Geri Dön

Importance sampling for queueing simulations

Kuyruk ağı benzetim uygulamaları için önemine göre örnekleme yöntemi

  1. Tez No: 179041
  2. Yazar: SEMİH YÖN
  3. Danışmanlar: DOÇ.DR. WOLFGANG HÖRMANN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2007
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Benzetim yönteminde değişkenliği kontrol etmek ve deneylerin varyansını azaltmak arzulanır. Böylece kurulan modellerin doğruluğundan haberdar olabilir ve neticede güvenilir sonuçlar elde edebiliriz. Önemine göre Örnekleme Monte Carlo metotlarında sıkça kullanılan varyans azaltma tekniklerinden bir tanesidir. Önemine göre Örnekleme Metodu iki çeşit olarak görülebilir, birincisi olan Bağımsız Önemine göre Örneklemede bağımsız ve aynı dağılımdan alınmış rastsal değişkenler kullanılarak bir takım beklenen değerler hesaplanırken ikincisi olan Koşullu Önemine göre Örneklemede birbirine bağımlı rastsal değişkenler kullanılır. Bu tez en düşük varyansı veren en iyi Önemine göre Örnekleme dağılımını elde etmek üzere bir araştırmayı içermektedir. Önemine göre Örnekleme metodunu tek servisli kısıtlı bekleme kapasiteli bir Markovian kuyruk problemi üzerinde gösterdik ve bunu C dilinde etkin bir benzetim programı ile çözdük. Önce basit Monte Carlo benzetim yöntemini daha sonra da Önemine göre Örnekleme Metodunu uyguladık ve kuyruk uzunluğunun tampon kapasitesini geçtiği durumlar için anlamlı düzeyde varyans azalması sağladık. Bu yöntemle analitik olarak hesaplanamayan bir takım beklenen değerler hesaplanabilir. Sayısal sonuçlar dolgun kuyruklara sahip Önemine göre Örnekleme dağılımlarının daha iyi sonuçlar verdiğini göstermiştir.

Özet (Çeviri)

In a simulation it is desired to control variability and decrease the variance of experiments. So we can be aware of the accuracy of the constructed models and consequently can supply reliable results. Importance Sampling is one of the variance reduction techniques commonly used in Monte Carlo Methods. There are two types: Independent Importance Sampling (IIS) where iid random variables are used to calculate some expectations whereas the other one is Dependent Importance Sampling (DIS) where dependent random variables are used. This thesis includes a research to find the Importance Sampling density which gives the lowest variance. We illustrate the Importance Sampling method on an M/M/1 queueing problem with a finite upstreambuffer and solve it with an efficient C coded simulation program. We first execute naive simulation, afterwards we carry out Importance Sampling and reach a meaningful decrease in the estimated variance when calculating the probability that the queue length exceeds the buffer size. Thus, one can calculate any expectation with good confidence intervals that cannot be calculated analytically. Numerical results indicate that heavy tailed Importance Sampling distributions provide substantial variance reduction.

Benzer Tezler

  1. A Dynamic importance samplic method for quick simulation of rare events

    Ender olayların hızlı benzetimi için bir dinamik önemsel örnekleme metodu

    ALPER ERDOĞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    1993

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERDAL ARIKAN

  2. Networked computing-based system identification and control of electromechanical systems with industrial IoT

    Endüstriyel IoT ile elektromekanik sistemlerin ağ hesaplama tabanlı sistem tanıma ve kontrolü

    RAMAZAN KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ FUAT ERGENÇ

  3. Efficient stratified sampling for financial risk simulation

    Finansal risk benzetimi için etkin katmanlı örnekleme

    İSMAİL BAŞOĞLU

    Doktora

    İngilizce

    İngilizce

    2014

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. WOLFGANG HÖRMANN

  4. Sampling methods for random simple and bipartite graphs with prescribed degree sequences

    Derece dizili rastgele basit ve iki parçalı çizgeler için örnekleme yöntemleri

    ABDULKADİR ÇELİKKANAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ TAYLAN CEMGİL

  5. Bayesci tahmin için ardışık Monte Carlo örnekleme yöntemleri

    Sequential Monte Carlo sampling methods for Bayesian estimation

    GÜLER KOÇBERBER

    Doktora

    Türkçe

    Türkçe

    2004

    İstatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF.DR. HÜLYA ÇINGI