BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ PHAN THỊ LOAN MỘT SỐ BÀI TOÁN TỐI ƢU TRONG LÝ THUYẾT XẾP HÀNG VÀ ỨNG DỤNG LUẬN ÁN TIẾN SĨ TOÁN HỌC HÀ NỘI – 2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ PHAN THỊ LOAN MỘT SỐ BÀI TOÁN TỐI ƢU TRONG LÝ THUYẾT XẾP HÀNG VÀ ỨNG DỤNG Chuyên ngành: Lý thuyết xác suất thống kê toán học Mã số: 62 46 01 06 NGƢỜI HƢỚNG DẪN KHOA HỌC: NCVCC TS Nguyễn Hồng Hải PGS TS Hồ Đăng Phúc HÀ NỘI - 2015 i LỜI CAM ĐOAN T i xin c m o n y c ng tr nh nghiên c u c tr nh bày luận án trung thực ch t ng riêng t i Các kết c i c ng bố bất k c ng tr nh khác T c giả NCS Phan Thị Loan iv MỤC LỤC DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT vii DANH MỤC CÁC THUẬT NGỮ viii DANH MỤC CÁC BẢNG ix DANH MỤC CÁC HÌNH VẼ x MỞ ĐẦU CHƢƠNG 1.6MỘT SỐ KIẾN THỨC LIÊN QUAN 1.1 Một số khái niệm lý thuyết xác suất thống kê toán học 1.1.1 Biến ng u nhiên 1.1.2 Một số biến ng u nhiên 1.1.3 Quá tr nh ng u nhiên 1.2 Quy ho ch tuyến t nh quy ho ch nguyên tuyến t nh 12 1.2.1 Quy ho ch tuyến t nh 12 1.2.2 Quy ho ch nguyên tuyến t nh 13 1.3 Lý thuyết th 14 Kết luận Ch ng 16 CHƢƠNG MẠNG HÀNG ĐỢI M/M/m VÀ MỘT SỐ BÀI TOÁN TRONG MẠNG HÀNG ĐỢI 17 2.1 M ng hàng i M/M/m 17 2.1.1 Luật Little’s 21 2.1.2 T nh chất PASTA 22 2.1.3 C n b ng xác suất 22 2.1.4 Trung b nh ộ dài hàng i trung b nh th i gi n ch i 23 2.1.5 Ph n phối th i gi n ch i th i gi n l u trú 23 2.2 Bài toán ph n chi tối u d ng yêu c u vào m ng 24 2.2.1 Bài toán quy ho ch nguyên tuyến t nh thuật toán Gomory 25 v 2.2.2 Một số toán ph n chi tối u d ng yêu c u vào m ng 28 2.3 Bài toán luồng cực 2.3.1 Đ t vấn i 32 33 2.3.2 Bài toán c chế ph c v tối u 34 2.3.3 Ph ng pháp giải toán t m luồng cực i c FORD- FULKERSON 36 Kết luận Ch ng 42 CHƢƠNG MỘT SỐ BÀI TOÁN THỰC TẾ VỀ MẠNG PHỤC VỤ 43 3.1 Tối u h m ng ph c v cho toán Trung t m ph c v dự c chế d ng vào c chế u tiên ph c v 43 3.1.1 Các khái niệm v hệ kh i thác d liệu 44 3.1.2 M ph ng c th ng m i 47 3.2 Tối u h h m ng ph c v cho toán ph c v Trung tâm m ng ph c v th ng qu k thuật t m ng cho m ng ng th ng tin (Information - Centric Network) 54 3.2.1 Đ t vấn 54 3.2.2 Các k thuật ICN ng 3.2.3 M h nh m ng ph c v c nghiên c u phát tri n 56 xuất 57 3.2.4 Bảng nh d nh (N me Prefix T ble) 59 3.2.5 Bảng nh tuyến (Routing T ble) 60 3.2.6 Phát hành NDO (NDO Publication) 64 3.2.7 T m ng (Routing) 64 3.2.8 M h nh h h tr nh ến c NDO m ng ph c v ng thông tin 66 3.2.9 Đánh giá th nghiệm 68 Kết luận Ch ng 75 vi KẾT LUẬN 76 DANH MỤC CÁC C NG TRÌNH KHOA H C Đ C NG BỐ 78 TÀI LIỆU THAM KHẢO 79 vii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT Ký hiệu Ý nghĩa R+ N+ [0, ) Tập số tự nhiên E Kh ng gi n tr ng thái TH(N) Rn ng c m ng Kh ng gi n Euclic n chi u q(i, j) C ng ộ chuy n tr ng thái Xác suất chuy n tr ng thái p ij V' (x) = Th ng l dv(x) dx D Var f :DR FCFS J cobi n c phép biến i Tập nghiệm chấp nhận Ph c ng s i Hàm m c tiêu Đến tr c ph c v tr λi C ng ộ sinh μi C ng ộ t c (LPct) Bài toán quy ho ch tuyến t nh chuẩn tắc (PT) Bài toán vận tải (DT) Bài toán ối ng u Im M trận A-1 M trận ngh ch ảo x opt Ph v .k IP nv ng án vận chuy n tối u c toán gốc “v i i u kiện” Bài toán quy ho ch nguyên (Integer Progr mming) NDO Một ối t ICN M ng h ng d liệu c gán tên (N me D t Object) ng th ng tin (Inform tion Centric Network) viii DANH MỤC CÁC THUẬT NGỮ h nh Accuracy ng việ u u Job Trạm hoặ nút mạng Stastion Qu hoạ h tu n t nh Linear programming Qu hoạ h ng u nhi n Stochastic programming T i u h a ng u nhi n Random Optimization Thu t to n Simplex Algorithm i to n Ph n h nh n ng ng ph p ự tiểu hi ph Equilbrium Problems The least – cost method ảng ịnh danh Name Prefix Table ảng ịnh tu n Routing Table Tm ờng Routing ix DANH MỤC CÁC BẢNG Bảng 3.1 Bảng kh i thác d liệu Bảng 3.2 Bảng bi u diễn m t hàng c ph c v t i tr m Bảng 3.3 Bảng bi u diễn m t hàng c ph c v toàn hệ thống 45 48 49 Bảng 3.4 Bảng NPT c dom in 61 Bảng 3.5 Bảng NPT c dom in 61 Bảng 3.6 Bảng NPT c dom in 61 Bảng 3.7 Bảng NPT c dom in 61 Bảng 3.8 Bảng RT c R2: l n cập nhật u tiên Bảng 3.9 Bảng RT c R2: l n cập nhật th h i 63 63 Bảng 3.10 Bảng RT c R1: l n cập nhật u tiên 64 Bảng 3.11 Bảng RT c R3: l n cập nhật u tiên 64 Bảng 3.12 Bảng RT c R4: l n cập nhật u tiên 64 Bảng 3.13 Bảng RT c R2: l n cập nhật th b Bảng 3.14 Bảng RT c R1: l n cập nhật th h i 64 Bảng 3.15 Bảng RT c R3: l n cập nhật th h i 64 Bảng 3.16 Bảng RT c R4: l n cập nhật th h i 65 Bảng 3.17 D nh m c d liệu t i số router Bảng 3.18 Bảng kết o thực nghiệm 64 74 75 x DANH MỤC CÁC HÌNH VẼ H nh 2.1 M h nh m ng c hàng i H nh 2.2 M h nh m ng c m hàng i Hình 2.3 Bi u th tr ng thái c n b ng xác suất Hình 2.4 M h nh m ng ph c v m tr m c trọng số H nh 2.7 M h nh toán luồng cực H nh 3.1 Bi u diễn s m ng 17 22 35 H nh 2.5 M h nh m ng ph c v v i trọng số d ng H nh 2.6 M h nh m ng ph c v v i nguồn 17 ch i 36 i 42 H nh 3.2 Bi u diễn m h nh tr nh ến c NDO H nh 3.3 Quá tr nh sinh túy H nh 3.4 Quá tr nh sinh t H nh 3.5 Bi u diễn s 35 m ng OMNeT++ 60 67 69 69 70 Hình 3.6 Bi u diễn m ph ng qu n hệ NDO th i gi n ph c v H nh 3.7 S toàn cảnh c m ng ICN c m ph ng H nh 3.8 M ng ICN v i nhi u router OMNeT++ 72 73 74 74 Chỉ c router liệt kê Bảng 3.17 c ch router c n l i ch l NDO thuộc C t1 C t4, NDO thuộc d nh m c khác Th i gi n t m ng tin nhắn m ng ICN t ng ng ng số c tr nh bày bảng s u: Bảng 3.18: Kết o thực nghiệm /Cat1/Cartoon/Shrek /Cat4/Landscape/Meadow TH Th i gi n (s) Số tin nhắn Th i gi n (s) Số tin nhắn Tr ng h p 0.48 55 0.60 40 Tr ng h p 0.12 10 0.20 15 Các kết thực nghiệm cho thấy, việc áp d ng lý thuyết thống kê k thuật m ng h ng th ng tin ICN th i tăng hiệu suất c tr nh giúp giảm l ng th ng tin c n phải g i ồng nh tuyến m ng Th c th th i gi n t m kiếm nh nh h n, số l ng tin nhắn phải g i giảm i Việc áp d ng lý thuyết hàng ng NDO giảm tải cho tất nút m ng việc i c oán số l t o sinh tin nhắn cập nhật gi cho bảng nh tuyến lu n tr ng thái l u gi th ng tin m i Tuy nhiên, c th thấy r ng song song v i việc s d ng k thuật oán nhận, việc áp d ng tr nh cập nhật bảng th ng th nh số l ng NDO cho d nh m c t i router bất k Việc cập nhật kh ng c n c thực th theo ng giúp tăng c ng ch nh xác xác nh tuyến theo k thuật ng xuyên c th y i bảng nh tuyến, mà c n thực nh k v i khoảng th i gi n cách qu ng, t y thuộc vào thực tế ng d ng 75 Kết luận Chƣơng Ch ng luận án tr nh bày nghiên c u m ph ng toán Trung t m th ng m i dự c chế d ng vào c chế u tiên ph c v ch ng Trong ch ng này, chúng t i s d ng hệ kh i thác d liệu số ý t ởng v t ch c c chế d ng vào, c chế u tiên ph c v cho toán gi o d ch Trung t m th x y dựng hệ thống m ng ph c v v i m c ng m i Đ xuất c ng d ng r m h nh m ph ng việc ch ph c v nh nh, tiết kiệm th i gi n cho khách hàng tr nh s d ng d ch v xếp hàng h nh m hàng X, Y c nh nh u C th , luận án nêu ch ng minh chất (các hệ nêu nh lý) qu n trọng c u tiên c số t nh hệ ph c v theo qu n i m x lý song song coi nh tr m ph n r tr m toàn c c Kết nghiên c u c c ng bố [8] Trong ch ng này, luận án trình bày nghiên c u v m ng hàng th chúng t i xuất m ng h ng th ng tin ph h p v i yêu c u (job) ng s d ng Thực tế cho thấy ng d ng m ng nh m m c v , d liệu cho ng ch cung cấp d ch ng v i tr trung i s d ng qu n t m ến nội dung d liệu ch kh ng phải n i l u tr Các ng d ng c nhiệm v cung cấp tài nguyên cho ng V i i u kiện truy n i i s d ng Tài nguyên m ng ph c v th ng tin, d liệu, file h nh ảnh, m th nh Trong nh ng ng d ng này, tài nguyên t m: Ng i, c i s d ng c yêu c u t r phải k p th i, nh nh, ảm bảo tiết kiệm băng th ng tiêu ch Kết c c ng bố tài liệu [79] ng 76 KẾT LUẬN Luận án “Một số toán tối ưu lý thuyết xếp hàng ứng dụng” bày nh ng kết ch nh ng g p m i c tr nh luận án nh s u: Những kết đóng góp mới: Luận án x y dựng xuất h i toán v ph n chi d ng c ng việc (jobs) vào m ng cách tối u, nh ng nghiên c u kết nghiên c u c tác giả Hong Chen, David D.Yao v m ng hàng giải số toán v m ng hàng i, c th luận án i: toán luận án r r toán có t nh chất ph n lo i ối v i lo i yêu c u c ng việc (jobs) khả chấp nhận c nút ối v i lo i yêu c u c ng việc (jobs) Bài toán luận án muốn nêu việc ph n chi d ng yêu c u c ng việc (jobs) theo lực (th ng l nút giải toán t m ph th ng qu thuật toán Gomory Luận án nghiên c u toán luồng cực minh số ng) c nh lý v luồng cực it ng án tối u cho toán hàng i m ng, r ch ng r thuật toán Fofd - Fulkerson i n i Luận án nghiên c u m ph ng toán Trung t m th ng m i dự c chế d ng vào c chế u tiên ph c v Luận án s d ng hệ kh i thác d liệu xuất số ý t ởng v t ch c c chế d ng vào, c chế u tiên ph c v c ng d ng cho toán gi o d ch Trung t m th m ph ng việc x y dựng hệ thống m ng ph c v v i m c ng m i Đ r m h nh ch ph c v nh nh, tiết kiệm th i gi n cho khách hàng tr nh s d ng d ch v xếp hàng h u tiên nh m hàng X, Y c nh nh u C th , luận án nêu ch ng minh c số t nh chất (các hệ nh lý) qu n trọng c hệ ph c v theo qu n i m x lý song song coi nh tr m ph n r tr m toàn c c Thực tế n y cho thấy, ng d ng m ng nh m m c d ch v , d liệu cho ng ch cung cấp i s d ng Tài nguyên m ng ph c v th ng tin, d 77 liệu, file h nh ảnh, m th nh Trong nh ng ng d ng này, tài nguyên trung t m: Ng i s d ng qu n t m ến nội dung d liệu ch kh ng phải n i l u tr Các ng d ng c nhiệm v cung cấp tài nguyên cho ng yêu c u V i i u kiện ng truy n c i s d ng c t r phải k p th i, nh nh, ảm bảo tiết kiệm băng th ng tiêu ch mà chúng t i muốn gi i thiệu luận án nghiên c u m nh, chúng t i (job) ng ng v i tr xuất i s d ng áp ng c m ng h ng th ng tin ph h p v i yêu c u c tiêu ch C c vấn đề cần tiếp tục nghiên cứu: Trong nhi u năm tìm tòi nghiên c u, xo y qu nh vấn ng d ng m ng hàng luận án thuộc h ph ng ng nghiên c u v m ng d ng h n c n ng i Các nghiên c u thực n l p, ph c v c nghiên c u ng d ng thực tế, bên c nh phong phú nghiên c u nhi u h l p, m c nhi u m h nh c n c nghiên c u Th i gi n t i, tác giả c ng v i số nhà kho học tiếp t c nghiên c u vấn liên qu n v m ng hàng i: M ng hàng i v i tr m ph c v tất M ng hàng i v i hệ d liệu m ng ph c v th tr Đánh giá xác suất v t ng nh; ng; ng ph n chi tối u m ng hàng i; 78 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC Đ CÔNG BỐ Ph n Th Lo n, Nguyễn Hải N m (2009), Ti p mạng với h ng ợi a lớp ch ng ph n h phụ vụ t i u ng ph p qu hoạ h ngu n T p ng d ng Toán học Tập II, số 2, 99-104 Nguyễn Hải N m, Ph n Th Lo n (2011), Ứng dụng lý thu t qu hoạ h ngu n ể giải i to n h phụ vụ t i u mạng với h ng ợi a lớp, T p ch Nghiên c u Kho học C ng nghệ Qu n sự, số 11, 62-67 Ph n Th Lo n (2013), i to n luồng ự ại mạng với h ng ợi a lớp, T p ch Nghiên c u Kho học C ng nghệ Qu n sự, số 24, 101-106 Ph n Th Lo n, Nguyễn H tr n h dòng v o v ng Th y (2013), Trung t m th h ng mại dựa u ti n phụ vụ, T p ch Nghiên c u Kho học C ng nghệ Qu n sự, số 26 năm 2013, 60-65 Nguyen Phuong, Phan Thi Loan (2014), A Proposed Architecture for the Rea lization and Management of an Information - Centric Network Proceedings of The First NAFOSTED Conference on Information and Computer Science, Science and Technics publishing house, March 13-14, 2014, 133-142 79 TÀI LIỆU THAM KHẢO Tiếng Việt Đoàn Văn B n, Nguyên Mậu H n (2006), Xử lý song song v ph n t n, Nhà xuất Kho học K thuật, Hà Nội Ph n Th Lo n (2010), “ nh gi lợi nhu n trung nh m t qu ền họn mua”, T p ch Nghiên c u kho học (số 136/2010), Học viện K thuật qu n Ph n Th Lo n (2010), “Nghi n ứu mạng phụ vụ a lớp lý thu t p hàng”, T p ch Nghiên c u Kho học C ng nghệ qu n (số 9/2010), Viện Kho học C ng nghệ qu n Ph n Th Lo n (2013), “ i to n luồng ự ại mạng với h ng ợi a lớp”, T p ch Nghiên c u Kho học C ng nghệ qu n sự, số 24/2013, Viện Kho học C ng nghệ qu n Ph n Th Lo n & Hoàng Th Thu Hà (2008), “Qu tr nh phủ v i to n k h”, T p ch Nghiên c u kho học K thuật C ng nghệ qu n (số 22/2008), Viện Kho học C ng nghệ qu n Ph n Th Lo n & Nguyễn Hải N m (2009), “Ti p mạng với h ng ợi a lớp ng ph n h phụ vụ t i u ng ph p qu hoạ h ngu n”, T p ch ng d ng Toán học (tập II, số 2/2009) Ph n Th Lo n &Nguyễn Hải N m (2011), “Ứng dụng lý thu t qu hoạ h ngu n ể giải i to n h phụ vụ t i u mạng với h ng ợi a lớp”, T p ch Nghiên c u Kho học C ng nghệ qu n (số 11/2011), Viện Kho học C ng nghệ qu n Ph n Th Lo n & Nguyễn H tr n h dòng v o v h ng Th y (2013), “Trung t m th ng mại dựa u ti n phụ vụ”, T p ch Nghiên c u Kho học C ng nghệ qu n sự, số 26/2013, Viện Kho học C ng nghệ qu n Nguyễn Đ c Nghĩ , Nguyễn T Thành (2003), To n rời rạ , Nhà xuất Đ i học Quốc gi , Hà Nội 10 Nguyễn Đ c Nghĩ (1997), T i u h a - Qu hoạ h tu n t nh v rời rạ , Nhà xuất Giáo d c, Hà Nội 80 11 Đỗ Phúc (2005), Khai th liệu, Nhà xuất Đ i học Quốc gi TP Hồ Chí Minh 12 Nguyễn Bá T ng (2005), Nh p m n sở liệu ph n t n, Nhà xuất Kho học K thuật, Hà Nội 13 Nguyễn Duy Tiến, Nguyễn Viết Phú (1983), sở lý thu t suất, Nhà xuất Đ i học Trung học chuyên nghiệp, Hà Nội 14 Nguyễn Duy Tiến, V Viết Yên (2000), Lý thu t suất, Nhà xuất Giáo d c, Hà Nội 15 Nguyễn Duy Tiến (2005), “X ch M rkov ng d ng (Ph n I)”,Các mô hình suất v ứng dụng Nhà xuất Đ i học Quốc Gi , Hà Nội 16 Nguyễn Duy Tiến (2005), “Quá tr nh d ng ng d ng (Ph n II)”, Các mô hình X suất v ứng dụng Nhà xuất Đ i học Quốc Gi , Hà Nội 17 Nguyễn Duy Tiến (2005), “Giải t ch ng u nhiên (Ph n III)”, Các mô hình xác suất v ứng dụng Nhà xuất Đ i học Quốc Gi , Hà Nội 18 Đinh M nh T ng, Đỗ Xu n L i (1990), ấu trú liệu v giải thu t, Nhà xuất Kho học K thuật, Hà Nội 19 B i Thế T m, Tr n V Thiệu (1998), ph ng ph p t i u ho , Nhà xuất Giáo d c, Hà Nội 20 Hoàng T y (1968), Lý thu t Qu hoạ h, Nhà xuất Kho học K thuật, Hà Nội 21 Nguyễn Th B ch Kim (2008), Gi o tr nh ph ng ph p t i u, Nhà xuất Bách kho , Hà Nội Tiếng Anh 22 Agrawal R, Imielinski T and A Swami (1993), Minning association rules between sets of items i large databases, In ACM SIGMOD Intil C@ Managenment of Data, May 23 Agrawal R, Manila H, Srikant R, Toivonen H and Verkamo A L (1996), Fast discovery of association rules, In U.Fayyad and et al, editors, Advances in Knowledge Discovery and Data Minning MIT Press 81 24 Altm n E & Jime’nez T., http://www-sop.inria.ft/maestro/personnel/ Eitan.Alman/COURS-NS/n3.pdf 25 Ahlgren B, Dannewitz C, Imbrenda C, Kutscher D, Ohlman B (2012): A Survey on Information CentricNetworking IEEE Communications Magazine, vol.50, pp.26–36 26 Agrawal R and Srikant R (1994), Fast algorithms for minning association rules, In 20th VL.DBConf, Sept 27 Berkhin P (2001), Survey of Clustering Data Mining Techniques, Research paper Accrue Software, Inc, http://www.accrue.com, 28 Bari Md.F, Asurvey of Chowdhury S.R, Ahmed, R.,Boutaba,R, Mathieu,B (2012): naming and routingininformation-centricnetworks IEEE Communications Mag- azine50(12): 44-53 29 Bertsimas D & Tsitsiklis J N (1997), Introduction to Linear Optimization, Athena Scientific, Belmont, Massasachusetts, second edition 30 Bertsekas D & Gallager R (2003), Data Networks, Prentice-Hall International Editions 31 Bon ld T, M ssoulie L (2001), “Imp ct of f irness on internet perform nce”, Proceedings of ACM Sigmetrics, 2001 32 Boyd S & Vandenberghe L.(2004), Convex Optimization, Cambridge University Press 33 Bonald T, Massoulie L, Proutiere A, Virtamo J (2006), A queueing analysis of max-min fairness, proportional fairness and balanced fairness Queueing Systems; 53(1-2): 65–84 34 Blum R, (2003), Network Performance Open Source Toolkit Using Netperf, tcptrace, NIST Net, and SSFNet, Wiley Publishing 35 Bramson M (2005), Stability of networks for max-min fair routing, Presentation at INFORMS Applied Probability Conference 36 Borst S, Leskel L, Jonckheere M (2008), “St bility of p r llel queueing systems with coupled r tes” Discrete Event Dynamic Systems 82 37 Bonald T, Borst S, Hegde N, Prouti`ere A (2004), Wireless data performance in multicell scenarios, Proceedings of ACM Sigmetrics 38 Crows T (2005), Introduction to Data Minning and Knowledge Discovery, Edition third 39 Carr C.R & Howe C.W (1964), Quantitative Decision Procedures in Management and Econnomics, New York: McGraw-Hill 40 Chan, C (1998): A rough set approach to attribute generalization in data mining Inf Sci 107, 177-194 41 Chen, H., Li, T, Liu, W Zou, W (2009): Research on the approach of dynamically maintenance of approximations in rough set theory white attribute values coarsening and refining In: Proceedings of 2009 IEEE International Conference on GrC, pp.45-48 42 Chapman P, Clinton J, Kerber R., Khabaza T, Reinartz T, Shearer C and Wirth R (2000), CRISP-DM 1.0 Process and User Guide, http://www.crispdm.org 43 Chiang M, Low S.H, Calderbank A.R, Doyle J.C (2007), Layering as optimization decomposition Proceedings of the IEEE,; 95(1): 255-312 44 Chi ng M, Sh h D, T ng A (2006), “Stoch stic st bility of network utility m ximiz tion: Gener l file size distribution” Proceedings of Allerton Conference 45 Do Duc Hanh, Phan Thi Loan, Le Danh Cuong, Tran Dinh Tuan (2013), “St biliz tion of Cooper tive Communic ting Inform tion Agents”, Proceedings of International Conference on Applied Mathematics – VIAMC 2013 46 Dannewitz C (2009), NetInf: An Information-CentricDesign for the Future Internet InProceedings 3rd GI/IT GKu VS Workshopon The Future Internet 83 47 D i J.G (1995), “On positive h rris recurrence of multicl ss queueing networks: A unified ppro ch vi fluid limit models”, Annals of Applied Probability; 5: 49–77 48 De Veciana G, Lee T, Konstantopoulos T (2001), Stability and performance analysis of networks supporting elastic services IEEE/ACM Transactions on Networking; 1: 2–14 49 David W C, Jiawei H., Vincent T., Ada W.F, Yongjian F (1996), A Fast Distributed Algorithm for Mining Association Rules, IEEE 50 Duda R O, Hart P E and Stork Pattern D G (2001), Classification, Second Edition, John Wiley & Sons, Inc, pp 517-599 51 Dinh The Luc (1989), Introduction to Nonlinear Optimization, Cinvestar IPN, Mexico D.F 52 Gromoll H.C, Williams R (2007), Fluid limit of a network with fair bandwidth sharing and general document size distribution, Annals of Applied Probability; In Press 53 Ghodsi A, Shenker S, Koponen T, Singla A, Raghavan B Wilcox J (2011): Information - centricnetworking: seeing the forest for the trees, Proceedings of the10th ACMWorkshopon Hot Topics in Networks 54 Jarschel, M, Oechsner S, Schlosser, D, Pries, R, Goll,S (2011), Tran - Gia, P: Modelingand performance evaluation of an Open Flow architecture, Proceedings of the 23rd International Teletraffic Congress 55 Hande P, Zhang S, Chiang M (2007), Distributed rate allocation for inelasticflows, IEEE/ACM Transactions on Networking; 15(6):1240 - 1253 56 Hitchcock F.L (1941), Distrbution of a Product from Several Sources to Numerous Localities, Journal of Mathematical Physics, Vol 20 57 Hong Chen & Yao D (2000), Fundamentals of Queueing Netwworks Springer, July 58 Hoang Tuy (1968), Convex Analysis and Global Optimization, Kluwer Academic Publishers 84 59 Han J, Pei J, Yin Y, and Mao R (2003), Mining frequent patterns without candidate generation: A frequent - pattern tree approach, Data Mining and Knowledge Discovery 60 Horst R, Pardalos P.M & Thoai N.V (1995), Introduction to Global Optimization, Kluwer Academic Publishers 61 Jain R (1991), The Art of Computer Systems Performance Analysis: Techniques for Experimental Design, Measurement, Simulation and Modeling, John Wiley and Sons 62 Jarschel, M, Oechsner, S, Schlosser, D, Pries, R, Goll, S, Tran-Gia, P: Modeling and performance evaluation of an OpenFlow architecture Proceedings of the 23rd International Teletraffic Congress (2011) 63 John S Carson II &Barry Nelson L (1996), Discrete-Event System Simulation, Jerry Banks, Prentice Hall 64 Joseph L H mmond, Peter J.P.O’ (1988), Rerformance Analysis of Local Computer Networks, Addison-Wesley 65 Ji-Fu Zhang, Hong Shi, LianZheng (2002), A method and algorithm of distributed mining associationrules in synchronisms, Proceedings of the First International Conference on Machine Learning and Cybernetics, Beijing, 4-5 November 66 Koopmans T.C (1949), Optimum Unitization of the Transportation System, Econo-metrica, Vol.17, supplement 67 Koopmans T.C (ed.) (1951), Activity Analysis of Production and Allocation, Cowles Commission Monogragh 13, John Wiley & Sons, Inc, New York 68 Kelly F.P.C (1997); “R te control for el stic tr ffic” European Transactions on Telecommuications 8: 33-37 69 Kelly F.P, M ullooA, T n D (1998) “R te control in communic tion networks: sh dow prices, proportion l f irness nd st bility” Journal of the Operational Research Society; 49:237-252 85 70 Kum r P.R, Meyn S.P (1995), “St bility of queueing networks nd scheduling policies”, IEEE Transactions on Automatic Control; 14(2): 1055– 1083 Lee J.W, M zumd r R, Shroff N (2005), “Non-convex optimization and rate control for multi - cl ss services in the Internet” IEEE/ACM Transactions on Networking; 13(4):827–840 71 Li, T, Ruan, D, Wets, G, Song, J, Xu, Y (2007): A rough sets based characteristic relation approach for dynamic attribute generalization in data mining Knowl Based Syst 20, 485-494 72 Lin X., