ทฤษฎีการจราจรข้อมูลและระบบแถวคอย
4(4-0-12)
วิชาบังคับก่อน : ENG75 2218 กระบวนการเฟ้นสุ่ม
ทบทวนฟังก์ชันการแจกแจงความน่าจะเป็น กระบวนการเฟ้นสุ่ม ห่วงโซ่ของมาร์คอฟ แบบจำลองการจราจรข้อมูลในเครือข่ายแบบวงจรสวิตช์ เช่น กระบวนการเกิด/ตาย แบบจำลองเออร์แลงและเองเซต แบบจำลองชนิดล้น แบบจำลองการจราจรข้อมูลในเครือข่ายแบบแพ็กเกตสวิตช์ เช่น ระบบบัฟเฟอร์จำกัดและแบบอนันต์ ระบบแถวคอยที่ไม่มีคุณสมบัติมาร์คอฟ ระบบแถวคอยแบบมีลำดับความสำคัญ แบบจำลองการจราจรข้อมูลในเครือข่ายแบบแถบกว้าง เช่น แบบจำลองการไหลของของเหลว และกระบวนการมาร์คอฟมอดูเลตปัวส์ซอง การควบคุมการรับและเข้าถึงเครือข่ายแบบแถบกว้าง
เค้าโครงรายวิชา
- ฟังก์ชันการแจกแจงความน่าจะเป็น กระบวนการเฟ้นสุ่ม (4 ชม.)
- ห่วงโซ่ของมาร์คอฟ แบบเวลาไม่ต่อเนื่องและแบบต่อเนื่อง (4 ชม.)
- แบบจำลองการจราจรข้อมูลในเครือข่ายแบบวงจรสวิตช์ (10 ชม.)
- แบบจำลองการจราจรข้อมูลในเครือข่ายแบบวงจรแพ็กเกตสวิตช์ (10 ชม.)
- แบบจำลองการจราจรข้อมูลในเครือข่ายแบบแถบกว้าง (12 ชม.)
- การควบคุมการรับและเข้าถึงเครื่อข่ายแบบแถบกว้าง (8 ชม.)
ผลสัมฤทธิ์การเรียนรู้
- อธิบายหลักการขั้นสูงของฟังก์ชันการแจกแจงความน่าจะเป็น กระบวนการสุ่ม และห่วงโซ่ของมาร์คอฟ (ทั้งแบบไม่ต่อเนื่องและต่อเนื่อง) และประยุกต์ใช้ในการสร้างแบบจำลองการจราจรในเครือข่ายการสื่อสาร รวมถึงเครือข่ายแบบวงจรสวิตช์ เครือข่ายแบบแพ็กเกตสวิตช์ และเครือข่ายแบบแถบกว้าง
- อธิบายหลักการของแบบจำลองการจราจรในเครือข่ายการสื่อสาร เช่น การควบคุมการจราจร การควบคุมการเข้าถึงเครือข่าย และแบบจำลองการไหลของเครือข่ายแบบแถบกว้าง และวิเคราะห์ประสิทธิภาพของระบบเหล่านี้
Traffic Theory and Queueing Systems
Prerequisite : ENG75 2218 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
- Probability distribution functions, Stochastic processes. (4 hr.)
- Discrete and continuous-time Markov chains. (4 hr.)
- Traffic modeling for circuit-switched communication networks. (10 hr.)
- Traffic modeling for packet and communication networks. (10 hr.)
- Traffic modeling for broadband communication networks. (12 hr.)
- Admission and access control in broadband networks. (8 hr.)
Learning Outcomes
- Explain advanced principles of probability distribution functions, random processes, and Markov chains (discrete and continuous), and apply them to model traffic in communication networks, including circuit-switched, packet-switched, and wideband networks.
- Describe the principles of traffic models in communication networks, including network congestion control, access control, and wideband network flow models, and analyze the
performance of these systems.
