Made available in DSpace on 2015-04-14T14:50:25Z (GMT). No. of bitstreams: 1 397350.pdf: 1116955 bytes, checksum: 56e8c94cf13d61a08aec37811131b9a1 (MD5) Previous issue date: 2002-02-23 / Os estudos na ?rea de Avalia??o de desempenho de Sistemas t?m evolu?do nos ?ltimos anos, em especial com a defini??o do formalismo de Redes de Aut?matos Estoc?sticos (SAN) e com a implementa??o do algoritmo Shuffle, o qual implementa um m?todo eficiente para a execu??o da multiplica??o vetor-descritor, necess?ria para a resolu??o de modelos SAN. Mais recentemente, foi proposto um novo m?todo para a multiplica??o vetor-descritor, o m?todo slice, que introduzindo novos conceitos, prometia na teoria ser mais eficiente que o tradicional m?todo Shuffle. Pois neste estudo, este rec?m definido e at? ent?o pouco explorado m?todo, foi estudado em detalhes e realizada uma implementa??o incluindo algumas otimiza??es no seu algoritmo original. Ainda, durante este estudo, foram realizadas algumas modifica??es do algoritmo do m?todo Slice com mesmo intuito de resolver modelos SAN funcionais, uma vez que as vers?es anteriores n?o eram capaz de tratar fun??es. Para demonstrar a efici?ncia do m?todo Slice e das otimiza??es propostas, diversos experimentos foram conduzidos utilizando dois modelos SAN. Os resultados de tempo e custo computacional foram analisados e discutidos durante este estudo, comparando-os inclusive com resultados do tradicional m?todo Shuffle. Desta forma, verificou-se o quanto o m?todo Slice pode ser ?til na resolu??o de sistemas, uma vez que os resultados pr?ticos mostram que o m?todo Slice ? mais eficiente que a solu??o tradicional (Shuffle) na maioria dos casos.

Submitted by Caroline Xavier (caroline.xavier@pucrs.br) on 2017-03-20T14:37:41Z No. of bitstreams: 1 TES_JOAQUIM_VINICIUS_CARVALHO_ASSUNCAO_COMPLETO.pdf: 5447781 bytes, checksum: f414b8262d7361d1082fc73dfea5f008 (MD5) / Made available in DSpace on 2017-03-20T14:37:41Z (GMT). No. of bitstreams: 1 TES_JOAQUIM_VINICIUS_CARVALHO_ASSUNCAO_COMPLETO.pdf: 5447781 bytes, checksum: f414b8262d7361d1082fc73dfea5f008 (MD5) Previous issue date: 2016-08-09 / Modelos estoc?sticos podem ser ?teis para representar de maneira compacta cen?rios n?o determin?sticos. Al?m disso, simula??es aplicadas em um modelo compacto s?o mais r?pidas e demandam menos recursos computacionais do que t?cnicas de minera??o em grandes volumes de dados. O desafio est? na constru??o desses modelos. A acur?cia, juntamente com tempo e a quantidade de recursos usados para ajustar um modelo s?o fatores chave para sua utilidade. Tratamos aqui de t?cnicas de aprendizado de m?quina para ajustes de estruturas com a propriedade de Markov; especialmente formalismos complexos como Modelos Ocultos de Markov (HMM) e Redes de Automatos Estoc?sticos (SAN). Quanto a acur?cia, levamos em considera??o as atuais t?cnicas de ajuste, e medidas baseadas em verossimilhan?a. Quanto ao tempo de cria??o, automatizamos o processo de mapeamento de dados via s?ries temporais e t?cnicas de representa??o. Quanto aos recursos computacionais, usamos s?ries temporais e t?cnicas de redu??o de dimensionalidade, evitando assim, problemas com a explos?o do espa?o de estados. Tais t?cnicas s?o demonstradas em um processo que incorpora uma s?rie de passos comuns para o ajuste de modelos com s?ries temporais. Algo semelhante ao que o processo de descoberta de conhecimento em banco de dados (KDD) faz; por?m, tendo como componente principal, modelos estoc?sticos. / Stochastic models might be useful for creating compact representations of non-deterministic scenarios. Furthermore, simulations applied to a compact model, are faster and require fewer computational resources than the use of data mining techniques over large volumes of data. The challenge is to build such models. The accuracy as well as the time and the amount of resources used to fit such models, are the key factors related to their utility. We use machine learning techniques for the fitting of structures characterized by a Markov property; especially, complex formalisms such as Hidden Markov Models (HMM) and Stochastic Automata Networks (SAN). Regarding the accuracy, we considered the state of the art on fitting techniques and model measurements based on likelihood. Regarding the computational resources, we used time series and dimensionality reduction techniques to avoid the space state explosion. Such techniques are demonstrated in a process that embodies a set of common steps for the model fitting through time series. Similar to the knowledge discovery in databases (KDD), yet using stochastic models as a main component.

