• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 춘계학술대회
• /
• pp.636-638
• /
• 2010

Task scheduling is an integral part of parallel and distributed computing. Extensive research has been conducted in this area leading to significant theoretical and practical results. Stochastic reward nets (SRN) is an extension of stochastic Petri nets and provides compact modeling facilities for system analysis. In this paper, we address task scheduling model using extended timed marked graph, which is a special case of SRNs. And we analyze this model by giving reward measures in SRN.

• 한국정보통신학회논문지
• /
• 제19권12호
• /
• pp.2828-2835
• /
• 2015

본 논문에서는 다양한 다중화 모형과 논스톱 포워딩 기능이 네트워크 서비스의 가용도에 미치는 영향을 비교 분석한다. 다중화 모형 중 no redundancy, 2N redundancy, N-way redundancy, N-way active redundancy 모형에 대한 확률적 리워드 네트(Stochastic Reward Net, SRN) 모델을 설계하고, 각각의 모형에 대해 논스톱 포워딩 기능을 추가한 SRN 모델을 설계한다. 확률적 페트리 네트 패키지(Stochastic Petri Net Package, SPNP)를 활용하여 설계한 SRN 모델의 가용도를 구한다.

• 한국콘텐츠학회논문지
• /
• 제9권1호
• /
• pp.45-52
• /
• 2009

본 논문에서는 통신망의 큐잉망 모델을 링크 고장을 고려한 신뢰도 모델과 함께 개발한다. 가상연결을 갖는 통신망에서 링크 고장시의 신뢰도 분석이 수행된다. 확장된 추계적 페트리 네트인 SRN은 시스템 분석을 위한 다양한 모델링 기능을 제공해 주며 적절한 보상율을 모델에 할당해 줌으로써 원하는 성능지표를 쉽게 구할 수 있다. 재경로를 갖는 신뢰도 분석을 위하여 모델 규격을 정하고 자동으로 모델을 생성하고 그 해를 구하는데 SRN 모델링이 적합함을 보여준다. 링크 고장에 따른 다양한 재경로 설정과 신뢰도 분석을 위하여 SRN을 이용한 마르코프 모델이 개발되고 그 해가 구해진다.

• 한국정보통신학회논문지
• /
• 제18권11호
• /
• pp.2634-2639
• /
• 2014

시스템 및 네트워크의 안정적인 서비스를 위한 기본적인 구조로 다양한 이중화 방식이 있다. 또한 시스템 및 네트워크의 성능을 분석하기 위하여 페트리네트에서부터 Stochastic Reward Net(SRN)에 이르기까지 다양한 성능 분석 모형이 존재한다. 본 논문에서는 정상 상태에서 하나의 액티브 서비스 유닛과 하나의 스탠바이 서비스 유닛을 가진 2N 이중화 방식을 SRN으로 모형화 한다. 성능 분석 소프트웨어인 추계적 페트리네트 패키지 SPNP를 사용하여 2N 이중화 방식의 가용도를 분석한다.

• 한국멀티미디어학회논문지
• /
• 제5권6호
• /
• pp.704-711
• /
• 2002

멀티미디어 이동 통신 시스템은 음성 교환 및 패킷 교환의 실시간과 비실시간의 세 종류 서비스 클래스에 의해 특징지어 진다. 셀에서의 무선 채널은 이들 서로 다른 서비스 클래스의 호에 할당되어 지며 서로 다른 서비스 요구사항을 만족해야 한다. SRN은 추계적 페트리 네트의 확장형으로 모델에 적절한 reward(보상)을 부여함으로써 원하는 성능지표를 쉽게 계산할 수 있는 모델링 도구이다. 본 논문에서는 멀티미디어 이동 통신 시스템의 채널할당과 성능분석을 위한 SRN 모델을 제시한다. 본 논문의 기여도는 성능분석을 위해 필요한 마르코프 체인의 복잡한 해석적 분석대신 종류별 서비스 클래스에 대한 채널할당을 수행할 수 있는 페트리 네트 모델링 기법을 제시하고 모델에서의 보상 개념에 의한 손쉬운 성능분석 수행 방법을 제시하는데 있다.

• 디지털융복합연구
• /
• 제11권12호
• /
• pp.479-485
• /
• 2013

가상화는 다중의 온라인 서비스를 소규모의 컴퓨팅 자원에 배치하는 혁신적인 접근방식이다. 가상화된 서버 환경은 가상머신 (virtual machine: VM)으로 불리는 플랫폼의 다중 성능사이에 공유되는 컴퓨팅 자원들을 허용한다. 서버 가상화를 통해 응용 서버는 가상머신 으로 인캡슐 되었으며 CPU나 메모리 자원 풀에 API와 함께 재배치되었다. 네트워킹과 보안은 네트워크 가상화라는 새로운 소프트웨어 추상화 계층으로 이동하기 시작했으며, 가상 네트워크를 생성함으로써 여러 응용에 대하여 네트워킹과 보안을 빠르게 배치할 수 있게 되었다. SRN은 추계적 페트리 네트의 확장형으로 시스템 분석을 위한 함축된 모델링 기능을 제공한다. 본 논문에서는, 가상 스위치를 기반으로 한 네트워크 가상화 SRN 모델을 개발하고 모델에서 관심 있는 성능지표인 스위칭 지연과 처리율에 대한 수치결과를 가상 스위치 용량과 실행 중인 가상머신 수에 따라 구한다. 이들 성능지표는 SRN 모델에서 적절한 보상율을 제공하는 함수의 기댓값으로 표현되어 그 해가 구해진다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.355-358
• /
• 2007

