4 ControleSupervisorio Unicamp

1
Simulao de Sistemas Dinmicos

5. Modelos para Simulao
Linguagens
E = conjunto de eventos = alfabeto
Definio: Uma linguagem L, definida sobre
um alfabeto E, um conjunto de cadeias
formadas de eventos em E
Exemplo:
E={,, }
L
1
={,,}
L
2
={Todas as possveis cadeias com
3 eventos inicadas pelo evento }
L
3
={Todas as possveis cadeias finitas
iniciada pelo evento }
2
Expresses Regulares
Concatenao: operao sobre cadeias
u = ; v =
conc.: uv =
Operaes sobre linguagens: Sejam A e B
duas linguagens
a)Concatenao:
AB = {w: w=uv, u A, v B}
b)Fechamento de Kleene:
A
*
=
n
onde: A
0
= {}
A
n
= A
n-1
A
c)Operaes usuais sobre conjuntos
n=0
3
Exemplo:
E = {,,}
L
1
= {,,}; L
2
= {}
Ento:
L
1
L
2
= {,,}
L
1
*
= {,,,,,,,...}
L
2
*
= {,,,,...}
L
1
L
2
= L
1
+ L
2
= {,,,}
4
Conveno: se u e v so cadeias de eventos
u = {u}
(u+v) = {u,v}={u} {v}
u
*
= {,u,uu,uuu,...}
uv = {uv}
Expresses Regulares:
1) uma expresso regular (conj. vazio),
uma expresso regular denotando {},
e uma expresso regular denotando {e}
e;
2)Se r e s so expresses regulares ento
rs, r
*
, s
*
, (r+s) so expresses regulares;
3)As nicas expresses regulares so aquelas
obtidas pela aplicao das regras 1 e 2 um
nmero finito de vezes
5
Exemplo:
Seja E={,,} um alfabeto; ento:
(+)
= {,,,,,,,,...}
()
+ = {,,,,,...}
Definio:
Qualquer linguagem que possa ser descrita
como uma expresso regular uma
linguagem regular
Se L = {u
1
, u
2
,...,u
n
} uma linguagem finita,
ento L regular pois: L = (u
1
+ u
2
+...+u
n
)
6
Prefixo de uma cadeia:
u E
*
um prefixo de v E
*
se para algum
w E
*
, v = uw
Prefixo Fechamento de uma Linguagem L:
L a linguagem formada por todos os prefixos
das cadeias de L:
L = { u / uv L para algum v
}
Linguagem Prefixo Fechada:
L E
*
prefixo fechada se L =
ou seja, se v L e u prefixo de v ento
u L
L
7
Autmatos determinsticos
Um formalismo til para a representao
de linguagens regulares so os autmatos:
Definio:
Um autmato determinstico uma sxtupla
G = (X, E, f, , x
0
, X
m
) onde:
X um conjunto enumervel de estados;
E um alfabeto finito;
f uma funo de transio de estados, em
geral parcial:
f: X E X
a funo de eventos ativos
: X 2
E
x
0
um estado inicial, x
0
X;
X
m
um conjunto de estados finais, X
m
X
Sejam x, y X ; e E
y=f(x,e) indica que se a transio e ocorrer no estado x,
ento y o prximo estado;
e (x) indica que o evento e est habilitado no estado x.
8
Observaes:
a) comum dar a esta definio o nome de gerador;
neste caso, o nome autmato reservado aos gera-
dores nos quais a funo f completa.
b) Se o conjunto X finito, trata-se de um autmato
de estados finitos
Exemplo:
x
z
y
X = {x, y, z}; E = {, , }; x
0
= x; X
m
= {x, z}
f = ?; = ?
Extenso da funo:
f: X E X
para
f: X E* X
Por definio:
f(x, ) = x
f(x, ue) = f(f(x,u), e)
9
Linguagem Gerada: Dado um autmato G,
define-se a linguagem gerada por G, L(G):
L(G) = {u E
*
/ f(x
o
,u)!}
