| Resumo: | Os estudos na área de Avaliação de desempenho de Sistemas têm evoluído nos últimos anos, em especial com a definição do formalismo de Redes de Autômatos Estocásticos (SAN) e com a implementação do algoritmo Shuffle, o qual implementa um método eficiente para a execução da multiplicação vetor-descritor, necessária para a resolução de modelos SAN. Mais recentemente, foi proposto um novo método para a multiplicação vetor-descritor, o método slice, que introduzindo novos conceitos, prometia na teoria ser mais eficiente que o tradicional método Shuffle. Pois neste estudo, este recém definido e até então pouco explorado método, foi estudado em detalhes e realizada uma implementação incluindo algumas otimizações no seu algoritmo original. Ainda, durante este estudo, foram realizadas algumas modificações do algoritmo do método Slice com mesmo intuito de resolver modelos SAN funcionais, uma vez que as versões anteriores não eram capaz de tratar funções. Para demonstrar a eficiência do método Slice e das otimizações 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 método Shuffle. Desta forma, verificou-se o quanto o método Slice pode ser útil na resolução de sistemas, uma vez que os resultados práticos mostram que o método Slice é mais eficiente que a solução tradicional (Shuffle) na maioria dos casos.
Studies on performance evaluation have progressed in the last years, specially with Stochastic Automata Networks (SAN) and with the implementation of the Shuffle algorithm, which implements an efficient method for vector-descriptor multiplication, needed to solve SAN models. Recently, a new vector-descriptor method was proposed, the Slice method, presenting new concepts to be more efficient than the tradicional Shuffle method. ln this work the Slice method was studied in detail and a new implementation was developed including some new optimizations. ln addition, the Slice algorithm was modified in order to solve functional SAN models, since the previous version was unable to deal with functions. To demonstrate the performance of the Slice method and its optimizations experiments were made using two different SAN models. The results were analyzed and compared with Shuffle results. Thus, it was possible to verify that the Slice method is more efficient than the tradicional Shuffle method in most cases. |
