Modul | Diskrete Simulation Modellierung und Simulation von Rechen- und Kommunikationssystemen (IN2045) |
|---|
Vorlesung | Diskrete Simulation Modellierung und Simulation von Rechen- und Kommunikationssystemen (IN2045)
|
|---|
Dozenten | Prof. Carle, Dr. Alexander Klein, Dr. Nils Kammenhuber |
|---|
SWS | 2V+1Ü |
|---|
ECTS Credits | 4 |
|---|
Termine | Vorlesung:
- Einführungsvorlesung Mi, 4.5.2011, 1416 (s.t.), 00.13.009A
- Vorlesung: Mi 1416 (c.t.), Raum: 00.13.009A
Übung:
- Erste Übung: Do, 12.5.2011, 11-12 (s.t.), Raum: 00.08.038
- Übung: Do 1112 (s.t.), Raum: 00.08.038
Klausur: mündliche Prüfung von ca. 2025 Minuten
| |
|---|
Inhalt | Wann und wozu Simulation. Arten von Simulation: diskret vs. kontinuierlich, eventbasiert vs. zeitbasiert usw. Interner Aufbau eines eventbasierten Simulators. Einfaches Warteschlangenmodell; Überblick Warteschlangentheorie.
Bedeutung von Zufallszahlen und -verteilungen für Simulatoren. Wiederholung von für die Vorlesung benötigten Grundlagen von Statistik und Stochastik: Deskriptive Statistik (Erwartungswert und Mittelwerte, Median und Quantile, Varianz, MAD, Momente usw.), Zufallsverteilungen und ihre Eigenschaften, Autokorrelation, Visualisierungsmethoden. Generierung von Zufallsverteilungen, Qualität von Zufallszahlengeneratoren.
Kurzer Überblick über Arbeit mit Netzwerksimulatoren; Unterschiede Simulator-Programmierung vs. "real world". Typische Workflow-Elemente bei der Forschungs-Arbeit mit Simulatoren: Modellbildung, Experimentplanung, Simulation, Evaluation, Anpassung/Verfeinerung. Verwendung des Simulators OPNET. Einführung in Matlab (Übungen).
Experimentplanung: Faktoranalyse, ANOVA. Was macht eine gute Simulation aus: Realistische Modelle, realistische Prüflasten. Was macht eine gute Auswertung aus: Möglichkeiten zur Varianzreduktion, Konfidenzintervalle. Statistik-Fallstricke, Fehleinschätzungen, wie man mit Statistik/Grafiken lügen kann.
Fortgeschrittene Themen wie z.B.: Simulation von Mobilität und Mobilitätsmodelle; Parallelisierung von Simulation; Praxis-Tips: Simulation beschleunigen.
Übung:
Die Übungen orientieren sich stets am Inhalt der Vorlesung. Im Rahmen der Vorlesung werden ein einfacher Simulator (Warteschlangenmodell), ein Zufallszahlengenerator und ein statistisches Evaluierungstool in Java oder C++ implementiert. Im weiteren Verlauf der Vorlesung werden ebenfalls Punktfelder, Zufallsgraphen und Mobilitätsmodelle bestandteil der Übungsaufgaben.
Ziel:
Entwickeln von Verständnis für die statistische Evaluierung und Visualisierung von Simulations- und Messergebnissen. Aus diesem Grund wird die Mehrheit der vorgestellten Verfahren praktisch umgesetzt, um das Verständnis in diesem Bereich zu vertiefen. Die vorgestellten Verfahren wurden hinsichtlich ihrer Umsetzbarkeit in der Praxis ausgewählt. Die erlernten Kenntnisse bilden eine gute Basis für MA Arbeiten im Bereich Messung und Simulation.