Linguagem Marcada: A liguagem marcada
por um autmato G, L
m
(G) dada por:
L
m
(G) = {u E
*
/ f(x
o
,u) X
m
)
Relao entre uma Linguagem e um
Autmato Determinstico
Propriedades:
L(G) prefixo-fechada
Toda linguagem prefixo-fechada represen-
tvel por um autmato.
Se um autmato A tal que x, (x)=E, ento
L(A) = E
*
L
m
(G) L(G)
10
Exemplo: Mquina com trs estados
s
f
b
r
I
W D
E = { s, f, b, r}
L(G) = (sf + sbr)
*
( + s + sb)
representa o conjunto de todas as sequncias
fisicamente possveis de ocorrer no sistema.
L
m
(G) = (sf + sbr)
*
representa os ciclos de trabalho realizados pe-
lo sistema.
11
Equivalncia entre Autmatos
de Estados Finitos e Expresses
Regulares
Teorema: (Kleene, 1950)
Se uma linguagem regular, ento ela pode ser
reconhecida por algum autmato de estados finitos;
e se ela reconhecida por algum autmato de esta-
dos finitos, ento ela regular.
Questo:
Como verificar se uma dada linguagem pode
ser representada por uma expresso regular?
(existem algumas tcnicas para identificao de lin-
guagens no-regulares)
Exemplo:
L = {, , , , ...}
denotando:
n
= ... ; tem-se
L={
n
n
, n = 0, 1, 2, ...}
Existe um autmato que reconhece L, mas
que tambm reconhece infinitas outras cadeias
que L
12
Autmatos Temporizados
Considere-se um autmato dado por:
G = (X, E, f, , x
0
, X)
Define-se uma estrutura de relgio ou estrutura
de temporizao como sendo:
V = {v
i
: i E}
onde:
v
i
= {v
i,1
, v
i,2
, ...} i E, v
i,k
R
+
, k = 1,2,...
uma sequncia de relgio ou sequncia de
tempos de vida
A temporizao do autmato ser feita mediante
uma estrutura de relgio;
O elemento v
i,k
determina o intervalo entre a k-sima
e a (k1)-sima ocorrncia evento i, a menos que
ele seja desativado.
13
A estrutura de relgio ser considerada uma
entrada, conhecida a-priori, do sistema.
Define-se o valor de relgio de um evento, num
determinado instante de tempo, como sendo o
tempo que resta para que aquele evento ocorra.
O valor de relgio s definido para os eventos
habilitados num determinado estado.
v
,1
v
,1
y
,1
v
,2
v
,2
v
,3
v
,3
v
,4
x
0
x
1
x
2
x
3
x
4
no factvel
em x
1
e x
3
14
O seguinte conjunto de regras para temporizar
um autmato via sua estrutura de relgio sintetiza
o procedimento:
R1) O prximo evento aquele que apresentar o
menor valor de relgio dentre todos os eventos
habilitados no atual estado;
R2) Um evento dito ativado quando:
a) foi o ltimo evento a ocorrer e permaneceu fa-
ctvel aps a transio de estado;
b) um evento foi o ltimo a ocorrer; no esta-
va habilitado mas ficou habilitado aps a ocorrn-
cia de
R3) Um evento desativado quando outro evento
ocorre causando uma transio para um estado no
qual no factvel.
A cada ativao, um evento toma como valor de re-
lgio o prximo elemento de sua sequncia de relgio
15
O escore ou contagem, N
i,k
de um evento i E, aps
a k-sima transio de estado do sistema numa tra-
jetria dada, o nmero de vezes que o evento foi
