§ II.6. ЭКСПЕРИМЕНТ МАШИННОГО САМОАНАЛИЗА

Для расчета распределения случайного числа ячеек памяти к. у. в задачах различения информационных потоков целесообразно использование статистического экспериментирования на вычислительных машинах. С его помощью можно производить экспериментальное определение распределений в случаях, не поддающихся прямому аналитическому расчету (например, в случае подвижных образов порядка, рассмотренном Доп. I). В более простом случае неподвижных образов, поддающемся прямому аналитическому расчету (11.4), такого рода эксперименты полезны для сопоставления теоретических и экспериментальных результатов. Ниже излагаются результаты [78], основанные на естественном для данной задачи методе машинного самоанализа — машина сама анализирует число занятых ячеек ее памяти. При этом на ее вход поступает процесс, моделирующий входной поток вызовов и в ней же осуществляется статистический анализ поступающих данных, приводящий к случайному времени обслуживания вызовов.

Рассмотрим последовательный анализ данных при их бинарной дискретизации. При этом для машинной реализации удобен алгоритм (2.141) последовательного анализа.

В машинной реализации он приводит к следующим процедурам. После вызова в определенной свободной ячейке памяти машины начинает накапливаться случайное число («вес» в терминологии [53])

где случайная величина, принимающая значения 1 или соответственно при превышении или непревышении напряжения в соответствующем элементе фазового пространства вторичного порога при просмотре,

выражается через параметры процедуры.

Ячейка памяти очищается, если выявляется шумовой или сигнальный характер элемента, где определяется соотношением (11.64). При испытания продолжаются. Принципы составления программы для машины БЭСМ, основанные на указанном выше алгоритме, подробно изложены в [78]. Были получены реализации кривых загрузки памяти Для простоты бралось Нормировка мени в соответствии с принятой в II.4 проводилась следующим образом:

сопоставление с кривой (см. 11.34)

проводилось при значениях параметров с (рис. II.7). Можно видеть, что получено удовлетворительное совпадение теоретических и экспериментальных данных.

Можно сравнить численные результаты, полученные по методике [53], с результатами, полученными в II.4. Для этого используются формулы, связывающие параметры, принятые в [53], с параметрами, принятыми в II.4. Имеем (см. 2.141)

и

где вероятность вызова из шумового элемента.

Рис. II.7. (см. скан) Сопоставление конкретной реализации на БЭСМ с соответствующей при

Случайное число занятых ячеек памяти в дискретный момент представляется в [53] в виде

где — случайное число занятых ячеек, в которых

(кликните для просмотра скана)

В [53] на основе алгоритма (11.62) выведены рекуррентные соотношения для средних значений

Им можно придать следующую компактную форму:

где

и в правой части для

На машине БЭСМ произведен расчет кривой на основе рекуррентных соотношений (11.68), и после нормировки времени ей была сопоставлена соответствующая кривая (11.63).

Сопоставление происходило при следующих значениях параметров: (рис. II.8). Сопоставление обнаружило хорошее согласование. Следует отметить, что рекуррентность счета по формулам (11.68) приводит к накоплению ошибок. Это, возможно, сказалось и при просчете точек кривой [53]) при (Независимые расчеты этой кривой показали, что в действительности она должна идти регулярно ниже, чем в [53].)