Vorlesung: Diskrete Simulation – Modellierung und Simulation von Rechen- und Kommunikationssystemen

Modul

Diskrete Simulation – Modellierung und Simulation von Rechen- und Kommunikationssystemen (IN2045)

Vorlesung

Diskrete Simulation – Modellierung und Simulation von Rechen- und Kommunikationssystemen (IN2045)

Dozenten

Prof. Carle, Dr. Alexander Klein, Dr. Nils Kammenhuber

SWS

2V+1Ü

ECTS Credits

4

Registration

Bei Teilnahme an diesem Kurs bitten wir um Registrierung per Online-Formular. Diese Anmeldung ist nicht verbindlich oder in irgendeiner Weise verpflichtend, aber sie ermöglicht uns insbesondere, zeitnah wichtige Mitteilungen per E-Mail zu versenden (z.B. bei Termin- oder Raumänderungen).
Wichtiger Hinweis: Diese Registrierung ersetzt nicht eine eventuell notwendige Anmeldung bei TUMonline!

Raum

03.07.023

Termine

Vorlesung:
Mittwoch: 12:30 (s.t.) – 14:00 ab 20.10.2010 wöchentlich
(Wegen Kollisionen mit anderen Veranstaltungen wurde die Vorlesung gegenüber der ursprünglichen Planung vorverlegt.)

Übung:
Dienstag: 11:00 (s.t.) – 12:00 ab 02.11.2010 wöchentlich

Inhalt

Wann und wozu Simulation. Arten von Simulation: diskret vs. kontinuierlich, eventbasiert vs. zeitbasiert usw. Interner Aufbau eines eventbasierten Simulators. Einfaches Warteschlangenmodell; Überblick Warteschlangentheorie.
Bedeutung von Zufallszahlen und -verteilungen für Simulatoren. Wiederholung von für die Vorlesung benötigten Grundlagen von Statistik und Stochastik: Deskriptive Statistik (Erwartungswert und Mittelwerte, Median und Quantile, Varianz, MAD, Momente usw.), Zufallsverteilungen und ihre Eigenschaften, Autokorrelation, Visualisierungsmethoden. Generierung von Zufallsverteilungen, Qualität von Zufallszahlengeneratoren.
Kurzer Überblick über Arbeit mit Netzwerksimulatoren; Unterschiede Simulator-Programmierung vs. "real world". Typische Workflow-Elemente bei der Forschungs-Arbeit mit Simulatoren: Modellbildung, Experimentplanung, Simulation, Evaluation, Anpassung/Verfeinerung. Verwendung des Simulators OPNet. Einführung in Matlab (Übungen).
Experimentplanung: Faktoranalyse, ANOVA. Was macht eine gute Simulation aus: Realistische Modelle, realistische Prüflasten. Was macht eine gute Auswertung aus: Möglichkeiten zur Varianzreduktion, Konfidenzintervalle. Statistik-Fallstricke, Fehleinschätzungen, wie man mit Statistik/Grafiken lügen kann.
Fortgeschrittene Themen wie z.B.: Simulation von Mobilität und Mobilitätsmodelle; Parallelisierung von Simulation; Praxis-Tips: Simulation beschleunigen.


Slides – WS2010/2011

Name

Content

Link

Lecture

Last update on

Introduction:  

Time slots, grading, exams, etc.                                

Organisation

Lecture contents

20.10.2010

20.10.2010

Chapter 0:

Simulation: What it is, when to use it, and what to take special care of

PDF

26.10.2010

26.10.2010

Chapter 1:

Types of simulators, internals of a discrete event simulators, continuations and coroutines

PDF

27.10.2010

27.10.2010

Chapter 2:

Statistics Fundamentals:

  • Introduction Waiting Queues
  • Random Variable (RV)
  • Probability Space
  • Discrete and Continuous RV
  • Frequency Probability
  • Distribution(discrete)
  • Distribution Function(continuous)
  • PDF & CDF
  • Definitions:
    • Expectation/Mean, Mode, Standard Deviation, Variance, Coefficient of Variation, p-percentile(quantile), Skewness, Scalability Issues,  Covariance, Correlation, Autocorrelation
  • Visualization of Correlation

PDF

03.11.2010

03.11.2010

Chapter 3:

Random Numbers:

  • Generation of Random Variables (RV)
    • Inversion
    • Composition
    • Convolution
    • Accept-Reject
  • Distributions and their Characteristics
    • Uniform(continuous), Normal, Triangle, Lognormal, Exponential, Erlang-k, Gamma,
    • Uniform(discrete), Bernoulli, Geom, Poisson, General Discrete
  • Random Number Generators
    • Linear Congruential Generator(LCG)
    • Shift Register
    • Generalized Feedback Shift Register
    • Mersenne Twister
  • Tests
    • χ² Test
    • Spectral Test
    • Serial Test

PDF

10.11.2010

22.12.2010

Chapter 4a:

Evaluation of Simulation Results:

  • Estimator
  • Consistent Estimator
  • Unbiased Estimator
  • Variance of an Estimator
  • Bessel's Correction
  • Efficient Calculation of an Estimator
  • Confidence Interval
  • Chebyshev Confidence Interval
  • Central Limit Theorem
  • t-Distribution Confidence Interval
  • Evaluation of Simulation Results
  • Replicate-Delete Method
  • Batch Means Method
  • Stationarity

PDF

01.12.2010

14.12.2010

Chapter 4b:

How to Lie with Statistics:

  • Lessons for Authors and Readers
  • Examples and Discussion

PDF

22.12.2010

22.12.2010

Chapter 4c:

Model Validation:

  • Calibration
  • Structural Change
  • Parameter Change
  • Overfitting
  • Comparison of Confidence Intervals:
    • Welsh
    • Law & Kelton

PDF

19.01.2011

19.01.2011

Chapter 5:

Experiment Planning:

  • Hypothesis Testing
  • Linear Regression
  • Variance Analysis (ANOVA)
  • Factorial Design

PDF

08.12.2010,
15.12.2010

08.12.2010

Chapter 6:

Parallel Simulation:

  • Conservative approach: Deadlock avoidance, deadlock detection and recovery
  • Optimistic approach: Time Warp
  • Alternatives to parallel simulation

PDF

19.01.2011, 26.01.2011

Chapter 7:

Mobility:

  • Mobility in General
    • Human Mobility Pattern
    • Visualization
      • Density
      • Speed Histograms
    • Bouncing Rule
    • Obstacles
  • Characteristics of Mobility Pattern
    • Link Duration
    • Transient Phase
    • Node Distribution
    • Speed Distribution
    • Correlated Movement
  • Synthetic Mobility Models
    • Random Waypoint
    • Random Direction
    • Random Walk
      • Levi-Flight
      • Brownian Motion
    • Group Mobility

PDF

12.01.2011

12.01.2011

Chapter 8:

Point Fields and Random Graphs:

  • Point Fields
    • Generation of Point Fields
    • Homogeneous and Inhomogeneous Point Fields
    • Poisson Field
    • Clusterfields
    • Matern Cluster Field
  • Random Graphs
    • Graph Definition
    • Node Degree
    • Generation of Random Graphs (Probabilistic Model, Waxman Model)
    • Random Graphs with Predefined Characteristics
    • Scale-free Graphs

PDF

12.01.2011, 19.01.2011

19.01.2011

Matlab

Matlab Tutorial:

  • Basic Functions
  • Calculation of:
    • Histogram
    • Probability Density Function (PDF)
    • Cumulative Density Function (CDF)
    • Percentile / Quantile


Übungsblatt

Übungsblatt

Hintergrundinfos

Abgabe

Besprechung

Besprechung / Lösung

Übungsblatt 1

Class Description

02.11.2010

02.11.2010

Lösung(Java Code)

Übungsblatt 2

Class Description

08.11.2010

09.11.2010

Besprechung + Lösung(Java Code)

Übungsblatt 3

---------------------

17.11.2010

17.11.2010

Lösung(Java Code)

Übungsblatt 4

Class Description

30.11.2010

30.11.2010

Lösung(Java Code)

Übungsblatt 5

Class Description / Sample Files

07.12.2010

07.12.2010

Lösung(Java Code)

Übungsblatt 6

---------------------

14.12.2010

14.12.2010

Lösung(Java Code)

Übungsblatt 7

---------------------

21.12.2010

21.12.2010

Lösung(Java Code)

Übungsblatt 8

---------------------

17.01.2011

18.01.2011

Lösung(Java Code)

Übungsblatt 9

---------------------

24.01.2011

25.01.2011

Lösung(Java Code)