ativado no intervalo [t
0
, t
k
]
obs.: t
0
o instante inicial da trajetria e t
k
o ins-
tante de ocorrncia da k-sima transio de estado.
No exemplo anterior:
i\k 0 1 2 3 4
1 1 2 2 3
1 1 2 3 4
N
i,k
:
v
,1
v
,1
y
,1
v
,2
v
,2
v
,3
v
,3
v
,4
x
0
x
1
x
2
x
3
x
4
no factvel
em x
1
e x
3
16
Dinmica de Autmatos Temporizados
Num autmato determinstico (X, E, f, , x
0
, X
m
),
supe-se como entrada conhecida a sequncia de
eventos e
1
, e
2
, ...
A equao de transio de estado :
x
k+1
= f(x
k
, e
k+1
); k = 0, 1, ...
O estado do autmato o estado do sistema !
Questo: Qual o estado num autmato temporizado?
(admite-se que E tem m elementos)
As sequncias de relgio v
1
, v
2
, ..., v
m
so as entra-
das do sistema e pode-se escrever:
x
k+1
= f(x
k
, v
1
, v
2
, ..., v
m
); k = 0, 1, ...
Contudo, a informao contida em (x
k
, v
1
, v
2
, ..., v
m
)
insuficiente para determinar o prximo evento e
k+1
17
Que informao necessria para descrever a dinmica?
Notao (suprime-se o ndice k):
x: estado atual
e: ltimo evento ocorrido
t: instante de ocorrncia do ltimo evento
N
i
: escore do evento i no instante t
y
i
: o valor de relgio do evento i no instante t
x, e, t, N
i
, y
i
correspondem ao ndice k+1
Os seguintes passos determinam a evoluo do sistema:
1) Determinar (x);
2) y
*
= min {y
i
}
i(x)
3) e = arg min {y
i
}
i(x)
4) x = f(x,e)
5) t = t + y
*
18
y
i
y
*
se ie e i(x)
v
i,Ni +1
se i=e ou i(x)
6) y
i
=
i(x)
7) N
i
=
N
i
+ 1 se i=e ou i(x)
N
i
caso contrrio
i(x)
Pode-se agora definir um autmato temporizado
como sendo a heptupla (X, E, f, , x
0
, X
m
, V)
onde (X, E, f, , x
0
, X
m
) um autmato determi-
nstico e V={v
i
, i E} uma estrutura de relgio.
Os passos 2, 3, 4, 6, 7 anteriores definem o me-
canismo de gerao de uma trajetria do autmato
e as condies iniciais so dadas por:
y
i
= v
i,1
N
i
= 1
y
i
= indefinido
N
i
= 0
i(x
0
)
i(x
0
)
19
A informao necessria para determinar a traje-
tria do sistema aps a k-sima transio, co-
nhecendo-se as entradas v
1
, ..., v
m
, portanto:
x
k
, y
1,k
, ..., y
m,k
, N
1,k
, ...., N
m,k
Deve-se observar que este conjunto mnimo e
completo, caracterizando o estado do sistema.
Este fato fica evidenciado com a seguinte notao:
(novamente abandona-se o ndice k)
y = [y
1
, ..., y
m
]
T
N = [N
1
, ..., N
m
]
T
x = f
x
(x, y, N,v
1
, ..., v
m
)
pois: x = f(x,e)
e = arg min {y
i
}
i(x)
20
y = f
y
(x, y, N,v
1
, ..., v
m
)
pois:
y
i
y
*
se ie e i(x)
v
i,Ni +1
se i=e ou i(x)
y
i
=
i(x)
y
*
= min {y
i
}
i(x)
N
i
=
N
i
+ 1 se i=e ou i(x)
N
i
caso contrrio
i(x)
N = f
N
(x, y, N,v
1
, ..., v
m
)
pois:
v
1
= {v
1,1
, v
1,2
, ...}
v
m
= {v
m,1
, v
m,2
, ...}
x = f
x
(x, y, N,v
1
, ..., v
m
)
y = f
y
(x, y, N,v
1
, ..., v
m
)
N = f
N
(x, y, N,v
1
, ..., v
m
)
.
.
.
{(e
1
,t
1
), (e
2
,t
2
)...}
x: estado fsico, externo ou do processo
(x, y, N): estado interno ou do sistema
21
Exemplo:
1 0 2
= {1,0; 1,5; 1,5; ...}

