Fundamentals of Stochastic Networks

در عصر امروزی مطالعات و فعالیت‌های تحقیقاتی میان‌رشته‌ای، مدل‌های شبکه در حوزه‌های مختلفی که به طور منظم مورد استفاده قرار نگرفته‌اند، اهمیت فزاینده‌ای پیدا می‌کنند. مبانی شبکه های تصادفی با ترکیب تکنیک های فرآیندهای تصادفی و تئوری گراف برای تجزیه و تحلیل رفتار شبکه ها، رویکردی بین رشته ای با گنجاندن کاربردهای عملی این شبکه های تصادفی در زمینه های مختلف مطالعاتی، از مهندسی و مدیریت عملیات تا ارتباطات و علوم فیزیکی.

نویسنده به طور منحصربه‌فردی انواع مختلفی از شبکه‌های تصادفی، صف‌بندی و گرافیکی را که معمولاً مستقل از یکدیگر مطالعه می‌شوند، متحد می‌کند. با پوشش متوازن، کتاب در سه بخش مختصر سازماندهی شده است:

• قسمت اول مفاهیم اساسی در احتمالات و فرآیندهای تصادفی را با پوشش فرآیندهای شمارش، پواسون، تجدید و مارکوف معرفی می‌کند

• بخش دوم به نظریه صف‌بندی اولیه، با تمرکز بر سیستم‌های صف مارکویی می‌پردازد و همچنین نظریه صف‌بندی پیشرفته، شبکه‌های صف، و تقریب‌های شبکه‌های صف را بررسی می‌کند

• بخش سوم بر روی مدل‌های گرافیکی تمرکز دارد و مقدمه‌ای بر نظریه گراف ارائه می‌کند. با شبکه‌های بیزی، بولی و تصادفی

نویسنده مطالب را به سبکی مستقل ارائه می‌کند که به خوانندگان کمک می‌کند روش‌ها و تکنیک‌های ارائه‌شده را در کاربردهای علمی و مهندسی به کار ببرند. مثال‌های عملی متعددی نیز در سراسر جهان ارائه شده است، از جمله تمام جزئیات ریاضی مرتبط.

شامل نتایج اساسی بدون تاکید زیاد بر اثبات قضایا، مبانی شبکه‌های تصادفی کتاب مناسبی برای دوره‌های احتمالی و شبکه‌های تصادفی است. محاسبات شبکه تصادفی و بهینه سازی شبکه تصادفی در سطوح فوق لیسانس و فوق لیسانس. این کتاب همچنین به عنوان مرجعی برای محققان و متخصصان شبکه است که مایلند در مورد اصول کلی شبکه های تصادفی اطلاعات بیشتری کسب کنند.

In today's era of interdisciplinary studies and research activities, network models are becoming increasingly important in various areas where they have not regularly been used. Combining techniques from stochastic processes and graph theory to analyze the behavior of networks, Fundamentals of Stochastic Networks provides an interdisciplinary approach by including practical applications of these stochastic networks in various fields of study, from engineering and operations management to communications and the physical sciences.

The author uniquely unites different types of stochastic, queueing, and graphical networks that are typically studied independently of each other. With balanced coverage, the book is organized into three succinct parts:

• Part I introduces basic concepts in probability and stochastic processes, with coverage on counting, Poisson, renewal, and Markov processes

• Part II addresses basic queueing theory, with a focus on Markovian queueing systems and also explores advanced queueing theory, queueing networks, and approximations of queueing networks

• Part III focuses on graphical models, presenting an introduction to graph theory along with Bayesian, Boolean, and random networks

The author presents the material in a self-contained style that helps readers apply the presented methods and techniques to science and engineering applications. Numerous practical examples are also provided throughout, including all related mathematical details.

Featuring basic results without heavy emphasis on proving theorems, Fundamentals of Stochastic Networks is a suitable book for courses on probability and stochastic networks, stochastic network calculus, and stochastic network optimization at the upper-undergraduate and graduate levels. The book also serves as a reference for researchers and network professionals who would like to learn more about the general principles of stochastic networks