ทฤษฎีการจราจรข้อมูลและระบบแถวคอย
4(4-0-12)
วิชาบังคับก่อน: 575662 กระบวนการเฟ้นสุ่ม
ทบทวนฟังก์ชันการแจกแจงความน่าจะเป็น กระบวนการเฟ้นสุ่ม ห่วงโซ่ของมาร์คอฟ แบบจำลองการจราจรข้อมูลในเครือข่ายแบบวงจรสวิตช์ เช่น กระบวนการเกิด/ตาย แบบจำลองเออร์แลงและเองเซต แบบจำลองชนิดล้น แบบจำลองการจราจรข้อมูลในเครือข่ายแบบแพ็กเกตสวิตช์ เช่น ระบบบัฟเฟอร์จำกัดและแบบอนันต์ ระบบแถวคอยที่ไม่มีคุณสมบัติมาร์คอฟ ระบบแถวคอยแบบมีลำดับความสำคัญ แบบจำลองการจราจรข้อมูลในเครือข่ายแบบแถบกว้าง เช่น แบบจำลองการไหลของของเหลว และกระบวนการมาร์คอฟมอดูเลตปัวส์ซอง การควบคุมการรับและเข้าถึงเครือข่ายแบบแถบกว้าง
เค้าโครงรายวิชา
1. ฟังก์ชันการแจกแจงความน่าจะเป็น กระบวนการเฟ้นสุ่ม (4 ชั่วโมง)
2. ห่วงโซ่ของมาร์คอฟ แบบเวลาไม่ต่อเนื่องและแบบต่อเนื่อง (4 ชั่วโมง)
3. แบบจำลองการจราจรข้อมูลในเครือข่ายแบบวงจรสวิตช์ (10 ชั่วโมง)
4. แบบจำลองการจราจรข้อมูลในเครือข่ายแบบแพ็กเกตสวิตช์ (10 ชั่วโมง)
5. แบบจำลองการจราจรข้อมูลในเครือข่ายแบบแถบกว้าง (12 ชั่วโมง)
6. การควบคุมการรับและเข้าถึงเครือข่ายแบบแถบกว้าง (8 ชั่วโมง)
ผลสัมฤทธิ์การเรียนรู้
ผู้เรียนสามารถอธิบายหลักการขั้นสูงของฟังก์ชันการแจกแจงความน่าจะเป็น กระบวนการเฟ้นสุ่ม ห่วงโซ่ของมาร์คอฟแบบเวลาไม่ต่อเนื่องและแบบต่อเนื่อง อธิบายหลักการของแบบจำลองการจราจรข้อมูลในเครือข่าย ประกอบด้วย เครือข่ายแบบวงจรสวิตช์ เครือข่ายแบบแพ็กเกตสวิตช์ เครือข่ายแบบแถบกว้าง และการควบคุมการรับและเข้าถึงเครือข่ายแบบแถบกว้าง
Traffic Theory and Queueing Systems
Prerequisite: 575662 Stochastic Processes
Review of fundamental concepts such as probability distribution functions, stochastic processes; Markov chains; traffic modeling for circuit-switched communication networks, the
Birth/Death processes, Erlang and Engset traffic models, models for overflow traffic; traffic modeling for packet switched communication networks, infinite and finite buffered systems,
non-Markov queueing systems, priority queueing systems, networks of queues; traffic modeling for broadband communication networks, the fluid flow and Markov- modulated Poisson process models, admission and access control in broadband networks
Course Outline
1. Probability distribution functions, Stochastic processes (4 hours)
2. Discrete and continuous-time Markov chains (4 hours)
3. Traffic modeling for circuit-switched communication networks (10 hours)
4. Traffic modeling for packet and communication networks (10 hours)
5. Traffic modeling for broadband communication networks (12 hours)
6. Admission and access control in broadband networks (8 hours)
Learning Outcomes
Learner is able to describe advanced principles of probability distribution functions, stochastic processes, discrete and continuous-time Markov chains, explain principles of traffic
modeling communication networks included circuit- switched, packet- switched, broadband communication networks, and admission and access control in broadband networks.