v
= {2,0; 0,5; 1,5; ...}
y
,0
y
,0
y
,1
y
,2
y
,2
y
,3
y
,3
0 1 2 0
1,0 2,0
2,5 3,0 4,0
22
Autmato temporizado para uma fila
chegada de clientes partida de clientes
fila
servidor
E = {a, d}, X = {0, 1, 2, ...}
(x) = {a, d} x > 0 (0) = {a}
x + 1 se e= a
x 1 se e= d e x > 0
f(x,e) =
e=
d se y
d
< y
a
e x > 0
a caso contrrio
y
a
=
y
a
y
d
se e= d
v
a,Na + 1
caso contrrio
y
d
y
a
se e= a e x > 0
v
d,Nd + 1
caso contrrio
y
d
=
N
a
+ 1 se e= a e x > 0
N
a
caso contrrio
N
d
+ 1 se [e=a e x=0] ou [e=d e x>1]
N
d
caso contrrio
N
a
=
N
d
=
23
Esquema de Escalonamento de Eventos
variante do modelo anterior direcionado para
implementao em computador
a base para os simuladores orientados a evento
Fundamento:
Quando o evento i ativado no instante de evento t
n
com escore N
i
, sua prxima ocorrncia escalona-
da para o instante t
n
+ v
i, Ni + 1
Em lugar de se registrar os valores de y
i
, mantem-se
uma lista de eventos escalonados:
L = {(e
k
, t
k
)}, k = 1, 2, ..., m
L
onde m
L
m o nmero de eventos habilitados
no estado corrente
Esta lista (calendrio de eventos) deve ser ordenada
pelo valor de t
k
, de modo que o primeiro evento da
lista sempre o prximo a ocorrer.
24
calendrio de eventos
e
1
t
1
e
2
t
2
.
.
.
.
.
.
estado
x
atualiza es-
tado:
x= f(x,e)
atualiza tempo
deleta eventos
infactveis acrescenta even-
tos habilitados
e reoordena.
estrutura
de relgio
v
i,k
tempo
t
inicializao
t
t
x
x
25
Procedimento de execuo do modelo:
(gerao de uma amostra de trajetria)
Inicializao:
Inicializar o ESTADO com algum valor x
0
Inicializar o TEMPO com t = 0
Inicializar o CALENDRIO DE EVENTOS
com os eventos habilitados em x
0
e orden-lo
Para cada ocorrncia de evento:
P1) Remover a primeira linha do calendrio;
P2) Atualizar o tempo com o valor t
1
;
P3) Atualizar o estado de acordo com x=f(x,e
1
);
P4) Deletar do calendrio as linhas correspondentes
a eventos infactveis no novo estado;
P5) Acrescentar ao calendrio os eventos factveis que
ainda no estejam escalonados; o tempo associado
ao novo evento obtido adicionando-se ao tempo
corrente o valor apropriado da estrutura de relgio;
P6) Reordenar o calendrio por ordem crescente do
valor do tempo em que os eventos foram escalona-
dos.
26
Autmatos Temporizados Estocsticos
At este ponto no se considerou a intervenincia de
aspectos estocsticos na dinmica de um sistema di-
nmico. Contudo este um aspecto absolutamente
comum em sistemas reais.
Para a completa e eficiente caracterizao dos as-
pectos estocsticos de um sistema necessrio o
estudo de processos estocsticos
No cap. 5 ser proposta uma reviso de teoria de
probabilidades, processos estocsticos, teoria de
filas e estatstica, visando:
uma melhor compreenso dos modelos apresen-
tados neste captulo;
caracterizar alguns sistemas particulares teis;
instrumentar para a gerao de processos aleat-
rios e para a anlise de resultados de simulao.
27
Aspectos estocsticos so introduzidos em aut-
matos temporizados atravs de:
Uma estrutura de relgio estocstica;
Probabilidade para o estado inicial;
Probabilidade de transio de estado.
Uma estrutura de relgio estocstica, associada a
um conjunto de eventos E, um conjunto de funes
de distribuio:
G = {G
i
: iE}
caracterizando as sequncias de relgio estocsticas:
{V
i,k
} = {V
i,1
, V
i,2
, ...}, i E, V
i,k
R
+
, k=1,2,...
Por simplicidade, em geral assume-se que as se-
quncias de relgio so iid e independentes umas
das outras. Portanto cada {V
i,k
} completamente
