dc.contributor.author |
Mellal, Djamel |
|
dc.contributor.author |
Moussaoui, Belaid |
|
dc.contributor.author |
Lekadir, Ouiza ; promotrice |
|
dc.contributor.author |
Hakmi, Sedda ; co-promotrice |
|
dc.date.accessioned |
2021-05-31T08:43:29Z |
|
dc.date.available |
2021-05-31T08:43:29Z |
|
dc.date.issued |
2020 |
|
dc.identifier.uri |
http://hdl.handle.net/123456789/15527 |
|
dc.description |
Option : Modélisation Mathématique et Evaluation des Performances des Réseaux |
en_US |
dc.description.abstract |
Dans ce mémoire, nous montrons comment utiliser les RdP pour modéliser et évaluer les
performances d’un réseau de Jackson fermé [M=M=1 ! M=M=1]. Pour les réseaux de Jackson
ferms il y’a des résultats analytiques exactes, mais ils sont en fonction du nombre de stations
que contient le réseau `a étudier et du nombre de clients qui peuvent circuler dans ces stations
donc ces résultats se compliquent en fur et `a mesure que le nombre des stations et/ou le nombre
de clients dans ces stations augmente. Ainsi, apr`es une modélisation appropriée en utilisant le
formalisme des RdPSG (Réseaux de Petri Stochastiques Généralisés) qui s’adapte `a la structure
de ces réseaux de files d’attente, nous avons pu construire le graphe de marquage du mod`ele qui
nous a permis de construire la cha^ine de Markov qui lui est associée. A partir de cette cha^ine
de Markov la distribution stationnaire est calculée et elle nous a permis d’obtenir les indices de
performances. Ces indices de performance nous les avons obtenus en parall`ele via le simulateur
GRIF
In this work, we show how to use PN to model and evaluate the performance of a closed Jackson
network [M=M=1 ! M=M=1]. For closed Jackson networks there are accurate analytical results,
but they are a function of the number of stations in the network to be studied and the number
of clients that can flow through those stations, so these results become more complicated as
the number of stations and/or the number of clients in those stations increases. Thus, after an
appropriate modeling using the GSPN formalism (Generalized Stochastic Petri Networks) that
adapts to the structure of these queueing networks, we were able to build the marking graph
of the model which allowed us to build the Markov chain associated with it. From this Markov
chain the stationary distribution is computed and it allowed us to obtain the performance
indexes. We obtained these performance indices in parallel via the GRIF simulator |
en_US |
dc.language.iso |
fr |
en_US |
dc.publisher |
université A/Mira Bejaia |
en_US |
dc.subject |
Réseaux de files d'attente : Réseaux de jackson fermé : Réseaux de gordon noel : Réseaux de petri géneralisés : Markov chain : Modélisation |
en_US |
dc.title |
Modélisation et analyse de réseau de files d’attente ferméé [M=M=1 ! M=M=1] via les RdPSG |
en_US |
dc.type |
Thesis |
en_US |