무선 이동통신 시스템은 음성 위주의 서비스에서 고속의 데이터 전송 및 멀티미디어 서비스로 다양화되고 서비스 수요도 증가되고 있다. 이러한 환경에서 다양화된 서비스에 대한 Qos를 보장하는 호수락 제어 기법에 대한 연구가 진행되고 있다. SRN(Stochastic Reward Net)은 페트리 네트의 확장형으로 성능분석을 위한 다양한 기능을 가진 모델링 도구이다. 본 논문에서는 4세대 이동통신 기술로 기대되고 있는 IEEE 802.16e에서 정의하고 있는 4가지 서비스 클래스를 고려한 호 수락 제어 기법에 대한 모델을 SRN을 이용하여 개발한다.

• 한국정보통신학회논문지
• /
• 제10권6호
• /
• pp.1032-1037
• /
• 2006

채널은 무선망에 있어서 한정된 주요 자원 중의 하나이다. 다양한 채널 관리 기법들이 제시되어 왔으며, 최근 들어 가드채널의 최적화 문제가 부각되고 있다. 본 논문에서는 신경망을 이용한 지능적인 채널 관리 기법을 제안한다. 신경망의 학습 데이터 생성과 성능분석을 위하여 SRN(Stochastic Reward Net) 채널 할당 모델이 개발된다. 제안된 기법에서 신경망은 지도학습 방법인 역전파 알고리즘을 이용하여 최적의 가드채널 값 g를 계산하도록 학습한다. 학습된 신경망을 이용하여 최적의 g를 계산하고, 이를 SRM모델에서 구해진 결과와 비교한다. 실험 결과는 신경망에서 구한 가드채널 수와 SRM모델로부터 구한 가드채널 수의 상대적 차이가 없음을 보여준다.

• 대한전자공학회논문지TC
• /
• 제39권12호
• /
• pp.529-538
• /
• 2002

이동통신 시스템에서 핸드오프호 차단확률을 줄이기 위한 전형적인 방법은 핸드오프호를 위하여 미리 정한 채널수만큼의 채널을 예약하는 것이다. 예약 채널수를 결정하는 문제는 최적화 문제로 계산의 복잡도를 가중시킨다. 본 논문에서는 미리 채널을 예약하지 않고 핸드오프호 차단확률을 줄일 수 있는 호 수락 제어기법을 제안한다. 제안한 호 수락 제어 기법은 신규호 도착에 따른 시스템 상태에 종속하는 gain을 새로운 성능지표로 정의하고, 신규호 도착 시 계산되는 gain 값에 의한 호 수락 결정을 수행한다. SRN은 추계적 페트리 네트의 확장형으로 모델에 적절한 reward를 부여함으로써 원하는 성능지표를 쉽게 계산할 수 있는 모델링 도구이다. 본 논문에서는 gain 계산에 의한 호 수락 제어를 수행할 수 있는 SRN 모델을 개발하고 성능분석을 수행한다. SRN 모델은 2 레벨의 계층 모델로 상위 계층은 멀티미디어 트래픽에서 QoS를 고려한 호 수락 제어와 채널 할당을 나타내는 상태 구조 모델이고 하위 계층은 주어지는 상위계층의 시스템 상태에 따른 gain 값 계산을 수행하는 모델이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2006년도 춘계종합학술대회
• /
• pp.115-119
• /
• 2006

채널은 무선망에 있어서 한정된 주요 자원 중의 하나이다. 다양한 채널 관리 기법들이 제시되어 왔으며, 최근 들어 가드채널의 최적화 문제가 부각되고 있다. 본 논문에서는 신경망을 이용한 지능적인 채널 관리 기법을 제안한다. 신경망의 학습 데이터 생성과 성능분석을 위하여 SRN(Stochastic Reward Net) 채널 할당 모델이 개발된다. 제안된 기법에서 신경망은 지도학습 방법인 역전파 알고리즘을 이용하여 최적의 가드채널 값 g를 계산하도록 학습한다. 학습된 신경망을 이용하여 최적의 g를 계산하고, 이를 SRN모델에서 구해진 결과와 비교한다. 실험결과는 신경망에서 구한 가드채널 수와 SRN 모델로부터 구한 가드채널 수의 상대적 차이가 없음을 보여준다.