caracterizada por uma funo de distribuio
G
i
(t) = P[V
i
t]
28
Adota-se uma notao semelhante adotada
para os autmatos temporizados:
X o estado corrente;
E o evento mais recente;
T o tempo de ocorrncia do evento mais recente;
N
i
o escore corrente do evento i;
Y
i
o valor de relgio corrente do evento i.
X', E', T ', N
i
', Y
i
' denotam as mesmas variveis
aps a ocorrncia do prximo evento.
O estado inicial ser definido como uma varivel
aleatria X
0
:
p
0
(x) = P[X
0
= x], x X
A transio de estado definida por uma probabi-
lidade de transio:
p(x'; x, e') = P[X' = x' | X = x, E'= e'], x,x'X ; e'E
Os conjuntos de estados e de eventos sero re-
presentados respectivamente por X e E.
obs.: maisculas indicam variveis aleatrias
29
Define-se um autmato temporizado estocstico co-
mo sendo a heptupla (E, X, , p, p
0
, G, X
m
) onde:
E um conjunto enumervel de eventos;
X um espao de estados enumervel;
(x) um conjunto de eventos habilitados, definido
x X, com (x) E;
p(x'; x,e') a probabilidade de transio de estado de-
definida x,x' X, e'E e tal que
p(x'; x,e') = 0 para todo e' (x);
p
0
(x) a funo de probabilidade P[X
0
=x], x X
do estado inicial X
0
;
G = {G
i
: iE} uma estrutura de relgio estocstica;
X
m
um conjunto de estados marcados X
m
X
30
As variveis aleatrias do modelo so relacionadas
pelas seguintes expresses:
X' = x' com probabilidade p(x'; x,e')
E = arg min {Y
i
}
i(X)
Y
i
Y
*
se i E' e i (X)
V
i,Ni + 1
se i = E' ou i (X)
Y
i
' = i (X')
Y
*
= min {Y
i
}
i(X)
N
i
+ 1 se i = E' ou i (X)
N
i
caso contrrio
i (X') N
i
' =
{V
i,k
} ~ G
i
(~ "com distribuio")
X
0
~ p
0
(x)
Y
i
= V
i,1
N
i
= 1
i (X
0
)
Y
i
= indef.
N
i
= 0
i (X
0
)
31
Processos Semi-Markovianos Generalizados
GSMP
Considere-se o autmato temporizado estocstico
definido como sendo a heptupla (E, X, , p, p
0
, G, X
m
)
onde:
E um conjunto enumervel de eventos;
X um espao de estados enumervel;
(x) um conjunto de eventos habilitados, definido
x X, com (x) E;
p(x'; x,e') a probabilidade de transio de estado de-
definida x,x' X, e'E e tal que
p(x'; x,e') = 0 para todo e' (x);
p
0
(x) a funo de probabilidade P[X
0
=x], x X
do estado inicial X
0
;
G = {G
i
: iE} uma estrutura de relgio estocstica;
X
m
um conjunto de estados marcados X
m
X
O processo estocstico gerado pelo estado X
por definio um processo estocstico semi-mar-
koviano generalizado (GSMP)
32
Anlise de um GSMP:
Quais as caractersticas do GSMP X(t) gerado por
um autmato estocstico ?
De modo geral, como obter P[X(t) = x] ?
Note-se que a sequncia X
k
est 'contida' no pro-
cesso X(t) onde k conta as ocorrncias de eventos
Outros processos de intersse:
A sequncia de tempos intereventos: Y
k
*
A sequncia de eventos: E
k
O processo escore do evento i E: N
i
(t)
O processo de contagem conhecido como Pro-
cesso de Poisson a base para o estabelecimen-
to de alguns modelos simples para autmatos
estocsticos.
33
Autmatos Estocsticos e
Processos de Poisson
Observaes:
Consideremos novamente o autmato estocstico
temporizado definido por (E, X, , p, p
0
, G, X
m
).
1. Um processo de Poisson pode ser visto como
um GSMP gerado pelo autmato:
E = {e}
X = {0, 1, 2, 3, ...}
(x) = {e} , x X
p(x+1;x,e)=1
p
0
(0)=1
G(t) = 1 e
t
; para algum
X
m
= X
2. Uma superposio de processos de Poisson
GSMP obtido por autmato estocstico no qual:
E = {e
1
, e
2
, ..., e
m
}
G
i
(t) = 1 e
(i)t
; para algum
i
(x) = E , x X
34
Autmatos com estrutura de relgio
poissoniana
m , 2, 1, i ; e 1 ) t ( G ] t V [ P
t
i i
i
K = = =

