高速网络自相似业务尾分布分析研究

摘要

该篇论文对高速网络自相似业务队例长度尾分布进行了分析和研究.由于自相似网络业务的复杂性,很难得到业务队列的精确表示,渐进分析几乎是唯一可以采纳的工具.大偏差技术是研究队列长度尾分布渐进分析的有效工具.Glynn和Whitt首先将大偏差技术应用于队列长度尾分布的渐进分析,但是他们的结果仅适用于短相关的业务过程.Duffield推广了Glynn和Whitt方法,在引入适当的标度函数(Scaling Function)后,提出了在长相关业务下分析队列长度尾分布性质的方法,并将其用于分数高斯噪音业务模型中,得出队长尾分布渐近服从Weibull分布:P[q(∞)>x]~exp(-γx<'β>),其中β<1,γ>0.该篇论文利用大偏差理论对以FARIMA为业务输入模型的队列系统进行了认真的分析,采用了大偏差理论、排队论、计算机仿真等研究方法,进行了有意义的研究工作.

目录

文摘

英文文摘

前言

第一节 网络的发展以及业务自相似性的发现

第二节 分形与网络自相似业务

第三节 网络自相似业务的研究现状

第四节 论文研究的问题

第一章自相似随机过程

第一节 自相似过程的定义及其数学特性

第二节 重尾分布与自相似过程

第三节 有关术语的讨论

第二章大偏差原理及其在队列分析中的应用

第一节 大偏差定义与Gartner-Ellis定理

第二节 队列系统模型

第三节 大偏差与队列长度尾分布的渐进分析

第三章大偏差技术在自相似业务队列长度尾分布分析中的应用

第一节 以离散分数高斯噪音为输入的队列系统尾分布的渐进分析

第二节 以FARIMA为输入的队列系统尾分布的渐进分析

第三节 本章总结

第四章队列长度尾分布参数估计

第一节 Markov链的概念及其性质

第二节 一元线性回归

第三节 尾分布参数的Markov估计

第四节 自相似业务队列长度尾分布计算机仿真研究

第五节 本章总结

全文总结

参考文献

附录：尾分布分析部分程序

致谢