Made available in DSpace on 2015-04-14T14:48:58Z (GMT). No. of bitstreams: 1 400013.pdf: 1799901 bytes, checksum: 8f9035ff6f9f2bcba55f62be7f4e0d52 (MD5) Previous issue date: 2006-03-31 / Formalismos de modelagem s?o linguagens capazes de descrever sistemas de forma n?o amb?g?a, permitindo a sua avalia??o quantitativa. Os formalismos conhecidos como estruturados permitem a representa??o sistem?tica de modelos grandes e complexos. Entretanto, na pr?tica, a modelagem de sistemas de tal porte pode apresentar o problema de explos?o do espa?o de estados. Em geral, a modelagem de sistemas atrav?s de formalismos estruturados, com espa?o de estados discreto, resulta em um grande n?mero de estados inating?veis. A gera??o e armazenamento dos estados n?o ating?veis ? um ?nus n?o desejado ao processo de modelagem. Este trabalho apresenta um algoritmo capaz de gerar e armazenar somente o espa?o de estados ating?vel (RSS) para o formalismo de Redes de Aut?matos Estoc?sticos (SAN) utilizando Diagramas de Decis?o Multi-Valorada (MDD). A id?ia principal ? apresentar uma primeira vers?o desse algoritmo, a m de comprovar a sua viabilidade para o formalismo SAN.

Made available in DSpace on 2015-04-14T14:49:02Z (GMT). No. of bitstreams: 1 406275.pdf: 5088741 bytes, checksum: 77356f5ee18c1f01b23fcf0d1843be33 (MD5) Previous issue date: 2005-03-28 / A avalia??o de desempenho de um software orientado a objetos, hoje, pode ser feita basicamente de tr?s maneiras: com testes de desempenho, simula??es ou utilizando m?todos anal?ticos como redes de Aut?matos estoc?sticos e redes de filas de espera. Os testes de desempenho s?o eficientes e, porem podem ser aplicados apenas nas fases finais do desenvolvimento de software, quando o produto esta praticamente pronto, as simula??es podem ser realizadas nas etapas iniciais do processo de desenvolvimento de software por?m, geralmente, s?o custosas, pois dependem da cria??o de um simulador. Os m?todos anal?ticos podem ser aplicados nas fases iniciais do desenvolvimento, mas exigem a cria??o de um modelo de avalia??o de desempenho. No desenvolvimento de software orientados a objetos j? se constr?i um modelo, o qual possui informa??es detalhadas sobre o sistema. Estas informa??es podem ser utilizadas para gerar um modelo de avalia??o de desempenho que represente o software j? que muitas das informa??es contidas no modelo do software s?o comuns ao modelo de avalia??o de desempenho. Utilizando esta id?ia foram criados alguns m?todos de convers?o de UML para formalismos de avalia??o de desempenho como redes de filas de espera. Porem, ainda inexiste m?todos ou t?cnicas que convertem UML para formalismos como SAN, que ? mais abrangente que, por exemplo, redes de espera. Este trabalho demonstra uma t?cnica de convers?o de UML para SAN, onde explora-se a representa??o da arquitetura l?gica de software orientados a objetos

