针对随机网络可靠性的递归重要性分层抽样方法总结.ppt

添加备注 * f(xj)是当网络G处于状态xj的概率，而对于网络G来说，它可能处于的状态具有2^m个状态，所以对于网络G的可靠性时这所有的状态的可能性的和。 * Company Logo 对随机网络可靠性估计的抽样方法----递归重要性和分层抽样 A simple recursive importance and stratified sampling scheme for stochastic network reliability estimation Wei-Ning Yang*, Wei-Ling Shih, Jih Chun Yeh 指导老师：徐光伟 学 生：杨延彬 时 间：2015/06 目录 问题提出 一 研究现状 二 算法设计 三 性能评估 四 总 结 五 * 一、问题提出 研究背景 大多数计算机通信系统可以被当做随机网络模型，其网络的可靠性经常作为系统性能的一个衡量标准。但是由于网络的复杂性，分析模型和数值评估是不可行的，因为随着网络复杂性的增长，其可靠性的计算代价过高。 问题提出 计算机仿真是评估网络可靠性的一个可行的替代选择，但由于计算机仿真依赖于试验统计，所以需要解决仿真过程中的抽样误差。 原始的蒙特卡洛抽样是活的网络可靠性估计的基本技术，但是对于可靠性比较好的网络，需要进行大量的实验才可以活的比较明显的结果。为了缓解这种限制，出现了很多技术来缩减评估的方差又不用增加样本容量。 * 二、研究现状 * 大多数的方差缩减技术是通过人工地诱导输出回应之间的相关性或者检索输入变量和输出回应之间固有的相关性来提高统计的有效性。 原始的蒙特卡洛方法是获得网络可靠性的最基本仿真技术，但是对于可靠性比较高的网络，需要非常多的实验才可以获得比较明显的结果；Kumamoto et al.引进了一种诱导副本之间的负相关性的匕首抽样设计来改进原始的蒙特卡洛估计；konak et al.使用块抽样来改进匕首抽样方法；RubinsteinSamorodnitsky通过运用公共随机数和对偶变量技术来诱导副本之间的相关性；karpLuby使用系统的失败集的知识来充分利用其内部固有的相关性来改进可靠性评估；EastonWong提出了一种顺序结构和destruction技术，其可以充分利用抽样序列的排列属性并保证减小可靠性估计的方差；Elperin et al.提出了一种将边缘排列空间分区并在数值上计算考虑到边缘排列的条件网络可靠性的排列蒙特卡洛方法。Elperin et al.在评估高可靠性网络的可 二、研究现状 * 靠性时使用一个归并进程来构造条件蒙特卡洛估计；Cristian 使用分层抽样，充分利用输出回应和用来将输入空间划分为可管理的更小的空间的分层变量之间的相关性来估计去故障覆盖的可能性。 方差缩减技术除了人工诱导或者利用其内部固有的相关性之外，重要性抽样方法通过强调抽样轨迹来增强器统计有效性。对于稀有事件的仿真，重要性抽样技术是最有潜力实现将方差缩减几个数量级的技术。FishmanShaw第一次使用分解程序将状态机分成可操作集、失败集和不确定集，并将所有的抽样工作分配给不确定集中。CancelaKhadiri基于连接到目的结点的状态将网络递归的划分为几个子网，并对明显失败的子网不分配任何的抽样工作，虽然每一阶段节约的抽样工作是有限的，但是累积的抽样节约可以明显的缩减方差。 CancelaKhadiri又进一步使用了串并联缩减技术来缩减子网的大小。他们有通过避免相同的多余计算，使得执行时间明显减小。 （续） 三、算法设计 * 问题描述 对于一个无向的通信网络 ，由节点集V，m条链接集E，目的节点集K。如果在K中的所有节点都是可链接的，那么网络G就是K-connected。如果网络G是K-connected，那么其对应的系统就是认为是可以工作的，我们的目标就是估计系统可以工作的概率。 网络G的各个操作是相互独立的并被认为是随机的出现故障。 令 ，是相互独立的伯努利随机变量且 第i条链接是 可以工作的 其他 i = 1,2,…,m 令 是第i条链接可以工作的概率。 三、算法设计 * 代表状态向量，其对应的系统回应是： 如果状态为X的网络G是K-connected, 其他。 那么其对应的系统可靠性为： 其中 其他 三、算法设计 * 简单抽样 由于随着m的增大，对于R(G)的穷举计算是不可行的，因此可以用根据X对应的f(X)对状态集进行抽样来估计R(G)。