|
|---|
Slides SS 2011
| Name | Content | Link | Lecture | Last update on
| Introduction: | Time slots, grading, exams, etc. | PDF | 4.5.2011 | 28.4.2011 | Chapter 0: | Simulation: What it is, when to use it, and what to take special care of | PDF | 11.5.2011 | | Chapter 1: | What's inside a simulator:
- Types of simulators (taxonomy)
- Internals of a discrete event simulator: Events, event list, simulation time
- Simulating blocking calls: Continuations and coroutines
| PDF | 11.5.2011, 18.5.2011 | | Chapter 2: | Statistics Fundamentals:
- Introduction Waiting Queues
- Random Variable (RV)
- Probability Space
- Discrete and Continuous RV
- Frequency Probability
- Distribution(discrete)
- Distribution Function(continuous)
- PDF & CDF
- Definitions:
- Expectation/Mean, Mode, Standard Deviation, Variance, Coefficient of Variation, p-percentile(quantile), Skewness, Scalability Issues, Covariance, Correlation, Autocorrelation
- Visualization of Correlation
| PDF | 18.5.2011, 25.5.2011 | | Chapter 3: | Random Numbers:
- Generation of Random Variables (RV)
- Inversion
- Composition
- Convolution
- Accept-Reject
- Distributions and their Characteristics
- Uniform(continuous), Normal, Triangle, Lognormal, Exponential, Erlang-k, Gamma,
- Uniform(discrete), Bernoulli, Geom, Poisson, General Discrete
- Random Number Generators
- Linear Congruential Generator(LCG)
- Shift Register
- Generalized Feedback Shift Register
- Mersenne Twister
- Tests
- χ² Test
- Spectral Test
- Serial Test
| PDF | 25.5.2011, 1.6.2011, 8.6.2011 | | Chapter 4a: | Evaluation of Simulation Results: - Estimator
- Consistent Estimator
- Unbiased Estimator
- Variance of an Estimator
- Bessel's Correction
- Efficient Calculation of an Estimator
- Confidence Interval
- Chebyshev Confidence Interval
- Central Limit Theorem
- t-Distribution Confidence Interval
- Evaluation of Simulation Results
- Replicate-Delete Method
- Batch Means Method
- Stationarity
| PDF | 15.6.2011 | 15.6.2011 | Chapter 4b: | How to Lie with Statistics:
- Lessons for Authors and Readers
- Examples and Discussion
| PDF | 22.6.2011, 29.6.2011 | 8.7.2011 | Chapter 4c: | Model Validation:
- Calibration
- Structural Change
- Parameter Change
- Overfitting
- Comparison of Confidence Intervals:
| PDF | 15.6.2011 | 15.6.2011 | Chapter 5: | Experiment Planning:
- Hypothesis Testing
- Linear Regression
- Variance Analysis (ANOVA)
- Factorial Design
| PDF | 6.7.2011, 13.7.2011 | 12.7.2011 | Chapter 6: | Parallel Simulation:
- Conservative approach: Deadlock avoidance, deadlock detection and recovery
- Optimistic approach: Time Warp
- Alternatives to parallel simulation
| PDF | 27.7.2011 | 20.7.2011 | Chapter 7: | Mobility:
- Mobility in General
- Human Mobility Pattern
- Visualization
- Bouncing Rule
- Obstacles
- Characteristics of Mobility Pattern
- Link Duration
- Transient Phase
- Node Distribution
- Speed Distribution
- Correlated Movement
- Synthetic Mobility Models
- Random Waypoint
- Random Direction
- Random Walk
- Levi-Flight
- Brownian Motion
- Group Mobility
| PDF | 20.7.2011 | 20.7.2011 | Chapter 8: | Point Fields and Random Graphs:
- Point Fields
- Generation of Point Fields
- Homogeneous and Inhomogeneous Point Fields
- Poisson Field
- Clusterfields
- Matern Cluster Field
- Random Graphs
- Graph Definition
- Node Degree
- Generation of Random Graphs (Probabilistic Model, Waxman Model)
- Random Graphs with Predefined Characteristics
- Scale-free Graphs
| PDF | 13.7.2011 | 13.7.2011 | Matlab | Matlab Tutorial:
- Basic Functions
- Calculation of:
- Histogram
- Probability Density Function (PDF)
- Cumulative Density Function (CDF)
- Percentile / Quantile
| | | |
|
|---|
Übungen | Übungsblatt | Hintergrundinfos | Abgabe | Besprechung | Besprechung /Lösung | Übungsblatt_1
| Class Description | Mi., 18.5., 08:00am | Do., 19.5., 11:00am | Lösung_1 | Übungsblatt_2
| Class Description | Mo., 6.6., 08:00am | Mi., 8.6., 03:00pm | Lösung_2 | Übungsblatt_3
| --- | Mi., 15.6., 14:10 | Do., 16.6., 11:00am | Lösung_3 | Übungsblatt_4 | --- | Mi., 22.6., 14:10 | Mi., 22.6., 14:10 | Lösung_4 | Übungsblatt_5 | Class Description | Mi., 29.6., 14:13 | Do., 29.6., 11:10 | Lösung_5 | Übungsblatt_6 | --- | Mi., 6.7., 14:00 | Mi., 6.7., 14:00 | Lösung_6 | Übungsblatt_7 | --- | Mi., 13.7., 14:00 | Do., 14.7., 11:00 | Lösung_7 | Übungsblatt_8 | --- | Mi., 20.7., 14:00 | Do., 21.7., 11:00 | Lösung_8 | Übungsblatt_9 | Description / ProgramCode | Di., 2.8., 10:00 | Do., 28.7., 11:00 | In der letzten Übungsstunde stehen 30 Minuten für Fragen zur Prüfung zur verfügung. |
|
|---|
Sonstige Links mit Hintergrundinfos | |
|---|
|
|