Made available in DSpace on 2015-04-14T14:49:22Z (GMT). No. of bitstreams: 1 423499.pdf: 2268638 bytes, checksum: a9a287a49644290eaf88a8b8d38f9f10 (MD5) Previous issue date: 2010-03-29 / Os formalismos estruturados foram definidos ao longo dos anos com o objetivo de aumentar o n?vel de abstra??o e oferecer uma alternativa de modelagem mais sofisticada do que a proporcionada pelas tradicionais Cadeias de Markov. Exemplos de formalismos estruturados que utilizam ?lgebra tensorial para o armazenamento de seus descritores s?o as Redes de Aut?matos Estoc?sticos, as Redes de Petri Estoc?sticas Generalizadas Superpostas e as ?lgebras de Processo. Tais descri??es utilizam primitivas de modelagem entre seus componentes capturando sua sem?ntica operacional e permitindo a sua an?lise ao retornarem ?ndices quantitativos de desempenho quando s?o resolvidos numericamente. Os mecanismos atuais de solu??o usam propriedades da ?lgebra Tensorial (cl?ssica ou generalizada) para multiplicar termos tensoriais de eventos entre os estados dos modelos (i.e., um descritor Markoviano) por um vetor de probabilidade, que cont?m a solu??o estacion?ria ou transiente. Esta opera??o ? chamada de Multiplica??o Vetor-Descritor (MVD) e ? realizada de tr?s maneiras b?sicas: de forma esparsa (ineficiente em mem?ria, eficiente em tempo), utilizando o Algoritmo Shuffle (eficiente em mem?ria, ineficiente em tempo para algumas classes de modelos) ou atrav?s do Algoritmo Split, que ? uma combina??o das duas primeiras abordagens. A principal contribui??o deste ?ltimo foi a proposi??o de um m?todo h?brido onde incrementa-se a mem?ria (de forma razo?vel) para acelerar o c?lculo efetuado por itera??o. Entretanto, o principal desafio do Algoritmo Split ? relativo ? determina??o de cortes de cada termo tensorial e em como re-estrutur?-lo para reduzir o custo computacional por itera??o, acelerando a converg?ncia de modelos estruturados. Este trabalho aborda estes problemas, baseando-se em tr?s eixos: i) na discuss?o das primitivas de modelagem para composi??o de sistemas atrav?s de formas mais abstratas de descri??o, ii) nas diferentes formas de tratamento de termos tensoriais de descritores Markovianos para execu??o mais otimizada da MVD a partir de re-estrutura??es das ordens originais, e iii) na execu??o do Algoritmo Split com taxas constantes ou funcionais demonstrando os resultados obtidos para diversas classes de modelos. Para os casos observados, foi demonstrado atrav?s de experimentos que o melhor ganho, balanceando-se tempo e mem?ria, ? verificado quando as matrizes dos termos tensoriais s?o reordenadas, tratando as do tipo identidade na parte estruturada e avaliando-se os elementos funcionais uma ?nica vez na parte esparsa. Ao avaliar as fun??es somente uma vez em todo o processo de MVD, converte-se os descritores generalizados para cl?ssicos em tempo de execu??o e promove-se ganhos consider?veis em tempo para determinadas classes de modelos. Observou-se tamb?m que as atividades de sincroniza??o ou comunica??o entre os m?dulos ou parti??es envolvidas bem como o total de par?metros das depend?ncias funcionais realizam um papel crucial no desempenho obtido. A presente tese ? finalizada identificando as classes de modelos mais adequadas para a utiliza??o do Algoritmo Split, propondo formas de re-estrutura??o de descritores Markovianos que privilegiem a esparsidade e a exist?ncia de matrizes do tipo identidade para balancear os custos em mem?ria e tempo de execu??o.

