Інформаційно-ентропійний підхід до оцінки продуктивності комп‘ютерних мереж з різнорідним трафіком

Abstract

Для оцінювання характеристик продуктивності комп'ютерних мереж з різнорідним самоподібним трафіком, необхідно застосовувати непараметричні методи. У якості нижнього порогу продуктивності запропоновано використовувати асимптотичні порівняльні оцінки, наприклад, інформаційноентропійні міри імовірнісних розподілів з “важкими хвостами”. Показано, що розраховуючи диференціальну ентропію для розподілів Парето, Вейбулла і логарифмічно нормального розподілів інтенсивності різнорідного мережного трафіку, можна отримувати узагальнені порівняльні характеристики ефективності функціонування мереж в широкому діапазоні статистичних параметрів. Ці характеристики можна використовувати в тих випадках, коли отримати оцінки моментів або стаціонарних значень імовірності не представляється можливим.

Для оценивания характеристик производительности компьютерных сетей с разнородным самоподобным трафиком, необходимо применять непараметрические методы. В качестве нижнего порога производительности предложено использовать асимптотические сравнительные оценки, например, информационно-энтропийные меры вероятностных распределений с “тяжелыми хвостами”. Показано, что рассчитывая дифференциальную энтропию для распределений Парето, Вейбулла и логарифмически нормального распределений интенсивности разнородного сетевого трафика, можно получать обобщенные сравнительные характеристики эффективности функционирования сетей в широком диапазоне статистических параметров. Эти характеристики можно использовать в тех случаях, когда получить оценки моментов или стационарных значений вероятности не представляется возможным.

Key parameters for the functioning of computer networks can be evaluated using information entropy measures. Comparative characteristics of the differential entropy of probabilistic distributions with «heavy tails» allow for the self-similarity of modern traffic networks. Counting differential entropy for Pareto distribution, Weibull and log-normal distributions of intensity of heterogeneous network traffic, we can obtain the generalized comparative performance characteristics of the networks in a wide range of statistical parameters. These characteristics can be used in those cases where the moments to obtain estimates or stationary probability values is not possible.