Application of Control Variable with Routing Probability to Queueing Network Simulation

대기행렬 네트워크 시뮬레이션에서 분지확률 통제변수의 응용

  • Received : 2012.07.03
  • Accepted : 2012.09.27
  • Published : 2012.09.30


This research discusses the application of the control variables to achieve a more precise estimation for the target response in queueing network simulation. The efficiency of control variable method in estimating the response depends upon how we choose a set of control variables strongly correlated with the response and how we construct a function of selected control variables. For a class of queuing network simulations, the random variables that drive the simulation are basically the service-time and routing probability random variables. Most of applications of control variable method focus on utilization of the service time random variables for constructing a controlled estimator. This research attempts to suggest a controlled estimator which uses these two kinds of random variables and explore the efficiency of these estimators in estimating the reponses for computer network system. Simulation experiments on this model show the promising results for application of routing probability control variables. We consider the applications of the routing probability control variables to various simulation models and combined control variables using information of service time and routing probability together in constructing a control variable as future researches.

본 연구는 대기행렬 네트워크 시뮬레이션에서 통제변수를 활용하여 목표 반응변수를 보다 더 정확히 추정하는 기법을 탐색한다. 반응변수 추정에서 통제변수기법의 효율성은 반응변수와 높은 상관관계를 가지는 통제변수의 선택과 선택된 통제변수를 이용하여 통제추정량을 어떻게 정의하는가에 따라 달라진다. 대기행렬 네트워크 시뮬레이션 모형에서 확률적 모형의 발전과정은 확률적 서비스시간과 분지 확률에 의하여 재현된다. 대부분의 통제변수기법은 통제추정치 구성에서 서비스 시간 확률변수를 사용한다. 본 연구는 서비스 시간 확률변수와 분지 확률변수를 동시에 사용하는 통제 추정량을 제안하고 이를 컴퓨터 네트워크 시스템의 관심 반응변수 추정에 응용하여 그 효율성을 탐색하고자 한다. 시뮬레이션 결과는 반응변수 추정에 있어서 분지확률 통제변수의 활용 가능성을 제시하고 있으며, 서비스-시간과 분지확률을 동시에 이용하는 결합 통제변수의 활용은 향후 연구가 필요한 분야로 판단된다.


Supported by : Dong-A University


  1. Anderson, T. W., An Introduction to Multivariate Statistical Analysis, John Wiley & Sons, New York, p. 37, 1984.
  2. Borogobac, T and Vakili, P., "Control Variates Technique: A Constructive Approach", Proceedings of the 2008 winter Simulation Conference, pp. 320-327, 2008.
  3. Kleinrock, L., Queueing Systems Vol. II Computer Applications, John Wiley & Sons, New York, pp.230-232, 1976.
  4. Kwon, C., "Efficiency of Estimation for Parameters by Use of Variance Reduction Techniques", Journal of Korean Society for Simulation, Vol. 14, No. 3, pp. 129-136, 2005.
  5. Kwon, C. and Tew, J. D., "Strategies for Combining Antithetic and Control Variates in Designed Simulation Experiments", Management Science, Vol. 40, No. 8, pp. 1021-1034, 1994a.
  6. Kwon, C. and Tew, J. D., "Combined Correlation Methods for Meta-model Estimation in Multi-population Simulation Experiments", J. of Statistical Computation and Simulation, Vol. 49, pp. 49-75, 1994b.
  7. Lavenberg, S., Moeller, T. and Welch, P., "Statistical Results on Control Variables with Application to Queueing Network Simulation", Operations Research Vol. 30, No. 1, pp. 182-202, 1982.
  8. Law, A. M., Simulation Modeling and Analysis, Fourth Edition, McGraw-Hill, Boston, pp. 357-361, 2007.
  9. Pritsker, A. A. B. and O'reilly, J., Simulation with Visual SLAM and AweSim, John Wiley & sons, New York, 2008.
  10. Szechtman, R., "Control Variates Technique for Monte Carlo Simulation", Proceedings of the 2008 winter Simulation Conference, pp. 144-149, 2003.