Made available in DSpace on 2015-04-14T14:49:25Z (GMT). No. of bitstreams: 1 425006.pdf: 2030732 bytes, checksum: af723abcff811e622f9a8f3c907145a0 (MD5) Previous issue date: 2009-12-17 / A avalia??o de desempenho dos protocolos de roteamento de redes Ad hoc ? realizada, em sua maioria, atrav?s do uso de t?cnicas e ferramentas de simula??o. Atrav?s do uso das Redes de Aut?matos Estoc?sticos, surge uma nova alternativa para realizar esta avalia??o, j? que este formalismo prov? grande quantidade de espa?os de estados, que era um dos grandes problemas de outros formalismos anal?ticos. Os protocolos de roteamento para redes sem fio Ad hoc s?o um fator determinante no sucesso da tarefa de transmiss?o de dados entre os nodos. Sendo assim, foi avaliado neste trabalho o protocolo DSR - Dynamic Source Routing, que tem como caracter?sticas principais as t?cnicas de descoberta e manuten??o de rota, a fim de garantir a menor - ou melhor - rota dentro de uma rede. A primeira contribui??o presente neste trabalho trata diretamente da avalia??o deste processo de descoberta de rota, bem como da possibilidade de falhas de transmiss?o ocorrerem e o processo de manuten??o de rota se fazer necess?rio. Estes resultados est?o diretamente ligados aos resultados obtidos avaliando-se o workload dos nodos da rede, que reflete diretamente na utiliza??o das rotas. A segunda contribui??o ? a an?lise do comportamento de redes quando estas utilizam uma particularidade do protocolo DSR que ? a escuta prom?scua (promiscuous listening). Busca-se avaliar se o uso de tal caracter?stica auxilia no funcionamento da rede. S?o apresentados tamb?m resultados de avalia??o de m?tricas como vaz?o com diferentes tamanhos de pacotes e tempos de pausa dos nodos durante a transmiss?o dentro de uma rede que utiliza o protocolo DSR para o roteamento das informa??es. Adicionalmente busca-se demonstrar a efici?ncia das Redes de Aut?matos Estoc?sticos na obten??o destas m?tricas e assim apresentar este formalismo como uma alternativa para avalia??o deste tipo de ambiente, dada a similaridade dos resultados obtidos, se comparados ?queles apresentados na literatura.

Made available in DSpace on 2015-04-14T14:49:28Z (GMT). No. of bitstreams: 1 427631.pdf: 914785 bytes, checksum: 815e75c48669f5e8db50b93c7cf37623 (MD5) Previous issue date: 2010-03-12 / Atrav?s de formalismos Markovianos ? poss?vel modelar diversos sistemas e resolv?-los atrav?s de solu??es computacionais espec?ficas possibilitando prever ou avaliar seus padr?es de comportamento. O formalismo de Redes de Aut?matos Estoc?sticos (SAN) permite descrever modelos Markovianos de forma compacta e modular. Al?m disso, ? utilizado para obter ?ındices de desempenho de sistemas atrav?s de solu??es num?ricas iterativas que se baseiam em um descritor e um vetor cujo tamanho ? igual ao espa?o de estados do modelo. Dependendo do tamanho do modelo esta opera?ao torna-se computacionalmente onerosa e muitas vezes impratic?vel. Um m?todo alternativo para calcular ?ndices a partir de um modelo ? a simula??o, principalmente porque ela simplesmente exige a defini??o de um gerador de n?meros pseudo-aleat?rios e fun??es de transi??o entre estados que permitem a cria??o de uma trajet?ria. O processo de amostragem pode ser diferente para cada t?cnica estabelecendo algumas regras para coleta de amostras para posterior an?lise estat?stica. As t?cnicas de simula??o, normalmente requerem muitas amostras para calcular ?ndices de desempenho estatisticamente relevantes. Este trabalho proporciona compara??es da precis?o dos resultados de alguns modelos Markovianos obtidos a partir da execu??o de diferentes t?cnicas de simula??o. Al?m disso, prop?e uma maneira distinta de simular modelos Markovianos usando um m?todo baseado em estat?stica Bootstrap para minimizar o efeito de escolha das amostras. A efic?cia do m?todo proposto, denominado Bootstrap simulation, ? comparado com resultados da solu??o num?rica para um conjunto de exemplos descritos por meio do formalismo de modelagem SAN.

