|
Для получения дисперсионных оценок необходимы некоторые предположения, касающиеся стохастических характеристик каждого элемента процесса в стандартных условиях. Такое описание задачи по сравнению со случаем, когда заданы только временные характеристики операций процесса, является более сложным и, очевидно, более точным. Стохастическое поведение каждого элемента может быть описано плотностью нормального распределения. Исходная МГЕРТ-сеть состоит из узлов, соответствующих началу и завершению каждой отдельной операции алгоритма, и дуг, представляющих действительное время выполнения каждой операции. В таблице даны ЙГ-функции для дуг рассматриваемой МГЕРТ-сети. Перед тем, как перейти к поиску петель сети следует произвести преобразования, существенно упрощающие сеть через соответствующие замены. Таким образом, была получена эквивалентная сеть, для которой существенно упростился поиск петель. Рассмотрим сеть поконтурно. 88 |
разложение функции в ряд Тейлора [53]. Так как в вычислительном отношении данная задача достаточно трудна, дуги сети характеризуются либо экспоненциальным распределением, либо дискретным, что существенно облегчает решение задачи. В [98] рассматривается численный метод нахождения непрерывной плотности распределения вероятностей выходной величины ГЕРТ-сети при условии, что множество распределений, которыми характеризуются отдельные дуги модели, включает в себя: дискретное, биномиальное, пуассоновское, геометрическое, отрицательное биномиальное, равномерное, экспоненциальное, гаммаи нормальное распределения. Как правило, предлагаемые методы основаны на переходе от эквивалентной ^-функции ГЕРТ-сети к ее характеристической функции и использовании формулы обращения [99]. 3.2.2. Определение вероятностных нормативных времен для процессов контроля знаний, реализуемых в условиях неопределенности В данном параграфе предлагается алгоритмическая процедура для вычисления математического ожидания и стандартного отклонения нормативного времени, требуемого для выполнения распределенных алгоритмов адаптивного процесса контроля знаний. Когда процесс имеет сложный вид, подобный тому, который описан в настоящем разделе ранее, разумно рассматривать нормативное время как случайную величину с конечным математическим ожиданием и дисперсией, описанную подходящей функцией распределения. Для примера остановимся на изучении одной из алгоритмических процедур процесса. Для получения дисперсионных оценок необходимы некоторые предположения, касающиеся стохастических характеристик каждого элемента процесса в стандартных условиях. Такое описание задачи по 110 сравнению со случаем, когда заданы только временные характеристики операций процесса, является более сложным и, очевидно, более точным. Стохастическое поведение каждого элемента может быть описано плотностью нормального распределения. Исходная ГЕРТ-сеть состоит из узлов, соответствующих началу и завершению каждой отдельной операции алгоритма, и дуг, представляющих действительное время выполнения каждой операции. В таблице даны ^-функции для дуг рассматриваемой ГЕРТ-сети. Перед тем как перейти к поиску петель сети следует произвести преобразования, существенно упрощающие сеть через соответствующие замены. Таким образом была получена эквивалентная сеть, для которой существенно упростился поиск петель. Рассмотрим сеть поконтурно. |