Ou seja, cada sequncia de relgio um processo
de Poisson.
Alm disso supe-se que cada processo indepen-
dente.
Pergunta-se:
a) Como esto distribudos os tempos intereventos?
b) Como esto distribudos os eventos?
c) Como evolui o estado?
Seja agora o autmato estocstico temporizado
dado por (E, X, , p, p
0
, G, X
m
) tendo como ni-
ca restrio que a estrutura de relgio G = {G
i
: iE}
seja tal que:
35
a) Qual a distribuio da v.a. associada aos tempos
intereventos:
} Y { min Y
i
) x ( i
*

=
Tem-se:
t ) x (
t
) x ( i
i
) x ( i
* *
e 1
e 1 ] t Y [ P 1
] t Y [ P 1 ] t Y [ P
i

=
= = > =
= > =
onde:

=
) x ( i
i
) x (
Portanto:
t ) x ( *
e 1 ) x , t ( G ] t ) x ( Y [ P

= =
obs.: esta distribuio funo do estado.
36
Apesar de ser funo do estado esta distribuio
exponencial e a propriedade de no-memria
continua vlida:
t ) x ( * * *
e 1 ] t ) x ( Y [ P ] z ) x ( Y | t z ) x ( Y [ P

= = > +
Se o evento i desabilitado e posteriormente reabi-
litado indiferente ter como prximo tempo inter-
evento:
um novo tempo de vida;
o tempo residual da distribuio anterior
pois ambos tem a mesma distribuio.
Diferena em relao superposio de processos
de Poisson: variao do parmetro (x).
Em consequncia: a v.a. Y
*
(x) no i.i.d.
37
b) Qual a probabilidade de ocorrncia de um certo
evento num certo estado ?
m ..., 2, 1, i ]; x X | i ' E [ P ) x , i ( p = = = =
x X
se i (x) ento p(i, x) = 0
P[E' = i] = P[Y
i
W]
onde:
} Y { min W
j
i j
) x ( j
= =
0
W i i
dy ) y ( f ] y W | W Y [ P ] W Y [ P
Pelo teorema da probabilidade total:
38
mas:
y
i i
i
e 1 ] y Y [ P ] y W | W Y [ P

= = =
a)
b)
y
i
e 1 ] y W [ P

=
onde:
i
= (x)
i
portanto:
y
i W
i
e ) y ( f

=
) x ( ) x (
1
dy e ) e 1 (
dy ) y ( f ] y W | W Y [ P ] W Y [ P
i i
0
y
i
y
0
W i i
i i
=
= =
= = =
Tem-se portanto:
Finalmente:
) x (
) x , i ( p
i
=
39
Exemplo:
classe 1:
1
classe 2:
2
classe 1:
1
classe 2:
2
Tempos de chegada e de servio exponenciais
conj. de eventos: E = {a
1
, a
2
, d
1
, d
2
}
estado = x = [c
1
, c
2
, ..., c
n
];
onde: c
i
a classe do i-simo cliente na fila;
n o tamanho da fila;
c
1
a classe do cliente em atendimento;
x = 0 indica sistema ocioso.
Alguma questes podem ser facilmente respondidas:
Se x = 0 quanto se espera em mdia para ocorrer
x 0 ? Resp.: 1/(
1
+
2
)
Se c
1
= 1, qual a probabilidade de que o prximo
evento seja uma partida ? Resp.:
1
/(
1
+
2
+
1
)
40
c) Como evolui o estado?
Quando as sequncias de relgio de um autmato so
poissonianas, ele se reduz a uma cadeia de Markov,
isto :
= = = =
+ +
] x ) t ( X , , x ) t ( X , x ) t ( X | x ) t ( X [ P
0 0 1 k 1 k k k 1 k 1 k
L
] x ) t ( X | x ) t ( X [ P
k k 1 k 1 k
= =
+ +
De fato:
a probabilidade de transio de um estado dado x
a um estado qualquer x', dado que ocorrer o evento
e' conhecida a-priori (da definio do autmato):
p(x'; x,e')
a probabilidade de ocorrer um evento i, dado que
o estado x s depende do estado (como se acabou
de mostrar):
) x (
) x , i ( p
i
=
41
Portanto, a probabilidade de que ocorra o estado x',
dado que o estado atual seja x no depende dos es-
tados anteriores:
p(x' | x) = P[X' = x' | X = x]
Para se obter estas probabilidades, pode-se aplicar
a regra da probabilidade total para todos os eventos
possveis i (x)

= = = = = =
) x ( i
] x X | i ' E [ P ] x X , i ' E | ' x ' X [ P ) x , ' x ( p
) x (
) x , i ( p ] x X | i ' E [ P
i
= = = =
Considerando que:
) i , x ; ' x ( p ] x X , i ' E | ' x ' X [ P = = = =
Conclui-se:
=
) x ( i
i
) x (
) i , x ; ' x ( p ) x , ' x ( p
42
Observao:
A gerao da trajetria de um autmato estocs-
tico envolve, em geral, a atualizao do tempos
de vida dos eventos i (x).
Se entretanto as sequncias de relgio forem
poissonianas irrelevante utilizar os tempos
residuais ou um novo sorteio de tempo de vida.
portanto mais fcil, a cada estado sortear todos
os tempos intereventos i (x) de modo que o
prximo evento estar associado ao mnimo tempo.
Outra alternativa conhecer diretamente as proba-
bilidades p(x', x) e gerar a sequncia de estados
sem o intermdio da sequncia de eventos

4 ControleSupervisorio Unicamp

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

4 ControleSupervisorio Unicamp

Enviado por

Direitos autorais:

Formatos disponíveis

1

Simulao de Sistemas Dinmicos

= {1,0; 1,5; 1,5; ...}

= {2,0; 0,5; 1,5; ...}

Você também pode gostar