Made available in DSpace on 2015-04-14T14:49:59Z (GMT). No. of bitstreams: 1 447661.pdf: 550622 bytes, checksum: 5a831618aedabce5554e131c45fcd8d9 (MD5) Previous issue date: 2012-03-22 / This work presents a formalism for modeling systems called Stochastic Automata Networks (SAN), SAN formalism aims to increase the abstraction s level and provides a sophisticated alternative model to the tadicional formalism of Markov Chains (MC). SAN uses both Classical (CTA) and Generalized Tensor Algebra (GTA) to simplify the matrix of transitions between states of the model. Despite all models described with GTA having at least one equivalent model described using CTA, and that the solution of certain models based on CTA could be faster than the equivalent GTA based model, this dissertation proposes an algorithm for translating a model described in GTA into the equivalent model described in CTA. It is expected that some models described using functions (using GTA) could be solved more quickly or taking less memory through the solution of its CTA-converted model / Este trabalho apresenta o formalismo para modelagem de sistemas chamado Redes de Aut?matos Estoc?sticos (SAN). O formalismo SAN tem o objetivo de aumentar o n?vel de abstra??o e oferece uma alternativa de modelagem mais sofisticada do que a proporcionada pelas tradicionais Cadeias de Markov (MC). Este formalismo utiliza a ?lgebra tensorial cl?ssica (CTA) e geralizada (GTA) para simplificar a matriz das transi??es entre os estados do modelo. Embora todos os modelos SAN descritos utilizando GTA possuam pelo menos um modelo equivalente descrito utilizando CTA, e que a solu??o de certos modelos utilizando CTA possa ser mais r?pido que o modelo equivalente que utiliza GTA, este trabalho prop?e um algoritmo para traduzir um modelo descrito em GTA para o modelo equivalente descrito em CTA. Espera-se com isto permitir que um modelo descrito utilizando fun??es (usando GTA) possa ser resolvido mais rapidamente ou ocupando menos mem?ria atrav?s da solu??o de seu modelo convertido para CTA

Made available in DSpace on 2015-04-14T14:50:05Z (GMT). No. of bitstreams: 1 451032.pdf: 3224202 bytes, checksum: 0ed1399ff0656c16c4c22f4f6e16cb87 (MD5) Previous issue date: 2013-03-25 / The use of critical and complex systems at automation of daily tasks increases the people s dependence, generating unease about the safety of such systems. In the last years several techniques have been developed to facilitate activities related to design validation in the early stages of the development cycle. Model Checking is an automatic formal technique that allows verification of finite-state concurrent systems under properties described in temporal logics by employing verification algorithms that exhaustively assess the correctness of the system under consideration. Indeed, this technique is costly with respect to storage and processing, justifying the development of parallel and distributed algorithms for powerful computing clusters. This dissertation reports the study and development of verification algorithms for models described in Stochastic Automata Networks and properties written in Computation Tree Logic temporal logic for environments that address memory spaces in a distributed way. / O emprego de sistemas complexos e cr?ticos para automa??o de tarefas do cotidiano faz crescer a depend?ncia das pessoas, gerando desconforto em rela??o ? seguran?a de tais sistemas. Nos ?ltimos anos algumas t?cnicas t?m sido desenvolvidas visando facilitar as atividades relacionadas ? valida??o de projetos nos est?gios iniciais do ciclo de desenvolvimento. Verifica??o de modelos ? uma t?cnica formal autom?tica que permite a verifica??o de sistemas concorrentes de estados finitos sob propriedades descritas em l?gicas temporais atrav?s do emprego de algoritmos que avaliam exaustivamente o sistema sob considera??o. Entretanto, esta t?cnica ? custosa no que tange ao armazenamento em mem?ria e processamento, justificando o desenvolvimento de algoritmos paralelos e distribu?dos para poderosos agregados computacionais. Esta disserta??o relata o estudo e desenvolvimento de algoritmos de verifica??o de modelos descritos em Redes de Aut?matos Estoc?sticos e propriedades descritas na l?gica temporal Computation Tree Logic para ambientes que endere?am espa?os de mem?ria de maneira distribu?da.

