彼得·巴赞;德语,莱因哈德 使用WinPEPSY-QNS对大型随机模型进行近似瞬态分析。 (英语) Zbl 1162.68380号 计算。净值。 53,第8期,1289-1301(2009). 总结:我们提出了一种用于大型随机模型近似瞬态分析的新算法。新算法基于连续时间马尔可夫链(CTMC)的自校正分析原理。该方法使用随机模型的CTMC的不同时间相关聚合。利用均匀化方法计算了每个聚集CTMC在一个时间步长内的瞬态概率。导出的概率用于构建更强的聚集,用于校正先前聚集的转移率。这是一步一步地完成的,直到到达最后的时间。原始连续时间马尔可夫链的高度聚合导致了高效的时间和空间计算。因此,基于自校正聚合的近似暂态分析方法可以用于具有较大状态空间的模型。对于具有服务时间相型分布的排队网络,此新开发的算法在WinPEPSY-QNS中实现,该工具用于基于排队网络的随机模型的性能评估和预测。它由一个用于构建排队网络的图形编辑器和一个易于使用的评估组件组成,该组件提供了合适的分析方法。将新实现的算法用于几个示例的分析,并将结果与无法获得精确值的模拟运行结果进行比较。 引用于1文件 MSC公司: 68平方米 计算机系统环境下的性能评估、排队和调度 68周05 非数值算法 关键词:随机模型;马尔可夫模型;绩效评估;瞬态分析;大状态空间;排队网络;相位型分布;WinPEPSY-QNS公司 软件:分享;百事可乐QNS PDF格式BibTeX公司 XML格式引用 \textit{P.Bazan}和\textit{R.德语},计算。Netw公司。53,第8号,1289--1301(2009;Zbl 1162.68380) 全文: 内政部