为什么选择这里总结 感觉可能更加的正式一些 加之以往的西瓜书中的概率图模型总结还可以 最终决定继续进行总结
离散 ）对 到达流 进行建模 称为到达曲线
建模出来的 模型 随着时间 成线性增长的函数 离散累积函数
使用（下）包络 对 服务流 进行建模 称为服务曲线
之后使用 数学工具 最小加卷积 将二者进行 联合
在图像上表示后 可以以得到 此网络的 积压上界与时延上界 但是基于确定网络演算的到的这这两个 都是边界值 实际的情况并不总是这种情况
剩余服务定理
可加性 多个到达流 之间存在一定的关系
现在的网络更多的出现 突发性 自相似性 与周期性 通过确定网络演算 已经满足不了上述的网络条件 因此又提出了 随机网络演算 来对新型的网络 进行更加合理的建模
利用有效带宽 和 矩母函数 对上述的到达曲线 与 服务曲线 进行 进一步的细化 基于一定的违反概率 提出了 随机到达曲线 与 随机服务曲线 随着时间 满足指数分布的随机函数
可以得到相应的统计性的时延 与统计性的积压边界
随即到达曲线 包括三种类型 （分类的依据 严格程度） α（x）
t.a.c v.b.c m.b.c 根据所要使用的网络进行具体的选取 有不同的数学表达公式
概率边界 f(x)
随机服务曲线 也有三种类型 β（x）
弱随机服务曲线 WSSC
一般的随机服务曲线 SSC
严格随机服务曲线 SSSC 同时也有相应的数学定义
服务边界 g(x)
论文中 刘同学 选取的 为 v.b.c 与 严格随机服务曲线 来进行推导 这两个是在进行随机网络演算的先决条件 有了这两个条件 在进行接下来的建模 以及 计算
依据之前的定义的 f(x) 与 g(x） 以及确定网络演算得到的 排队长度 出 减 进 可以得到
积压边界（依据概率进行定义）
排队时延边界
有了上述的工具 就可以进行 相应的推导了
网友评论