Diskrete Simulation – Modellierung und Simulation von Rechen- und Kommunikationssystemen

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, Stephan Günther M.Sc.

SWS

2V+1Ü

ECTS Credits

4

Termine

Vorlesung:

  • Einführungsvorlesung: 18.10.2011
  • Vorlesung: Di 10:00(c.t.)-12:00 Uhr (03.07.023)
  • Keine Vorlesung am Di, 15.11 wegen der studentischen Vollversammlung (SVV)

Übung:

  • Erste Übung: 19.10.2011 - Notwendige Vorlesungsinhalte für das erste Übungsblatt werden erläutert
  • Übung: Mi 12:30(c.t)-14:00 Uhr (03.07.023)
  • Sollten Sie Ihre Übungsgruppe noch nicht angemeldet haben, senden Sie bitte eine E-Mail an guenther[at]in.tum.de.
  • SVN Tutorial, Assignment 01


Prüfung: mündliche Prüfung von ca. 20–25 Minuten,
Prüfungstermine: Termine werden am Lehrstuhl ausgehängt
Prüfungsstoff:

  • Prüfungsrelevant ist das gesamte Vorlesungsskript des aktuellen Semesters, sowie die durchgeführten Übungen
  • Schwerpunkte bilden die in der unteren Tabelle aufgeführten Themen

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 – WS2011/2012

Name

Content

Link

Lecture

Last update on

Introduction:  

Time slots, grading, exams, etc.                                

PDF

18.10.2011

15.10.2011

Chapter 0:

Simulation: What it is, when to use it, and what to take special care of

PDF

18.10.2011

18.10.2011

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
  • Ch1.5:                            How to build a simulator

PDF

19.10.2011

20.10.2011

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

25.10.2011

25.10.2011

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

15.11.2011, 22.11.2011

20.11.2011

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

29.11.2011

29.11.2011

Chapter 4b:

How to Lie with Statistics:

  • Lessons for Authors and Readers
  • Examples and Discussion

PDF

06.12.2011

06.11.2011

Chapter 4c:

Model Validation:

  • Calibration
  • Structural Change
  • Parameter Change
  • Overfitting
  • Comparison of Confidence Intervals:
    • Welsh
    • Law & Kelton

PDF

13.12.2011

13.12.2011

Chapter 5:

Experiment Planning:

  • Hypothesis Testing
  • Linear Regression
  • Variance Analysis (ANOVA)
  • Factorial Design

PDF

17.01.2012

08.02.2012

Chapter 6:

Parallel Simulation:

  • Conservative approach: Deadlock avoidance, deadlock detection and recovery
  • Null message algorithm
  • Optimistic approach: Time Warp
  • Alternatives to parallel simulation

PDF

24.01.2012,
07.02.2012

08.02.2012

Chapter 7:

Mobility:

  • Mobility in General
    • Human Mobility Pattern
    • Visualization
      • Density
      • Speed Histograms
    • 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

10.01.2012

10.01.2012

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

20.12.2011

20.12.2011

Matlab

Matlab Tutorial:

  • Basic Functions
  • Calculation of:
    • Histogram
    • Probability Density Function (PDF)
    • Cumulative Density Function (CDF)
    • Percentile / Quantile

PDF

18.01.2012

18.01.2012

Übungen

Übungsblatt

Hintergrundinfos

Abgabe

Besprechung

Besprechung /Lösung

siehe SVN

Sonstige Links mit Hintergrundinfos