Bornes Stochastiques
(Stochastic Bounds)
BOUCHAMA Nadir & YAHIAOUI Saïd
JUILLET 2004
PLAN
PLAN
Introduction
Les méthodes des Bornes
Ordre Stochastique Fort de Stoyan
Algorithme de Vincent : étude, exemples et critique
Méthodes pour réduire la complexité : matrices de Hessenberg
supérieures, Matrices de la classe C, décomposabilité, etc.
Ordre icx
Exemple : taux de perte dans un tampon ATM
Conclusion
Méthodes
Méthodes pour
pour l’évaluation
l’évaluation de
de
performances
performances
Évaluation de Performances:
Consiste en deux étapes :
1. Modélisation
- Développement d’une description formelle du système
2. Résolution
- Obtention des prédictions de Performances du système
Introduction
Introduction
Les systèmes complexes à grand espace d’états ont une matrice
de transition P très volumineuse
Problème de stockage de la matrice P
Une représentation tensorielle de la matrice de transition P
P = ∑⊗ j M i j
i
Ceci permet un stockage efficace de la matrice de transition
Mais, augmente le temps de l’analyse numérique de la chaîne
Introduction
Introduction (2)
(2)
Comment procéder ?
Concevoir automatiquement une nouvelle chaîne telle
que:
- Les fonctions de récompense sont des bornes sup et
inf des fonctions exactes
- La nouvelle matrice est plus facile à résoudre
Basé sur la notion d’ordre stochastique des variables
aléatoires et les chaînes de Markov
Notion
Notion d’ordre
d’ordre stochastique
stochastique
(Stochastic
(Stochastic Order)
Order)
Définir un ordre
Encadrer stochastiquement les fonctions de récompense
En général, l’espace des états est discret et dénombrable
Dans la littérature, il existe plusieurs types d’ordres selon
les problèmes étudiés: st, icx,….
Ici, on va considérer l’Ordre Stochastique Fort (Strong
Stochastic Order) défini par Stoyan.
Définition 1
Soient X et Y des variables aléatoires prenant des valeurs
dans un espace totalement ordonné. Alors X est dit plus
petit que Y dans le sens stochastique fort noté
X <st Y si et seulement si
E[ f(X)] ≤ E[ f(Y)]
Pour toutes les fonctions non décroissantes f où l‘espérance existe.
Ordre
Ordre stochastique
stochastique fort
fort
(strong
(strong stochastic
stochastic order)
order)
Définition 2 (en utilisant la matrice Kst )
Si X et Y prennent des valeurs dans l’espace d’états fini {1, 2,…, n}
avec p et q comme des vecteurs de distribution de probabilité alors:
X est dit plus petit que Y dans le sens stochastique fort noté X <st Y
si et seulement si
Avec:
1 0 0 ... 0
1 1 0 ... 0
Kst = 1 1 1 ... 0
... ... ... ... 0
1 1 1 ... 1
Exemple
Exemple dede deux
deux vecteurs
vecteurs ordonnés
ordonnés
selon
selon l’ordre
l’ordre stochastique
stochastique fort
fort
Soient α = (0.1, 0.3, 0.4, 0.2)
β = (0.1, 0.1, 0.5, 0.3)
deux vecteurs de distributions de probabilités.
Alors α <st β car :
0.2 ≤ 0.3
0.4 + 0.2 ≤ 0.5 + 0.3
0.3 + 0.4 + 0.2 ≤ 0.1 + 0.5 + 0.3
Comparaison
Comparaison stochastique
stochastique de
de deux
deux CM
CM
Définition 3
soient P et Q deux matrices stochastiques. Alors P <st Q
ssi: P.Kst ≤ Q.Kst
Ceci peut être caractérisé par:
Pi,* <st Qi,* pour tout i
st-monotonicité
st-monotonicité
Définition 4
Soit P une matrice stochastique, P est st-monotone SSI pour tout u
et v, si u <st v alors uP <st vP.
