«Имитационное моделирование фрагмента сети передачи данных»

Половина заявок поступает во вторую ветвь. Время обслуживания этой ветвью существенно больше. Отсюда коэффициент загрузки ветви равен 1, а разрешение на неограниченный размер буфера способствует образованию длинных очередей;Целевая функция, определяемая выражением (4) в установившемся режиме почти не зависит от производительности и определяется лишь числом каналов и размерами буферов, как отмечалось в разделе 3 при экспоненциальных распределениях в системе. При проведении оптимизации целесообразно выбрать иную целевую функцию, которая бы адекватно отражала влияние параметров системы.ЗаключениеВ результате выполнения курсового проекта была написана на языке GPSS World имитационная модель фрагмента сети передачи данных, структура и параметры которой были определены вариантом задания.В результате моделирования были вычислены коэффициенты загрузки и 1-го узла и 2-го узла системы, средние длины очередей и (в 1-м и 2-м узле соответственно), среднее число R заявок в системе, среднее время ожидания и в 1-м и 2-м узле, вероятность p потери заявки в 1-м узле, среднее время E прохождения заявки через систему с контролем погрешности всех вычисленных значений.При выполнении работы использовалось два метода решения: имитационное моделирование и аналитическое.Имитационное моделирование является универсальным численным методом, который позволяет находить все необходимые характеристики корректно описанных сложных систем, не составляя и не решая уравнений. Однако ИМ не следует противопоставлять аналитическому моделированию, поскольку даже элементарный формальный анализ задачи во многих случаях позволяет получить весьма ценную информацию о моделируемой системе и решаемой задаче. Применяя одновременно с ИМ аналитические подходы, мы можем существенно упростить имитационную модель, улучшить ее качество, обеспечить требуемый уровень достоверности результатов моделирования, углубить интерпретацию полученных результатов и повысить ее содержательность.Фрактальные СМО практически не поддаются аналитическим методам исследования. Непосредственное ИМ фрактальных СМО также не приносит заметных успехов (здесь мы понимаем ИМ в широком смысле слова, т.е. включаем в него и численные методы). Поэтому для решения основной задачи фрактальной ТМО необходимо совместное использование аналитических и имитационных методов. Проблема корректной реализации РТХ, поставленная в работе, исследована точными методами, и в результате получены соотношения, определяющие причины и условия возникновения больших погрешностей реализации с.в. К таким условиям относится, например, близость параметра α в распределении Парето к единице.Таблица 6Значения характеристик системы, определенных в заданииa) коэффициенты загрузки узлов – два показателя, b) средние длины очередей в узлах – два показателя, c) среднее число заявок в Системе, d) среднее время ожидания в каждом узле – два показателя, e) вероятность потери заявки в первом узле, f) среднее время прохождения заявки через системуρ1ρ2N1N2Nt1t2P1T0.3621.0000.1356282266282285.576250647080.03412756782Проведенные исследования модели показали, что:Изменение размера буфера и числа обслуживающих каналов при неизменном размере буфера существенно снижают вероятность отказа в обслуживании первой ветви СеМО, причем увеличение числа каналов оказывает большее влияние даже при малом размере буфера;Время нахождения заявки в системе слабо зависит от числа каналов и размера буфера в первой ветви, так как основное влияние на эту величину оказывает производительность второй ветви. Половина заявок поступает во вторую ветвь. Время обслуживания этой ветвью существенно больше. Отсюда коэффициент загрузки ветви равен 1, а разрешение на неограниченный размер буфера способствует образованию длинных очередей;Целевая функция, определяемая выражением (4) в установившемся режиме почти не зависит от производительности и определяется лишь числом каналов и размерами буферов, как отмечалось в разделе 3 при экспоненциальных распределениях в системе. При проведении оптимизации целесообразно выбрать иную целевую функцию, которая бы адекватно отражала влияние параметров системы.Список использованной литературыВишневский В.М. Теоретические основы проектирования компьютерных сетей. – М.: Техносфера, 2003. – 512 с.Клейнрок Л. Вычислительные системы с очередями : пер. с англ. / Под ред. Б. С. Цыбакова. – М. : Мир, 1979. – 600 с. Теория очередей и распределение Парето. Ю.