การสร้างแบบจำลองและการจำลองในเครือข่ายสื่อสาร
4(4-0-12)
วิชาบังคับก่อน: 575662 กระบวนการเฟ้นสุ่ม, 575642 การหาค่าเหมาะที่สุดแบบศึกษาสำนึกบทนำการสร้างแบบจำลองและการจำลอง ทฤษฎีความน่าจะเป็นพื้นฐาน: ตัวแปรสุ่ม และการแจกแจงที่ใช้เพื่อการจำลองกระบวนการต่างๆในระบบสื่อสารและเครือข่าย การทดสอบเชิงสถิติ ช่วงความเชื่อมั่นทบทวนทฤษฎีแถวคอย: ห่วงโซ่มาร์คอร์ฟ แบบจำลองแถวคอย และมาตรวัด ส่วนประกอบของตัวจำลองเครือข่ายสื่อสาร: การสร้างเลขสุ่ม การสร้างทราฟฟิกด้วยการแจกแจง ระบบแถวคอย การจำลองแบบ
มอนติคาร์โล การวางแผนและการควบคุมการจำลอง การประยุกต์ใช้งานกับเครือข่ายสื่อสาร
เค้าโครงรายวิชา
1. บทนำการสร้างแบบจำลองและการจำลอง (4 ชั่วโมง)
2. ทฤษฎีความน่าจะเป็นพื้นฐาน (8 ชั่วโมง)
3. ทบทวนทฤษฎีแถวคอย (8 ชั่วโมง)
4. ส่วนประกอบของตัวจำลองเครือข่ายสื่อสาร (12 ชั่วโมง)
5. การวางแผนและการควบคุมการจำลอง (8 ชั่วโมง)
6. การประยุกต์ใช้งานกับเครือข่ายสื่อสาร (8 ชั่วโมง)
ผลสัมฤทธิ์การเรียนรู้
ผู้เรียนสามารถอธิบายหลักการขั้นสูงของความน่าจะเป็นและทฤษฎีแถวคอย เพื่อการสร้างแบบจำลองและการจำลอง บูรณาการกับการหาค่าเหมาะที่สุดแบบศึกษาสำนึก เพื่อการประยุกต์ใช้งานกับเครือข่ายสื่อสาร
Modelling and Simulation in Communication Networks
Prerequisite: 575662 Stochastic Process, 575642 Heuristic Optimization Introduction to modeling and simulation, Probability theory basics: random variables and distributions used for modeling of the processes in communication systems and networks, statistical testing, confidence intervals, Review of queuing theory: Markov chains, queuing models and their key measures, Building blocks of communication network simulators: pseudo-random generators, traffic generation with given distributions, queue server systems, Monte-Carlo simulation, Planning and execution control of simulations, Application to communication networks
Course Outline
1. Introduction to modelling and simulation (4 hours)
2. Probability theory basics (8 hours)
3. Review of queuing theory (8 hours)
4. Building blocks of communication network simulators (12 hours)
5. Planning and execution control of simulations (8 hours)
6. Application to communication networks (8 hours)
Learning Outcomes
Learner is able to describe advanced principles of probability and queuing theory to create modelling and simulation, integrate with heuristic optimization to apply with communication networks.