Propriété
Soit P une matrice stochastique, P est st-monotone SSI pour tout i,
j > i, on a Pi,* <st Pj,*
Algorithme
Algorithme de
de Vincent
Vincent
(construction
(construction d’une
d’une borne
borne supérieure
supérieure optimale)
optimale)
0.5 0.2 0.1 0.1 0.1 0.5 0.2 0.1 0.1 0.1
1.0 0.0 0.0 0.0 0.0 0.5 0.2 0.1 0.1 0.1
P= 1.0 0.0 0.0 0.0 0.0 v (P) = 0.5 0.2 0.1 0.1 0.1
1.0 0.0 0.0 0.0 0.0 0.5 0.2 0.1 0.1 0.1
1.0 0.0 0.0 0.0 0.0 0.5 0.2 0.1 0.1 0.1
Algorithme
Algorithme 22
(Utlisation
(Utlisationd’une
d’unevaleur
valeurεεpositive
positiveetetstrictement
strictementinférieure
inférieureàà1.0)
1.0)
Améliorer
Améliorer l’exactitude
l’exactitude de
de la
la distribution
distribution de
de
l’état
l’état stationnaire
stationnaire (principes
(principes de
de base)
base)
Question :
Comment peut-on améliorer l’exactitude de la distribution stationnaire ?
Théorème
Soient P une CMTD et deux variables réelles δ1, δ2 ∈
[0,1] et tels
que δ1 < δ2. Alors:
πv (α ( P , δ 1)) <st πv (α ( P , δ 2 )) <st πv ( P )
Remarque :
Si Φ(X) = X/2 + I/2 alors, plus le degré de Φ est plus
grand, plus la borne de v(Φ(P)) est exacte.
Exemple : Ceci est illustré par l’exemple suivant :
0.1 0.2 0.4 0.3
0.2 0.3 0.2 0.3
P=
0.1 0.5 0.4 0
0.2 0.1 0.3 0.4
Et, 0 .1 0 .2 0 .4 0 .3
v(P) = 0 .1 0 .2 0 .4 0 .3
0 .1 0 .2 0 .4 0 .3
0 .1 0 .2 0 .3 0 .4
Enfin, nous obtenons les distributions stationnaires suivantes:
Définition :
Une matrice H est dite Hessenberg-supérieure ssi Hi,j= 0 pour
i > j+1
Mouvoir la masse de probabilité vers la droite
Exemple :
0.1 0.2 0.4 0.3
0.1 0.2 0.4 0.3
0.0 0.3 0.4 0.3
0.0 0.0 0.6 0.4
Algorithme
Algorithme de
de construction
construction d’une
d’une borne
borne
supérieure
supérieure st-monotone
st-monotone etet Hessenberg
Hessenberg
supérieure
supérieure
Décomposabilité
Décomposabilité en
en blocs
blocs (Lumpability)
(Lumpability)
Définition 1
Soient X et Y des variables aléatoires prenant des
valeurs dans un espace totalement ordonné. Alors X est
dit X <icx Y si et seulement si
E[ f(X)] ≤ E[ f(Y)]
pour toutes les fonctions convexes non décroissantes f
où l‘espérance existe.
Autre
Autre définition
définition de
de l’ordre
l’ordre icx
icx
Définition 2 (en utilisant la matrice Kicx )
Si X et Y prennent des valeurs dans l’espace d’états fini {1, 2,…, n} avec p et q comme des vecteurs de distribution de probabilité alors X <st Y si et seulement si
Avec
p.Kicx ≤ q.Kicx
1 0 0 ... 0
2 1 0 ... 0
Kicx = 3
...
2
...
1
...
...
...
0
0
n n −1 n −2 ... 1
Autre
Autre définition
définition de
de l’ordre
l’ordre icx
icx (suite)
(suite)
car
Remarque
Remarque
T
Kicv = - Kicx
Caractéristiques
Caractéristiques
La comparaison selon l’ordre « icx » ainsi que la monotonicité des matrices stochastiques
sont définies de façon analogue que celles pour l’ordre « st »
Une condition suffisante pour la icx-monotonicité est
donnée par:
La condition ci-dessus conduit à une chaîne de Markov dont le dernier état est absorbant.
Benmammoun à défini ds conditions nécessaires et suffisantes pour la icx-monotonicité
Conditions
Conditions de
de Benmammoun
Benmammoun
?
Utiliser des heuristiques….
icx-monotonicité
icx-monotonicité pour
pour les
les matrices
matrices stochastiques
stochastiques
de
de la
la classe
classe C
C
Proposition 1
P est st-monotone ⇒
P est icx-monotone
Idée clé : Réduire l’espace des états par décomposition de la chaîne initiale en
macro-états (ne pas représenter les cas où il y a un nombre élevé de cellules
L)
On définit des macro états (T,Y) avec T-F ≤ Y ≤ T
Pour un processus d’arrivées plus général, la fonction de récompense est
donnée par:
Application
Application sur
sur un
un tampon
tampon de
de taille
taille 44