Домен коллизий (collision domain) — это часть сети Ethernet, все узлы которой распознают коллизию независимо от того, в какой части этой сети коллизия воз­никла. Сеть Ethernet, построенная на повторителях, всегда образует один домен коллизий. Домен коллизий соответствует одной разделяемой среде. Мосты, ком­мутаторы и маршрутизаторы делят сеть Ethernet на несколько доменов коллизий.

2.Разработка имитационных моделей

2.1 Постановка задачи разработки моделей ЛВС, представленные топологии

Основной задачей данной выпускной работы является создание моделей ЛВС по методу Монте-Карло, рассмотрение метода случайного доступа: определение незанятости среды, захват среды, распознавание и отработка коллизий; исследование характеристик моделей, их сравнение для данных топологий:

Топология номер 1 номер 2 номер 3

рис.15

2.2 Метод математического моделирования

Имитационное моделирование

При имитационном моделировании реализующий модель алго­ритм воспроизводит процесс функционирования системы S во вре­мени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последователь­ности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики систе­мы S.

Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно про­сто учитывать такие факторы, как наличие дискретных и непрерыв­ных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто созда­ют трудности при аналитических исследованиях. В настоящее время имитационное моделирование — наиболее эффективный метод ис­следования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы.

Когда результаты, полученные при воспроизведении на имита­ционной модели процесса функционирования системы S, являются реализациями случайных величин и функций, тогда для нахождения характеристик процесса требуется его многократное воспроизведе­ние с последующей статистической обработкой информации и целесообразно в качестве метода машинной реализации имитационной модели использовать метод статистического моделирования. Пер­воначально был разработан метод статистических испытаний, пред­ставляющий собой, численный метод, который применялся для мо­делирования случайных величин и функций, вероятностные харак­теристики которых совпадали с решениями аналитических задач (такая процедура получила название метода Монте-Карло). Затем этот прием стали применять и для машинной имитации с целью исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, т.о. появился метод стати­стического моделирования. Таким образом, методом статистического моделирования будем в дальнейшем назы­вать метод машинной реализации имитационной модели, а мето­дом статистических испытаний (Монте-Карло) — числен­ный метод решения аналитической задачи.

Метод имитационного моделирования позволяет решать задачи анализа больших систем S, включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управле­ния системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в ос­нову структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая являет­ся оптимальной по некоторым критериям оценки эффективности.

При решении задач машинного синтеза систем на основе их имитационных моделей помимо разработки моделирующих алго­ритмов для анализа фиксированной системы необходимо также разработать алгоритмы поиска оптимального варианта системы.

Комбинированное (аналитико-имитационное) моделирование при анализе и синтезе систем позволяет объединить достоинства анали­тического и имитационного моделирования. При построении ком­бинированных моделей проводится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы и для тех из них, где это возможно, используются аналитические модели, а для остальных подпроцессов строятся имитационные модели. Такой комбинированный подход позволяет охватить каче­ственно новые классы систем, которые не могут быть исследованы с использованием только аналитического и имитационного модели­рования в отдельности.

Математическое моделирование

Для исследования характерис­тик процесса функционирования любой системы S математичес­кими методами, включая и машинные, должна быть проведена формализация этого процесса, т.е. построена математическая мо­дель.

Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристи­ки рассматриваемого реального объекта. Вид математической мо­дели зависит как от природы реального объекта, так и задач ис­следования объекта и требуемой достоверности и точности решения этой задачи. Любая математическая модель, как и всякая другая, описывает реальный объект лишь с некоторой степенью приближе­ния к действительности. Математическое моделирование для исследования характеристик процесса функционирования систем мож­но разделить на аналитическое, имитационное и комбинированное.

Для аналитического моделирования характерно то, что процессы функционирования элементов системы записываются в виде неко­торых функциональных соотношений (алгебраических, интегродифференциальных, конечно-разностных и т. п.) или логических усло­вий. Аналитическая модель может быть исследована следующими методами: а) аналитическим, когда стремятся получить в общем виде явные зависимости для искомых характеристик; б) численным, когда, не умея решать уравнений в общем виде, стремятся получить числовые результаты при конкретных начальных данных; в) качест­венным, когда, не имея решения в явном виде, можно найти неко­торые свойства решения (например, оценить устойчивость реше­ния).

Наиболее полное исследование процесса функционирования си­стемы можно провести, если известны явные зависимости, связывающие искомые характеристики с начальными условиями, парамет­рами и переменными системы S. Однако такие зависимости удается 'получить только для сравнительно простых систем. При усложне­нии систем исследование их аналитическим методом наталкивается на значительные трудности, которые часто бывают непреодолимы­ми. Поэтому, желая использовать аналитический метод, в этом случае идут на существенное упрощение первоначальной модели, чтобы иметь возможность изучить хотя бы общие свойства систе­мы. Такое исследование на упрощенной модели аналитическим методом помогает получить ориентировочные результаты для определения более точных оценок другими методами. Численный метод позволяет исследовать по сравнению с аналитическим мето­дом более широкий класс систем, но при этом полученные решения носят частный характер. Численный метод особенно эффективен при использовании ЭВМ.