6.4.2.2.近似の解法:Quantitative System Performance
「6.4.2.1.厳密な解法」の続きです。(目次はこちら)
6.4.2.2.近似の解法
厳密MVA解法のキーは式(6.4)であり、これは個体数についての到着時待ち行列長を個体数の時間平均待ち行列長に基づいて計算している。アルゴリズムの性質はこの関係の直接の結果である。
式(6.4)をある適切な関数を用いた近似
で置き換えることにより、より効率のよい、繰り返しアルゴリズムを得ることが出来る。(関数は実際には以外の値にも依存するだろう。例えば、我々が手短いに提案する近似もまたに依存する。しかし、簡潔さのためにこの記法を我々は用い、主要要求はであることを示唆する。) そのアルゴリズムの精度はもちろん、使用する関数の精度に依存する。 (についての特定の選択は手短に示されることになる。)
この一般的方法の概要はアルゴリズム6.3に示している。このアルゴリズムの時間とスペースの要求はセンターの数には依存するが評価しているネットワークの客の個体数には依存しないことが容易に分かる(間接的なのを除いて。収束のために必要な繰り返しの数は個体数によって影響を受けるだろう)。MVA解法はセンターの数と客の数の積に比例する時間が必要であるので、これは厳密MVA解法に対するかなりの改善である。
- 全てのセンターについて初期化:
- 全てのセンターについて近似:
- (適切な関数の選択は、文章の中で議論される。)
- 新しい一組のを計算するために式(6.3)、(6.1)、(6.2)を相次いで用いる。
- ステップ3でもたらされるがステップ2で入力として用いたとある許容範囲(例えば、0.1%)内にないならば、新しいを用いてステップ2に戻る。
アルゴリズム6.3 近似MVA解法
このより速い解法に不可欠なのは関数である。あいにく、全ての分離可能ネットワークについて正確であるようなは知られていない。その代わり、近似を用いなければならない。特に単純でまあまあ正確な近似は以下である。
- (6.5)
式(6.5)は到着時待ち行列長の正確な値を客が1個少ない待ち行列長で近似することにより見積もる。この近似は、全てのについて率とが等しい、つまり、1個の客を取り除いたことで待ち行列長が短くなった量は客がその待ち行列長に寄与した量に等しい、という仮定に基づいている。一般に、この仮定は非常に正確である。特に、それは非常に大きなについて漸近的に正確で、1個の客しかないモデルについて自明的に正しい(というのは、それは到着時待ち行列長はゼロであると予測するから)。よって、近似は2つの極端においてよい精度であることが保証されている。この解法での経験は、それが中間の個体数についても非常に良い結果を与えることを示している。この誤差はコンピュータ・システム解析過程に固有な他の不一致(例えば、パラメータの値の精度)の範囲の中に充分入るので、近似MVA解法は一般的な解法として満足出来るものである。
クローズド・モデルの例(近似解)
表6.3は先に厳密な解法を用いた同じ例に近似解法を適用することによって得られたデバイス待ち行列長についての一連の近似を示している。用いた停止基準は、連続する待ち行列長での0.001以内の一致であった。モデルの厳密解が比較のために表に示してある。(見かけの異常は、このモデル内のクラスは端末のタイプであるという事実によって引き起こされたことにもう一度注意しよう。我々は客を3つのセンターに等しく分配することで初期化している。繰り返しが進むにつれて、客は表から「消える」。繰り返しの結末では全体の客個体数とセンターでの待ち行列長の合計の間の差は「考慮中の」ユーザの数の平均を表わしている。
「6.5. 理論的基礎」に続きます。