DNC是一种基于最小加代数的确定性排队分析理论,基于DNC可以分析数据流在网络传输过程中流量积压和传输延迟的上界,DNC分析的是最坏情况下的网络性能,使得通常情况下,网络资源的利用率都不高。
SNC 通过概率模型来描述网络中的数据流和节点提供的服务特性。
SNC 与DNC 的一个根本不同点:DNC具有一个性质良好的代数结构作为理论基础,而SNC中,是将概率运算融合到最小加代数中,这就破坏了最小加代数原有的良好数学性质。
SNC 应用的一个两个问题:
SNC 应用的一个主要问题就是如何选取合适的到达曲线和服务曲线,以得到更好的性能分析结果。在 DNC 的应用中,求得的到达曲线越小,则理论分析得到的性能上界越好,即越接近于实际性能上界。在 SNC 中,随机到达曲线除了与确定性到达曲线一样有一个流量上界函数之外,还多了一个概率上界函数。SNC到达曲线的流量上界函数选得越小,则其概率上界函数会变得越大。因而 SNC 中到达曲线并不是选得越小越好,而是需要综合考虑其流量上界函数和概率上界函数之间的关系。
SNC应用的另一个主要问题是理论分析的结果是否可以足够接近实际情况下的性能。
<