Compact Markov-modulated models for multiclass trace fitting
Compact Markov-modulated models for multiclass trace fitting
复制标题
用于多类轨迹拟合的紧凑马尔可夫调制模型
DOI：
10.1016/j.ejor.2016.06.005
复制
发表时间：
2016
影响因子：
6.4
通讯作者：
Casale G
中科院分区：
文献类型：
--
作者：
Casale G
马尔可夫调制泊松过程(MMPP)是一种随机模型，用于模拟、工作负荷表征和排队分析。本文提出了第一个用于标记MMPP(M3PP)的计数过程拟合算法，M3PP是MMPP的推广，用于模拟多种类型事件的踪迹。我们首先解释如何将两态M3PP与计数的经验痕迹相匹配。然后我们提出了一种新的合成形式，称为插入法，它使得几个两态M3PP的近似叠加而不会引起态空间爆炸。与精确叠加相比，在精确叠加中，状态空间以组合过程的数量指数增长，而在插入中，状态空间以组合M3PP的数量线性增长。实验结果表明，与人工和真实世界的轨迹相比，所提出的插补方法能够提供准确的结果，并且状态空间比叠加过程小得多。
Markov-modulated Poisson processes (MMPPs) are stochastic models for fitting empirical traces for simulation, workload characterization and queueing analysis purposes. In this paper, we develop the first counting process fitting algorithm for the marked MMPP (M3PP), a generalization of the MMPP for modeling traces with events of multiple types. We initially explain how to fit two-state M3PPs to empirical traces of counts. We then propose a novel form of composition, calledinterposition, which enables the approximate superposition of several two-state M3PPs without incurring into state space explosion. Compared to exact superposition, where the state space grows exponentially in the number of composed processes, in interposition the state space grows linearly in the number of composed M3PPs. Experimental results indicate that the proposed interposition methodology provides accurate results against artificial and real-world traces, with a significantly smaller state space than superposed processes.
登录
查看更多内容
二阶非循环 MAP 的显式逆表征
DOI：
--
发表时间：
2006
期刊：
European Performance Engineering Workshop
影响因子：
--
作者：
A. Heindl;G. Horváth;K. Gross
通讯作者：
K. Gross
MMAP/MAP/1抢占式优先级队列队列长度矩的高效分析
DOI：
--
发表时间：
2012
期刊：
Performance evaluation (Print)
影响因子：
--
作者：
G. Horváth
通讯作者：
G. Horváth
影响因子：
4.8
作者：
P. Buchholz;M. Telek
通讯作者：
P. Buchholz;M. Telek
DOI：
--
发表时间：
2009
期刊：
Performance evaluation (Print)
影响因子：
--
作者：
G. Horváth;M. Telek
通讯作者：
M. Telek
影响因子：
2.2
作者：
Klemm, A;Lindemann, C;Lohmann, M
通讯作者：
Lohmann, M