Advertisement

Iterative Analyse von Markov-Modellen mit alternierender Aggregation und Disaggregation

  • Christoph Strelen
Conference paper
Part of the Informatik-Fachberichte book series (INFORMATIK, volume 286)

Zusammenfassung

Wir schlagen eine iterative approximative Analysemethode für Markov-Ketten mit großem Zustandsraum vor, die mit Aggregation und Disaggregation durch Entropiemaximierung die Speicherund Rechenzeitkomplexität reduziert. Sie ist universell; es werden exemplarisch Fork-Join-Netze und Pollingsysteme damit modelliert und analysiert. Dazu wird eine passende Modelliersprache und ein Programmierwerkzeug verwendet. Im diskreten Fall beruht die Iteration auf der üblichen Vektoriteration, ist also bei fast vollständig zerlegbaren Systemen zu langsam konvergent. Wir schlagen zur Abhilfe ein auf Aggregationen zugeschnittenes Verfahren für simultane Iteration vor.

Schlüsselwörter

Numerische Modelle Markov-Ketten Aggregation Maximale Entropie Simultane Iteration Fork-Join-Modelle Polling-Modelle 

CR Classification

C.4 Preformance of System 

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1]
    B. Bärk, Persönliche Mitteilung, 1990.Google Scholar
  2. [2]
    V. A. Barker, Numerical solution of sparse singular systems of equations arising from ergodic Markov chains, Commun. Statist.-Stochastic Models 5,3 (1989) 335–381.CrossRefMathSciNetGoogle Scholar
  3. [3]
    G. Boich, Leistungsbewertung von Rechensystemen (B. G. Teubner, Stuttgart, 1989).Google Scholar
  4. [4]
    P. J. Courtois, Decomposability, queueing and computer systems applications (Academic Press, London, 1977).Google Scholar
  5. [5]
    A. Jennings and W. J. Stewart, Simultaneous iteration for partial eigensolution of real matrices, J. IMA 15 (1975) 351–361.zbMATHMathSciNetGoogle Scholar
  6. [6]
    A. M. Kagan, J. V. Linnik, C. R. Rao, Characterization problems in Mathematical Statistics (J. Wiley, New York, 1973).zbMATHGoogle Scholar
  7. [7]
    U. Krieger, Generierung und Analyse Markoscher Modelle und ihre Anwendung in der Verkehrstheorie, Interner Bericht, Forschungsinstitut der Deutschen Bundespost, Darmstadt, 1989.Google Scholar
  8. [8]
    R. V. Mises and H. Pollaczek-Geiringer, Verfahren zur Gleichungsauflösung, ZAMM 9 (1929) 152–164.CrossRefGoogle Scholar
  9. [9]
    M. Schmitz, Numerische Analyse eines zyklischen Pollingsystems unter Berücksichtigung globaler Zustände, Diplomarbeit, Universität Bonn, 1990.Google Scholar
  10. [10]
    D. Siepmann, VERENA – eine Programmbibliothek zum Rechnen mit Wahrscheinlichkeitsverteilungen und ihre Erprobung an Pollingmodellen, Diplomarbeit, Universität Bonn, 1991.Google Scholar
  11. [11]
    J. Ch. Strelen, Piecewise approximation of densities applying the principle of maximum entropy: Waiting times in G/G/l-systems, in: R. Puigjaner und D. Potier (Hrsg.), Modelling Techniques and Tools for Computer Performance Evaluation (Plenum Press, New York, 1989) 493–512.Google Scholar
  12. [12]
    J. Ch. Strelen, B. Bärk, An Approach to the Numerical Analysis of Multiple-Queue, Cyclic Service Systems, in: G. Stiege und J. S. Lie (Hrsg.), Messung, Modellierung und Bewertung von Rechensystemen und Netzen (Springer-Verlag, Berlin, 1989) 75–88.CrossRefGoogle Scholar
  13. [13]
    J. Ch. Strelen, A fast simultaneous Iteration Technique for the analysis of Markov Chains, Interner Bericht II/89/1, Institut für Informatik, Universität Bonn, 1989.Google Scholar
  14. [14]
    J. Ch. Strelen, Massiv parallele Algorithmen für die Simulation von Markov-Modellen, in: F. Breitenecker, J. Troch und P. Kopacek (Hrsg.), Fortschritte in der Simulationstechnik, Band 1 (Vieweg, Braunschweig, 1990) 175–180.Google Scholar
  15. [15]
    J. Ch. Strelen, Iterative Analyse von Markov-Modellen mit alternierender Aggregation und Disaggregation, Interner Bericht II/91/3, Institut für Informatik, Universität Bonn, 1991.Google Scholar
  16. [16]
    W. J. Stewart, A comparison of numerical techniques in Markov modelling, Comm. ACM 21, 2 (1978) 144–152.CrossRefGoogle Scholar
  17. [17]
    H. Takagi, Queueing analysis of Polling Models, ACM Computing Surveys, 20, 1 (1988).CrossRefMathSciNetGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1991

Authors and Affiliations

  • Christoph Strelen
    • 1
  1. 1.Institut für InformatikRheinische Friedrich-Wilhelms-Universität BonnBonnDeutschland

Personalised recommendations