선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이는 실제 관측치를 이용하여 추론을 수행할 경우 관측치의 수가 적으면 실패할 가능성이 있음을 내포한다. 따라서 본 논문에서는 가상의 시스템을 구성하고 시뮬레이션 수행결과를 이용하여 실험을 통해 보조정리 1과 정리 1이 어느 정도 수준의 관측치 수에서 적용 가능한지 검토해 보도록한다.
- 각 시스템의 시뮬레이션 결과로부터 도착 및 이탈시점 1,000 쌍(pairs)을 관측하여 본 논문에 제시된 방법론을 적용, 추론을 시도한다. 또한 보조정리 1과 정리 1이 어느 정도의 관측 수준에서 적용 가능한지 알아보기 위해 입력 관측치 수를 변경하면서 해를 도출해 본다.
- 따라서 실제 시스템에 적용하기에는 한계점들이 다소 존재한다. 본 논문에서는 이러한 한계 상황을 극복하기 위해 비모수적 접근 방법(non-parametric approach)을 통한 추론을 소개한다.
- 본 논문은 2011년 발표된 Park et al.[9] 연구의 확장으로서 외부 관측치인 도착 및 이탈시점을 이용하여 대기 행렬시스템의 내부 관측치인 대기시간과 서비스시간을 추론하는 데 그 목적이 있다. 본 연구의 선행연구인 Park et al.
- 본 논문은 기존의 선행연구[9]에 대한 확장연구로서 선입선출 및 후입선출의 대기정책을 갖는 다중서버 대기행렬시스템 추론을 시도하였다. 고객의 도착시점과 이탈시점을 알면 이로부터 서비스 시작시점을 추론하여 대기시간과 서비스시간을 유도할 수 있다.
가설 설정
- 에 대한 확장연구로서 선입선출 및 후입선출의 대기정책을 갖는 다중서버 대기행렬시스템 추론을 시도하였다. 고객의 도착시점과 이탈시점을 알면 이로부터 서비스 시작시점을 추론하여 대기시간과 서비스시간을 유도할 수 있다. 또한 서버의 수를 모르는 경우에는 제안한 최적화식을 이용하여 이를 추론할 수 있다.
- 관측은 초기 (empty & idle) 상태에서 시작하며 도착과 이탈의 두 외부 관측만 가능하다. 선행연구의 유일한 가정은 서비스시간의 독립성이다. 이는 제시된 정리 및 그 증명을 위해 사용되며, Park et al.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.