Precisão de simulações para solução de modelos estocásticos

• Ano de defesa: 2010
• Autor(a) principal: Taschetto, Dione
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul; Faculdade de Informáca; BR; PUCRS; Programa de Pós-Graduação em Ciência da Computação
• Palavras-chave em Português: INFORMÁTICA; REDES DE AUTÔMATOS ESTOCÁSTICOS; AVALIAÇÃO DE DESEMPENHO (INFORMÁTICA); SIMULAÇÃO E MODELAGEM EM COMPUTADORES; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://tede2.pucrs.br/tede2/handle/tede/5115

Através de formalismos Markovianos é possível modelar diversos sistemas e resolvê-los através de soluções computacionais específicas possibilitando prever ou avaliar seus padrões de comportamento. O formalismo de Redes de Autômatos Estocásticos (SAN) permite descrever modelos Markovianos de forma compacta e modular. Além disso, é utilizado para obter íındices de desempenho de sistemas através de soluções numéricas iterativas que se baseiam em um descritor e um vetor cujo tamanho é igual ao espaço de estados do modelo. Dependendo do tamanho do modelo esta operaçao torna-se computacionalmente onerosa e muitas vezes impraticável. Um método alternativo para calcular índices a partir de um modelo é a simulação, principalmente porque ela simplesmente exige a definição de um gerador de números pseudo-aleatórios e funções de transição entre estados que permitem a criação de uma trajetória. O processo de amostragem pode ser diferente para cada técnica estabelecendo algumas regras para coleta de amostras para posterior análise estatística. As técnicas de simulação, normalmente requerem muitas amostras para calcular índices de desempenho estatisticamente relevantes. Este trabalho proporciona comparações da precisão dos resultados de alguns modelos Markovianos obtidos a partir da execução de diferentes técnicas de simulação. Além disso, propõe uma maneira distinta de simular modelos Markovianos usando um método baseado em estatística Bootstrap para minimizar o efeito de escolha das amostras. A eficácia do método proposto, denominado Bootstrap simulation, é comparado com resultados da solução numérica para um conjunto de exemplos descritos por meio do formalismo de modelagem SAN.