Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

ASK41 Pendahuluan Stochastic Jaringan aktivitas ( Stochastic activity networks) atau SAN, lebih tepatnya, bahasa grafik tingkat tinggi untuk menggambarkan.

Presentasi serupa


Presentasi berjudul: "ASK41 Pendahuluan Stochastic Jaringan aktivitas ( Stochastic activity networks) atau SAN, lebih tepatnya, bahasa grafik tingkat tinggi untuk menggambarkan."— Transcript presentasi:

1 ASK41 Pendahuluan Stochastic Jaringan aktivitas ( Stochastic activity networks) atau SAN, lebih tepatnya, bahasa grafik tingkat tinggi untuk menggambarkan prilaku sistem. SAN sangat membantu didalam penggambaran stochastic pada sistem. Contoh : -Banyaknya waktu sebuah program untuk mengeksekusi dapat dihitung dengan tepat jika semua faktor dikenal, tetapi ini hampir tidak mungkin dan kadang-kadang tidak membantu. Pada tingkatan yang lebih abstrak, kita dapat memperkirakan waktu runing dengan variabel acak. - kesalahan kedatangan hampir selalu harus dimodelkan dengan sebuah proses acak. Kita mulai dengan bagian SAN yaitu jaringan Petri.

2 ASK42 Firing Rules untuk SPN Sebuah SPN mengeksekusi mengikuti aturan dibawah : Sebuah transisi dikatakan enabled jika setiap tempat (place) dihubungkan dengan input busur, banyaknya token didalam tempat adalah >= banyaknya input busur yang terhubung ke tempat dan transisi. Contoh: Transisi T1 enabled Sebuah transisi boleh fire jika enabled jika sebuah transisi fire, untuk setiap input busur, sebuah token dihilangkan dari tempat penghubung dan untuk setiap output busur, sebuah token ditambahkan ke tempat penghubung. contoh Spesifikasi prilaku stochastic dari sebuah SPN Sebuah stochastic jaringan petri dibuat dari sebuah jaringan petri dengan : -Memberikan sebuah distribusi waktu eksponensial untuk semua transisi. Waktu merepresentasikan ‘delay’ antara enabling dan firing dari sebuah transisi. - transisi mengeksekusi secara paralel dengan distribusi delay independent.

3 ASK43 Jika minimum dari beberapa eksponensial independent adalah eksponensial itu sendiri. Waktu antara tarnsisi firing adalah eksponensial. Jika sebuah transisi t antara enabled dan sebelum t fire, beberapa transisi lain fire dan merubah state (kondisi) SPN sehingga t tidak lebih panjang enabled, kemudian t batal, sehingga t tidak akan fire. Jika distribusi eksponensial tidak ada memori sama sekali, dapat dikatakan bahwa transisi yang merupakan sisa enabled terus atau kembali restrat, ini sangat tepat tanpa merubah prilaku jaringan. Contoh SPN : membaca / menulis masalah

4 ASK44

5 5

6 6

7 7

8 8

9 9

10 10

11 ASK411

12 ASK412

13 ASK413

14 ASK414

15 ASK415 Model Composition Sebuah komposisi model adalah jalan dari penghubung SAN yang berbeda ke bentuk sebuah model yang lebih besar. Komposisi model mempunyai dua operasi : -Replicate : kombinasi 2 atau lebih SAN yang identik, menahan tempat yang tepat diantara replica -Join : kombinasi 2 atau lebih SAN yang berbeda, mengkombinasi tempat yang tepat untuk mengijinkan berkomunikasi;

16 ASK416

17 ASK417

18 ASK418

19 ASK419

20 ASK420

21 ASK421

22 ASK422

23 ASK423

24 ASK424


Download ppt "ASK41 Pendahuluan Stochastic Jaringan aktivitas ( Stochastic activity networks) atau SAN, lebih tepatnya, bahasa grafik tingkat tinggi untuk menggambarkan."

Presentasi serupa


Iklan oleh Google