دانلود کتاب Queueing networks and Markov chains: modeling and performance evaluation with computer science applications

ترجمه فارسی توضیحات (ترجمه ماشینی)

شبکه‌های صف و زنجیره‌های مارکوف: مدل‌سازی و ارزیابی عملکرد با کاربردهای علوم رایانه

اولین کتابی که به ارزیابی عملکرد کامپیوتر از منظر تئوری صف و زنجیره مارکوف پرداخته است. شبکه های صف و زنجیره مارکوف پوشش جامعی از تئوری و کاربرد ارزیابی عملکرد رایانه بر اساس شبکه های صف و زنجیره های مارکوف ارائه می دهد. این کتاب با پیشرفت از مفاهیم اساسی به موضوعات پیچیده تر، توضیحی واضح و مختصر از وضعیت هنر در این زمینه مهم ارائه می دهد. خواندن ضروری برای طراحان سیستم و محققان و همچنین دانشجویان فارغ التحصیل دروس تجزیه و تحلیل عملکرد کامپیوتر، این کتاب شامل: * مقدمه ای اساسی بر نظریه احتمال * توضیحی در مورد ویژگی های انواع مختلف زنجیره های مارکوف * مثال های ساده از همه الگوریتم ها * گذرا و الگوریتم های راه حل حالت پایدار * تکنیک های راه حل شناخته شده برای سیستم ها و شبکه ها در صف * طیف گسترده ای از مطالعات کاربردی – از سیستم های مشتری-سرور گرفته تا شبکه های خودپرداز * صدها تصویر، تمرین و موارد دیگر. با پیچیده‌تر شدن سیستم‌های رایانه‌ای و ارتباطات، طراحان سیستم به طور فزاینده‌ای به دنبال یافتن گلوگاه‌های اطلاعاتی یا ایجاد سیستم‌های بهینه برای نیازهای خاص هستند. در مدت زمان کوتاهی، تکنیک‌های مدل‌سازی عملکرد به ابزاری مهم برای این نوع کار تبدیل شده‌اند و برای هر کسی که با مسائل مربوط به قابلیت اطمینان و کیفیت در عملیات، ارتباطات و ساخت سر و کار دارد، ضروری است. شبکه های صف و زنجیره های مارکوف یک راهنمای به روز و مبتنی بر برنامه برای تجزیه و تحلیل عملکرد رایانه است. این تنها کتابی است که در حال حاضر موجود است که تئوری و کاربردهای ارزیابی عملکرد رایانه را با شبکه‌های صف و زنجیره‌های مارکوف ترکیب می‌کند و الگوریتم‌های ارزیابی عملکرد، برنامه‌ها و مطالعات موردی فراوانی را ارائه می‌دهد. شبکه‌های صف و زنجیره‌های مارکوف کاملاً مستقل، تئوری احتمال را معرفی می‌کنند و به وضوح مفاهیم اساسی را قبل از رفتن به موضوعات پیشرفته توضیح می‌دهند. این زنجیره‌های مارکوف و الگوریتم‌های راه‌حل را بررسی می‌کند و بر اساس نتایج به‌دست‌آمده در فصل زنجیره مارکوف برای استخراج رابطه اولیه برای شبکه‌های صف می‌آید. مدل‌سازی و ارزیابی در زمینه انواع سیستم‌ها از جمله سیستم‌های مشتری-سرور، سیستم‌های کششی، سیستم‌های عامل، شبکه‌های ATM و غیره مورد بحث قرار می‌گیرند. نویسندگان تکنیک‌های نوین صف‌بندی و بهینه‌سازی برای شبکه‌های صف، و همچنین روش‌های چندسطحی را برای حل سیستم‌های معادلات مارکویی ارائه می‌کنند. آنها نشان می دهند که چگونه می توان یک الگوریتم راه حل مناسب برای یک مسئله معین را با استفاده از ابزار شبکه صف بندی PEPSY پیدا کرد و چگونه مزایا یا محدودیت های شبکه های صف و زنجیره های مارکوف را با استفاده از تحلیلگر مارکوف MOSES تعیین کرد. علاوه بر این، این کتاب تصاویر و تمرین‌های متعددی را ارائه می‌کند، مثال‌های ساده‌ای را برای همه الگوریتم‌ها ارائه می‌کند، و روش‌های مختلف را برای زمان محاسبه، نیاز ذخیره‌سازی، دقت و کاربرد آن‌ها مقایسه می‌کند. به موقع و جامع، شبکه های صف و زنجیره مارکوف برای پزشکان و محققانی که در این زمینه به سرعت در حال تحول کار می کنند، و همچنین برای دانشجویان فارغ التحصیل در بخش های علوم کامپیوتر ضروری است.

Queueing networks and Markov chains: modeling and performance evaluation with computer science applications

The first book to address computer performance evaluation from the perspective of queueing theory and Markov chains. Queueing Networks and Markov Chains provides comprehensive coverage of the theory and application of computer performance evaluation based on queueing networks and Markov chains. Progressing from basic concepts to more complex topics, this book offers a clear and concise treatment of the state of the art in this important field. Essential reading for system designers and researchers as well as graduate students taking courses in computer performance analysis, this book contains: * A basic introduction to probability theory * An explanation of the characteristics of different types of Markov chains * Simple examples of all algorithms * Transient and steady-state solution algorithms * Well-known solution techniques for queueing systems and networks * A broad range of application studies-from client-server systems to ATM networks * Hundreds of illustrations, exercises, and more. As computer and communications systems become more complex, system designers are increasingly called upon to locate information bottlenecks or create optimal systems for specific needs. In a short period of time, performance modeling techniques have become an important tool for this type of work-and indispensable to anyone dealing with questions of reliability and quality in operations, communications, and manufacturing. Queueing Networks and Markov Chains is an up-to-date, application-driven guide to computer performance analysis. It is the only book currently available that combines theory and applications of computer performance evaluation with queueing networks and Markov chains, and offers an abundance of performance-evaluation algorithms, applications, and case studies. Entirely self-contained, Queueing Networks and Markov Chains introduces probability theory and clearly explains basic concepts before moving to advanced topics. It examines Markov chains and solution algorithms, building on results obtained in the Markov chain chapter to derive the basic relationship for queueing networks. Modeling and evaluation are discussed in the context of a variety of systems-including client-server systems, pulling systems, operating systems, ATM networks, and more. The authors present new queueing and optimization techniques for queueing networks, as well as multilevel methods for the solution of Markovian systems of equations. They show how to find an appropriate solution algorithm for a given problem using the queueing network tool PEPSY and how to determine benefits or limitations of queueing networks and Markov chains using the Markov analyzer MOSES. In addition, the book provides numerous illustrations and exercises, gives simple examples for all algorithms, and compares various methods for their computation time, storage requirement, accuracy, and applicability. Timely and comprehensive, Queueing Networks and Markov Chains is essential for practitioners and researchers working in this rapidly evolving field, as well as for graduate students in computer science departments.