[논문 리뷰] High order steady-state diffusion approximation of the Erlang-C system

Anton Braverman, J. G. Dai|arXiv (Cornell University)|2016. 02. 09.

Random Matrices and Applications참고 문헌 9인용 수 8

한 줄 요약

이 논문은 상태에 따라 변화하는 분산 계수를 사용하는 고차수의 정상 상태 확산 근사법을 도입하여 기존 방법에 비해 수렴 속도를 크게 향상시킨다. 제안된 근사법은 기존의 일정한 분산 계수를 사용하는 방법보다 한 단계 높은 수준의 수렴 속도를 보이며, 워샤우르-거리 오차율이 $1/R$에 도달한다. 이는 기존의 $1/\sqrt{R}$ 수렴 속도보다 한 단계 높은 성능이다. 이는 스텐의 방법을 통한 이론적 분석과 다양한 시스템 부하 조건에서의 수치적 검증을 통해 확인되었다.

ABSTRACT

In this paper we introduce a new diffusion approximation for the steady-state customer count of the Erlang-C system. Unlike previous diffusion approximations, which use the steady-state distribution of a diffusion process with a constant diffusion coefficient, our approximation uses the steady-state distribution of a diffusion process with a extit{state-dependent} diffusion coefficient. We show, both analytically and numerically, that our new approximation is an order of magnitude better than its counterpart. To obtain the analytical results, we use Stein's to show that a variant of the Wasserstein distance between the normalized customer count distribution and our approximation vanishes at a rate of $1/R$, where $R$ is the offered load to the system. In contrast, the previous approximation only achieved a rate of $1/R$. We hope our results motivate others to consider diffusion approximations with state-dependent diffusion coefficients.

연구 동기 및 목표

• 기존 방법보다 더 정확한 에를랑-씨 큐잉 시스템을 위한 정상 상태 확산 근사법을 개발하기 위해.
• 정상 상태 고객 수 분포에 대한 확산 근사법의 수렴 속도를 향상시키기 위해.
• 일정한 분산 계수보다 상태에 따라 변화하는 분산 계수를 사용할 경우 더 뛰어난 근사 정확도를 달성할 수 있음을 입증하기 위해.
• 스텐의 방법을 사용하여 $1/R$ 수렴 속도를 이론적으로 확립함으로써 이전 연구의 $1/\sqrt{R}$ 수렴 속도를 초월하기 위해.
• 다양한 제공 부하와 시스템 크기에서 근사법의 우수성을 수치적으로 검증하기 위해.

제안 방법

• 편향 $b(x) = \mu\left[(x+\zeta)^{-} + \zeta\right]$ 와 상태에 따라 변화하는 분산 계수 $a(x) = \mu\left[1 + \mathbf{1}_{x > -\sqrt{R}}\left(1 - \frac{(x+\zeta)^{-} + \zeta}{\sqrt{R}}\right)\right]$ 를 갖는 새로운 확산 과정을 제안한다.
• 새로운 확산의 정상 상태 밀도를 $\nu(x) = \frac{\kappa}{a(x)}\exp\left(\int_0^x \frac{2b(y)}{a(y)}dy\right)$ 로 유도하며, $\kappa$ 는 정규화를 보장한다.
• 정규화된 고객 수 $\tilde{X}(\infty)$ 와 새로운 근사값 $Y(\infty)$ 사이의 워샤우르-거리에 대한 상한을 도출하기 위해 스텐의 방법을 적용한다.
• 이론적 수렴 보장을 보장하기 위해 리프시츠 연속성의 첫 번째 도함수를 갖는 함수의 집합 $W_2$ 를 사용하여 워샤우르-거리 메트릭을 정의한다.
• 워샤우르-거리에 대한 이론적 상한을 확립한다: $d_{W_2}(\tilde{X}(\infty), Y(\infty)) \leq C_{W_2}/R$.
• 다양한 시스템 파rameter에서 PMF 및 CDF 근사의 코모고로프-스미르노프 거리와 $L^\infty$ 거리를 사용하여 수치적 비교를 수행한다.

실험 결과

연구 질문

• RQ1 상태에 따라 변화하는 분산 계수를 갖는 확산 근사법이 기존의 일정한 분산 계수 근사법보다 에를랑-씨 시스템에서 더 빠른 수렴 속도를 달성할 수 있는가?
• RQ2 제안된 고차수 확산 근사법의 이론적 수렴 속도는 제공 부하 $R$ 에 대해 어떻게 표현되는가?
• RQ3 수렴 속도 향상이 $1/R$ 이다 보장되는 바, 다양한 시스템 부하와 크기에서 더 나은 수치 성능을 보이는가?
• RQ4 새로운 근사법은 정상 상태 분포의 PMF 및 CDF 추정에서 이전의 $1/\sqrt{R}$ 수렴 속도 방법과 비교해 어떻게 성능이 뛰어나게 되는가?
• RQ5 작은 $R$ 값에서도 이론적 수렴 속도 향상이 크지 않은 상수 $C_{W_2}$ 를 감안할 때 안정적인가?

주요 결과

• 제안된 고차수 확산 근사법은 워샤우르-거리 $d_{W_2}$ 에서 $1/R$ 수렴 속도를 달성하며, 이는 기존 근사법의 $1/\sqrt{R}$ 수렴 속도보다 한 단계 더 향상된 성능이다.
• 스텐의 방법을 통한 이론적 분석은 정규화된 고객 수와 새로운 근사값 사이의 워샤우르-거리가 $1/R$ 속도로 수렴하며, $\lambda$, $n$, $\mu$ 와 무관한 유일한 상수 $C_{W_2}$ 를 갖는 것으로 확인되었다.
• 수치적 결과는 새로운 근사법이 PMF 및 CDF 추정에서 항상 이전의 $Y_0(\infty)$ 방법을 능가하며, 큰 $R$ 에서 최대 오차가 최대 두 계단 정도 감소함을 보여준다.
• 특히 $R=99.98$ 일 때, PMF 근사의 $L^\infty$ 오차는 기존 방법의 $4.71 \times 10^{-5}$ 에 비해 $1.34 \times 10^{-6}$ 으로 감소한다.
• 코모고로프-스미르노프 거리 역시 $R$ 가 99.98 에서 99.98 으로 증가함에 따라 $1.31 \times 10^{-3}$ 에서 $9.93 \times 10^{-4}$ 로 감소하는 반면, 기존 방법은 더 느린 감소를 보인다.
• 비스케일링된 평균 오차 역시 향상되며, 이는 $1/\sqrt{R}$ 속도로 감소하는 반면, 기존 방법은 상수 간격을 보장할 뿐이었다.