψ(x) = A cos(kx) + B sin(kx). (2) k = nπ a. (3) E = n 2 π2 2 2ma 2 n2 E 0. (4)

Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko,

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

LAUSEKKEET JA NIIDEN MUUNTAMINEN

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

1 Ominaisarvot ja ominaisvektorit

Preliminäärikoe Pitkä Matematiikka

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Jatkuva-aikaisten Markov-prosessien aikakehitys

Kanta ja dimensio 1 / 23

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A)

MS-C1340 Lineaarialgebra ja

Tekijä Pitkä matematiikka On osoitettava, että jana DE sivun AB kanssa yhdensuuntainen ja sen pituus on 4 5

Osittaisdifferentiaaliyhtälöt

Vastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin

Matematiikan tukikurssi

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

Tässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä:

1 Ensimmäisen asteen polynomifunktio

Jonojen matematiikkaa

Ensi viikon luennot salissa X. Lineaarialgebra (muut ko) p. 1/66

Transkriptio:

TEKNILLINEN KORKEAKOULU Tietoliikenne- ja tietoverkkotekniikan laitos S-8.45 Liikenneteorian perusteet, Kevät 8 Demonstraatiot Luento 8..8 D/ Tarkastellaan seuraavaa yksinkertaista piirikytkentäistä (runko)verkkoa. Verkossa on kolme solmua a, b ja c, jotka on kytketty peräkkäin ketjuksi kahdella linkillä: a b c. Kummankin linkin kapasiteetti on kanavaa. Verkkoa käyttää kolme eri yhteysluokkaa: Luokka käyttää linkkiä a b Luokka käyttää linkkiä b c Luokka käyttää sekä linkkiä a bettälinkkiä b c (a) Mikä on systeemin tila-avaruus? (b) Entä kunkin luokan estotilat? D/ Jatketaan edellisessä tehtävässä kuvatun piirikytkentäisen verkon tarkastelua. Oletetaan, että eri luokkiin tulee uusia yhteyspyyntöjä Poisson-prosessin mukaisesti seuraavin intensiteetein: λ =,λ =/ jaλ =/ yhteyspyyntöä minuutissa. Eri yhteyksien kestoajat ovat toisistaan riippumattomia ja samoin jakautuneita keskiarvolla h = min. Laske kunkin luokan kokemat päästä-päähän estot (a) tarkalla kaavalla, (b) luennolla esitetyllä likimääräisellä tulorajamenetelmällä. D/ Tarkastellaan seuraavaa pakettikytkentäistä (runko)verkkoa. Verkossa on kolme solmua: a, b ja c, jotka on kytketty toisiinsa kolmioksi. Kutakin solmuparia yhdistää kaksi eri suuntiin kulkevaa (siis yksisuuntaista) Gbps:n linkkiä. Verkossa on käytössä viisi erilaista reittiä: Reitti : a b Reitti : a c b Reitti : a c Reitti 4: c b Reitti 5: b a Eri reiteille ilmaantuu uusia paketteja riippumattomien Poisson-prosessien mukaisesti intensiteetein λ() = 4, λ() = 6, λ() = λ(4) = λ(5) = pakettia/ms. Pakettien pituudet ovat (toisistaan riippumattomasti) eksponentiaalisesti jakautuneita keskipituutenaan 5 tavua. Laske (a) linkkikohtaiset kuormat ja (b) pakettien kokemat keskimääräiset päästä-päähän viiveet eri reiteillä.

D/ Systeemi koostuu kahdesta linkistä, joiden kapasiteetit ovat n = n =. Systeemin tilaa kuvaa vektori x =(x,x,x ), missä x r kertoo luokkaan r kuuluvien (eli reittiä r käyttävien) yhteyksien lukumäärän. Verkon topologia ja eri reitit on esitetty kuvassa. Kuva : [D/] Verkon topologia ja eri reitit. (a) Systeemin kaksi linkkiä asettavat seuraavat rajoitukset (L/8) eri yhteyksien lukumäärille x r : x + x n =, x + x n = Näin ollen systeemin tila-avaruudeksi S saadaan: Tila-avaruus on esitetty kuvassa. S = {(,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, )} lk lk lk Kuva : [D/] Tila-avaruus. (b) Luokka käyttää vain linkkiä, joten siihen liittyvät estottomat tilat S toteuttavat ehdot (L/): x + x n =, x + x n =

Näin ollen S = {(,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, )} Luokan estotilat S B = S\S ovat siis S B = {(,, ), (,, ), (,, ), (,, ), (,, ), (,, )} Estotilojen joukko on esitetty kuvassa. lk lk lk Kuva : [D/] Luokan estotilat ympyröitynä. Luokka käyttää vain linkkiä, joten siihen liittyvät estottomat tilat S toteuttavat ehdot (L/): Näin ollen x + x n =, x + x n = S = {(,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, )} Luokan estotilat S B = S\S ovat siis S B = {(,, ), (,, ), (,, ), (,, ), (,, ), (,, )}. Estotilojen joukko on esitetty kuvassa 4. Luokka käyttää kumpaakin linkkiä, joten siihen liittyvät estottomat tilat S toteuttavat ehdot (L/): Näin ollen Luokan estotilat S B x + x n =, x + x n = S = {(,, ), (,, ), (,, ), (,, ), (,, )} = S\S ovat siis S B = {(,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, ), (,, )} Estotilojen joukko on esitetty kuvassa 5.

