Probabilidades de estado y tiempos medios de espera: M/D/1



Descargar 332.61 Kb.
Página8/14
Fecha de conversión10.01.2017
Tamaño332.61 Kb.
1   ...   4   5   6   7   8   9   10   11   ...   14

14.8 Otros algoritmos para redes de puesta en fila


El algoritmo MVA es también aplicable a redes de puesta en fila con más cadenas, pero no se describirá en el presente Manual. Durante el último decenio se han publicado diversos algoritmos. Un panorama general se puede encontrar en (Conway y Georganas, 1989 [16]). En general, los algoritmos exactos no son aplicables para redes amplias. Por tanto, se han elaborado muchos algoritmos aproximados para ser aplicados en redes de puesta en fila de dimensiones realistas.

14.9 Complejidad


Las redes de puesta en fila tienen la misma complejidad que las redes de circuito conmutados con encaminamiento directo (véase el § 11.5 y el cuadro 11.1). El espacio de estado de la red que figura en el cuadro 14.3 tiene el siguiente número de estados para cada nodo:

El caso más desfavorable se produce cuando cada cadena está constituido por un cliente. El número de estado entonces resulta 2S, donde S es el número de cliente.



Cuadro 14.3 – Parámetros de una red de puesta en fila con N cadenas,
K
nodos y i Si clientes. El parámetro jk indica la carga de
la cadena j en el nodo k (véase el cuadro 11.1)


Cadena

Nodo


Dimensión de la población









14.10 Atribución de la capacidad óptima


Se considera ahora un sistema de transmisión de datos con K nodos, que son sistemas independientes de puesta en fila de un solo servidor M/M/1 (sistema de demora de Erlang con un servidor). El proceso de llegada al nodo k es un proceso de Poisson con mensajes de intensidad k (clientes) por unidad de tiempo, y el tamaño del mensaje está distribuido exponencialmente con el valor medio 1/k [bits]. La capacidad del nodo k es k [bits por unidad de tiempo].

Se introduce en la capacidad total la restricción lineal siguiente:



Para cada atribución de capacidad que satisface la ecuación (14.21), se tiene el tiempo medio de permanencia (promedio de llamada) siguiente (véase el § 12.4.1, combinación en paralelo):



donde:


Definiendo:



se obtiene la ley de Kleinrock para atribución de capacidad óptima (Kleinrock, 1964 [65]).



Teorema 14.2 ley de las raíces cuadradas de Kleinrock: La atribución de capacidad óptima que reduce T al mínimo (y así el número total de mensajes en todos los nodos) es:

con la condición que:



Con esta atribución óptima resulta:



En esta expresión se indica que a todos los nodos se atribuye primero la capacidad mínima necesaria i/i. La capacidad restante:



se atribuye entre los nodos en forma proporcional a la raíz cuadrada del flujo medio k/k.

Esto se puede determinar introduciendo el multiplicador de Lagrange y considerar:

El valor mínimo de G se obtiene calculando k conforme a la ecuación (14.26). Si todos los mensajes tienen el mismo valor medio k=, (se puede considerar entonces diferentes costos en los nodos conforme a la restricción que se disponga de un monto fijo (Kleinrock, 1964 [65]).


CAPÍTULO 15

Mediciones de tráfico

Se realizan mediciones de tráfico con el fin de obtener información cuantitativa sobre la carga de un sistema y así poder dimensionarlo. Por mediciones de tráfico se entiende cualquier tipo de compilación de datos sobre la carga de tráfico de un sistema. El sistema examinado puede ser un sistema físico, por ejemplo una computadora, un sistema telefónico, o el laboratorio central de un hospital. También puede ser un sistema ficticio. La compilación de datos de un modelo informático de simulación corresponde a las medidas de tráfico. La tarificación de las llamadas telefónicas corresponde también a las mediciones de tráfico cuando la unidad de medición utilizada es una suma de dinero.

La extensión y el tipo de mediciones, así como los parámetros (características de tráfico) medidos en cada caso se han de elegir de conformidad con las demandas, y de tal manera que un mínimo de esfuerzos técnicos y administrativos procure un máximo de información y de beneficios. Según la naturaleza del tráfico, una medición efectuada durante un intervalo de tiempo limitado corresponde a un registro de determinada realización del proceso de tráfico. Así pues, la medición es una muestra de una o más variables estocásticas. Al repetir la medición, se suele obtener un valor diferente y, por lo general, sólo se puede afirmar que el parámetro desconocido (el parámetro de población, por ejemplo el valor medio del tráfico cursado), con una probabilidad determinada, se encuentra dentro de un determinado intervalo, denominado intervalo de confianza. La información es igual a la función de distribución del parámetro. Por razones prácticas es, en general, suficiente conocer el valor medio y la varianza, es decir, la distribución en sí no reviste gran importancia.

Este Capítulo se centrará en las bases estadísticas para estimar la fiabilidad de una medición, y en menor grado se examinarán los antecedentes técnicos. Los siguientes análisis suponen sólo conocimientos elementales de la teoría de las probabilidades. Como se mencionó anteriormente, la teoría también se aplica a los modelos estocásticos de simulación informática.


1   ...   4   5   6   7   8   9   10   11   ...   14


La base de datos está protegida por derechos de autor ©bazica.org 2016
enviar mensaje

    Página principal