Submitted by Setor de Tratamento da Informa??o - BC/PUCRS (tede2@pucrs.br) on 2016-09-27T12:01:23Z No. of bitstreams: 1 DIS_MARCELO_VASCONCELLOS_GOMES_COMPLETO.pdf: 2508819 bytes, checksum: 8ffeedd7b3c2ed3f9322ffff87185a34 (MD5) / Made available in DSpace on 2016-09-27T12:01:23Z (GMT). No. of bitstreams: 1 DIS_MARCELO_VASCONCELLOS_GOMES_COMPLETO.pdf: 2508819 bytes, checksum: 8ffeedd7b3c2ed3f9322ffff87185a34 (MD5) Previous issue date: 2016-06-30 / This study presents a method to evaluate the performance of teams of software development projects using Stochastic Automata Networks. For the application of this method, a ?Performance Evaluation? tool was created. This tool can be used by Project Managers and Metrics Analysts to simulate scenarios of execution in the projects. According to the present performance of the project team, the Project Manager can foresee the necessary effort to accomplish the project, probable date for its conclusion and its total cost.Through the result of this simulation, the Project Manager will be able to take the necessary actions to mitigate the impact in the project deadlines and cost. Furthermore, the Metrics Analyst can validate the best productivity to be used in the project. The tool has a great potential to be used together with good project management practices described in the PMBoK Guide. The study describes all the processes of the PMBoK with focus in the group of monitoring and control processes and how the Performance Evaluation tool can contribute to the project management. The study also presents related works where Stochastic Automata Networks can contribute significantly to Software Engineering area. The study also presents the evaluation of two scenarios that were created in the tool using real data of two projects and in the end a comparison was made between the real data and the simulation results. Finally, improvements and suggestions are presented for future implementations in the ?Performance Evaluation? tool. / Este estudo apresenta um m?todo para avaliar o desempenho de equipes de projetos de desenvolvimento de software usando Redes de Aut?matos Estoc?sticos. Para a aplica??o deste m?todo foi criada a ferramenta ?Avalia??o de Desempenho?. Esta ferramenta pode ser usada por Gerentes de Projetos e Analistas de M?tricas para simular cen?rios de execu??o dos projetos. De acordo com o desempenho atual da equipe do projeto, o Gerente de Projetos poder? prever o esfor?o necess?rio para realizar o projeto, a data prov?vel para a sua conclus?o e o seu custo total. Atrav?s do resultado desta simula??o, o Gerente de Projetos ser? capaz de tomar as a??es necess?rias para mitigar o impacto no prazo e custo do projeto. Al?m disso, o Analista de M?tricas poder? validar a melhor produtividade a ser usada no projeto. A ferramenta tem um grande potencial para ser usada em conjunto com as boas pr?ticas de gest?o de projetos descritas no Guia do PMBoK. O estudo descreve todos os processos do PMBoK com foco no grupo de processos de monitoramento e controle e como a ferramenta de avalia??o de desempenho pode contribuir na gest?o do projeto. O estudo tamb?m apresenta trabalhos relacionados onde Redes de Aut?matos Estoc?sticos podem contribuir significativamente para a ?rea da Engenharia de Software. O estudo tamb?m apresenta a avalia??o de dois cen?rios que foram criados na ferramenta com dados reais de dois projetos e no final foi realizada uma compara??o entre os dados reais e os resultados da simula??o. Por fim, s?o apresentadas melhorias e sugest?es para futuras implementa??es na ferramenta ?Avalia??o de Desempenho?.