lk lk lk Kuva 4: [D/] Luokan estotilat ympyröitynä. lk lk lk Kuva 5: [D/] Luokan estotilat ympyröitynä. D/ (a) Eri luokkien kokemien päästä-päähän estojen tarkkaa laskentaa varten tarvitaan eri luokkien liikenneintensiteetit (L/): a = λ h = =erl, a = λ h = =erl, a = λ h = =erl Koska luokan liikenneintensiteetti on, ko. luokka pysyy aina tyhjänä ja tilaavaruus kutistuu joukoksi S = {(,, ), (,, ), (,, ), (,, ), (,, ), (,, )} Tasapainojakaumaksi tulee siten (L/): missä π(x)=π(,x,x )=π(,, ) ax x! ( π(,, ) = x S a x x! 4 a x x! ) a x ( = x! x S x = π(,, ) x! x!, x! ) x x!

Siis π(,, ) = π(,, ) = π(,, )! π(,, ) = π(,, )! π(,, ) = π(,, )! ++ + ++ = 7 =.8! = π(,, ) = 7 =.8! = π(,, ) = 7 =.59! = π(,, ) = 4 7 =.5 π(,, ) = π(,, )!! = π(,, ) = 4 7 =.5 π(,, ) = π(,, )!! = π(,, ) = 4 7 =.5 Koska luokka pysyy tyhjänä, ainoa luokan estotila on (,, ), joten luokan (hypotettinen) päästä-päähän esto (L/6) on B = π(,, ) = 4 7 =.5 Vastaavasti luokkien ja estotilojen joukko kutistuu niin että päästä-päähän estoksi (L/6) tulee kummallekin B = B = π(,, ) + π(,, ) + π(,, ) = +4+4 7 = 9 7 =.5 Itse asiassa luokkien ja esto saadaan (aivan yhtä hyvin) Erlangin kaavasta parametreillä n = n =jaa = a + a = + = erl, kun havaitaan, että tapauksessa x = luokkien ja estotilat toteuttavat x + x = n =. Jos siis lasketaan vain päällä olevien yhteyksien kokonaislukumäärää, kyseessä on selvästikin kahden palvelijan puhdas estojärjestelmä. Siis B = B = Erl(n,a + a ) = Erl(, ) = 9 ++ 9 = 9 7 =.5 (b) Tulorajamenetelmässä lasketaan ensin esto kullakin linkillä erikseen (olettaen, että ko. linkki olisi ainoa rajoittava tekijä). Linkkiä käyttävät luokat ja, joten linkin estoksi B() saadaan Erlangin kaavalla (L/9) B() = Erl(n,a + a ) = Erl(, ) = ++ = 5 =.4 Linkkiä taas käyttävät luokat ja, joten linkin estoksi B() saadaan samoin Erlangin kaavalla (L/9) B() = Erl(n,a + a ) = Erl(, ) = 5 9 ++ 9 = 9 7 =.5

Tulorajamenetelmä antaa siis seuraavat approksimaatiot eri luokkien päästä-päähän estotodennäköisyyksille B r (L/): B ( B()) = B() = 5 =.4, B ( B()) = B() = 9 7 =.5, B ( B())( B()) = B() + B() B()B() = 6 85 =.7 Mieti, miksi päästä-päähän estojen B :n ja B :n tarkat arvot eroavat vastaavista tuloraja-approksimaatioista, mutta B :n tuloraja-approksimaatio on sama kuin tarkka arvo. D/ Systeemi koostuu kuudesta linkistä j, joiden kaikkien kapasiteetti on C j = Gbps. Verkon topologia ja eri reitit on esitetty kuvassa 6. Kuva 6: [D/] Verkon topologia ja eri reitit. (a) Pakettien saapumisintensiteetit (pakettia/ms) eri linkeille ovat (L/) λ ab = λ() = 4, λ ba = λ(5) =, λ bc =, λ cb = λ() + λ(4) = 8, λca =, λac = λ() + λ() = 8 Koska pakettien keskipituus on L = 5 8 = 4 b ja linkkien kapasiteetti C j = 6 b/ms, kunkin linkin j palvelukyky (pakettia/ms) on µ j = C L = 6 4 = 6

Eri linkkien kuormat ρ j = λ j /µ j ovat siis ρ ab =.4, ρ ba =., ρ bc =, ρ cb =.8, ρca =, ρac =.8 (b) Pakettien keskiviiveet eri linkeillä saadaan M/M/ mallista (L/5) T j = µ j λ j Näin saadaan seuraavat linkkikohtaiset keskiviiveet (ms): T ab = 4 = 6 =.7, T ba = = 8 =., T bc = = =., T cb = 8 = =.5, Tca = = =., Tac = 8 = =.5 Reittiä r noudattavien pakettien kokema keskmääräinen päästä-päähän viive saadaan lopulta reitin kuuluvien linkkiviiveiden summana: T () = T ab = 6 =.7, T () = Tac + T cb = + = =., T () = Tac = =.5, T (4) = T cb = =.5, T (5) = T ba = 8 =. 7