И. Рыжиков. Системный анализ и моделирование. Изд. Труды Военно-космической академии им. А.Ф. Можайского, 2015, с. 28 -43.В. Н. Задорожный. Повышение точности GPSS-моделей путем применения генератора случайных чисел «ВихрьМерсенна». Информатика, вычислительная техника и управление, №1 (146), 2016, с. 90 – 120.В. Н. Задорожный, О. И. Кутузов. Проблемы генерации случайных величин с фрактальными распределениями. Омский научный вестник, №3 2012, с. 29 0 24.В.Д. Боев. Моделирование систем. Инструментальные средства GPSS World. Учебное пособие. BHV, 2007, с. 348.Приложение 1. Листинг программы на GPSSWorldПробнаямодель с экспоненциальным распределением:MODULESTORAGE1;n=1BUFFER1EQU2;m=2GENERATE(Exponential(1,0,20));Входнойпоток СеМО-5QUEUEGLOB;"Глобальная" очередь TRANSFER.5,,NODE2;Случайный выбор ветви маршрута* Модель первого узлаNODE1TESTLQ1,BUFFER1,OTKAZQUEUE1ENTERMODULEDEPART1ADVANCE(Exponential(1,0,15))LEAVEMODULETRANSFER,Vihod* МодельвторогоузлаNODE2QUEUE2SEIZE2DEPART2ADVANCE(Exponential(1,0,80))RELEASE2VihodDEPARTGLOBTERMINATEOTKAZTERMINATE* ТаймерGENERATE1000000;на 100 тыс. заявокSAVEVALUEPOTK,(N$OTKAZ/N$NODE1)SAVEVALUES_,(1000#20#(1-1000#X$POTK)/QT$GLOB-BUFFER1-2#(1000#SA$MODULE/SR$MODULE))TERMINATE1Листинг результатов имитации исходной системы: GPSS WorldSimulationReport - Model 2.5.1Thursday, August 27, 2020 14:57:46 START TIME END TIME BLOCKS FACILITIES STORAGES 0.000 1000000.000 22 1 1 NAME VALUE BUFFER1 2.000 GLOB 10002.000 MODULE 10000.000 NODE1 4.000 NODE2 11.000 OTKAZ 18.000 POTK 10003.000 S_ 10004.000 VIHOD 16.000 LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY 1 GENERATE 49935 0 0 2 QUEUE 49935 0 0 3 TRANSFER 49935 0 0NODE1 4 TEST 25009 0 0 5 QUEUE 24147 0 0 6 ENTER 24147 0 0 7 DEPART 24147 0 0 8 ADVANCE 24147 0 0 9 LEAVE 24147 0 0 10 TRANSFER 24147 0 0NODE2 11 QUEUE 24926 12473 0 12 SEIZE 12453 0 0 13 DEPART 12453 0 0 14 ADVANCE 12453 1 0 15 RELEASE 12452 0 0VIHOD 16 DEPART 36599 0 0 17 TERMINATE 36599 0 0OTKAZ 18 TERMINATE 862 0 0 19 GENERATE 1 0 0 20 SAVEVALUE 1 0 0 21 SAVEVALUE 1 0 0 22 TERMINATE 1 0 0FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY 2 12453 1.000 80.271 1 24926 0 0 0 12473QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY 1 2 0 24147 15919 0.161 6.661 19.549 0 2 12473 12473 24926 7 6182.060 248016.544 248086.215 0 GLOB 13337 13336 49935 0 6595.612 132083.940 132083.940 0STORAGE CAP. REM. MIN. MAX. ENTRIES AVL. AVE.C. UTIL. RETRY DELAY MODULE 1 1 0 1 24147 1 0.365 0.365 0 0SAVEVALUE RETRY VALUE POTK 0 0.034 S_ 0 -9.06762 FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE 49937 0 1000000.839 49937 0 1 24926 0 1000035.280 24926 14 15 49938 0 2000000.000 49938 0 19Приложение 2. Листинг программы на GPSSWorldМодель с распределением Парето:MODULESTORAGE1;n=1BUFFER1EQU2;m=2GENERATE(Pareto(1,7.5,1.6));Входнойпоток СеМО-5QUEUEGLOB;"Глобальная" очередь TRANSFER.5,,NODE2;Случайный выбор ветви маршрута* Модель первого узлаNODE1TESTLQ1,BUFFER1,OTKAZQUEUE1ENTERMODULEDEPART1ADVANCE(Pareto(1,7.5,2.0))LEAVEMODULETRANSFER,Vihod* МодельвторогоузлаNODE2QUEUE2SEIZE2DEPART2ADVANCE(Exponential(1,0,80))RELEASE2VihodDEPARTGLOBTERMINATEOTKAZTERMINATE* ТаймерGENERATE1000000;на 100 тыс. заявокSAVEVALUEPOTK,(N$OTKAZ/N$NODE1)SAVEVALUES_,(1000#20#(1-1000#X$POTK)/QT$GLOB-BUFFER1-2#(1000#SA$MODULE/SR$MODULE))TERMINATE1Модель распределением Парето и высокоточным ГСЧ:MODULESTORAGE1;n=1BUFFER1EQUm;m=2GENERATE(MtArandPareto(7.5,1.6));Входной поток СеМО-5TRANSFER.5,,NODE2;Случайный выбор ветви маршрута* Модель первого узлаNODE1TESTLQ1,BUFFER1,OTKAZQUEUEGLOB;"Глобальная" очередь QUEUE1ENTERMODULEDEPART1ADVANCE(MtArandPareto(7.5,2.0))LEAVEMODULETRANSFER,STOK* МодельвторогоузлаNODE2QUEUEGLOB;"Глобальная" очередьQUEUE2SEIZE2DEPART2ADVANCE(Exponential(1,0,80))RELEASE2STOKDEPARTGLOBTERMINATEOTKAZTERMINATE* ТаймерGENERATE100000000;на 10 млн. заявокSAVEVALUEPOTK,(N$OTKAZ/N$NODE1)SAVEVALUES_,(1000#20#(1-1000#X$POTK)/QT$GLOB-BUFFER1-2#(1000#SA$MODULE/SR$MODULE))TERMINATE1* Процедуры высокоточной реализации распределения ПаретоPROCEDURE MtArandPareto(Arg1,Arg2) BEGINTEMPORARYZ, XI;Z = MtArand();XI = Arg1#Z^(-1/Arg2);RETURN (XI);END;PROCEDURE MtArand() BEGINTEMPORARYCCC,zzz;CCC = 1;STEP1: zzz = Call("mtrand.dll", "?nextNum@@YAHXZ");zzz = zzz/2147483647;STEP2: IF (zzz < 0.1)THEN BEGINCCC = 10#CCC;GOTO STEP1;END;STEP3: zzz = zzz/CCC;RETURN (zzz);END;