NS仿真软件-2.pptVIP

第1章 离散事件系统仿真 (Discrete Event System) 讲课内容 系统仿真的一般方法 随机事件生成 仿真结果统计计算 并行分布式仿真 NS2事件调度方法 1.1 连续系统与离散系统 依据所关心变量的时变性 根据计算方法确定时变性 连续时间模型 系统的输入量u(t)，输出量y(t)，内部状态变量x(t)，都是时间的连续函数 连续时间模型表示方式 微分方程(组) 传递函数 权函数/冲击响应函数 内部状态空间描述 离散时间模型 系统的输入量、输出量及其内部状态量是时间的离散函数，{u(k)}，{y(k)}，{x(k)} 也有差分方程，传递函数，权序列，离散状态空间四种模型表示形式 实际上，连续系统仿真计算，需从时间、数值两个方面进行离散化，并选择合适的数值计算方法来近似积分运算，得到离散模型。 圆周率计算 两类计算方法 1.2 离散事件系统 系统中的状态只是在离散时间点上发生变化, 这些离散时间点一般是不确定的。 随机过程 T，事件发生时间间隔不确定，或随机 N，单位时间内事件数不确定 Markov：事件发生无记忆，T,N 一致分布 Poisson MMPP Generic 1.3 DES仿真时钟推进 事件驱动/调度法 按下一最早发生事件的发生时间推进 固定增量法 按固定周期时间增长 待处理事件假设发生在该周期结束时间 1.4 排队系统示例 到达过程 到达事件处理 算法示例 结果统计 随机数生成 是随机事件生成的基础 是正确仿真的基础 随机性检验 可控制性 可移植性 快速有效性 三种方法：表查找、硬件法、软件法 2.1 Linear Congruential算法 全周期性 “好”的乘子 2.2 Uniform分布 LCG：x?[1，m-1] 0~1: y = x/m 0~k: y = x mod k a~b: y = a + (b - a) x/m MRG (Multiple Recursive Generator) 2.3 指数分布(逆函数法) Poisson分布 2.4 MMPP 业务源来自多个（最小2个）不同强度的Poisson源，系统在这些源之间切换 2.5 Gamma分布 拒绝法 Gamma: 等待a个指数分布事件的时长分布 对比函数例 抽样统计的作用 仿真计算的输入和输出均为数据 海量数据，非做压缩处理不可 二种统计方式 后续统计 在线统计 3.1 基本统计参数 平均值/数学期望 方差/偏差 3.2 时间平均统计 3.3 曲线拟合 按预设的规律/曲线，从实验数据分析出参数，即参数估计 线性拟合 线性参数估计 线性参数估计 TOEFL vs Verbal GRE 4.1 PADS的优点 多机或多处理器参与，可提升效率 可支持在线人机接口 冗错能力强 4.2 PADS的难点 任务分摊, 实时间控制 虚拟时间控制 保守同步法 摇回同步法 4.3 pdns基本特点 128 processors, a speedup factor 80 8 processors, 1! 5.1 Scheduler (纯虚类) 5.2 ListScheduler 5.3 CalendarScheduler 5.4 其他类型调度器 RealTimeScheduler，按实时钟调度 HeapScheduler，栈型事件存储 SplayScheduler, 动态调整的二叉树 3. 仿真结果统计计算 3. 仿真结果统计计算 = 0 3. 仿真结果统计计算 4. 并行分布式仿真 a*b + c*d e = a * b f = c * d g = e + f e = a * b f = c * d g = e + f 单处理进程 双处理进程 4. 并行分布式仿真 LP1 LP2 LP3 LP1 LP2 LP1 LP2 4. 并行分布式仿真 /computing/compass/pdns/index.html 5. NS2事件调度方法 Scheduler insert(Evnet*) Event* deque() Event* head() Event double time_ ... Handler* handler_ Event* prev_ Event* next_ Packet AtEvent 5. NS2事件调度方法 Event double time_ ... Handler* handler_ Event* prev_ Event* next_ Event Event 5. NS2事件调度方法 Event double time_ ... Handler* handler_ Event* prev_ Event* next_ Event Event Bucket B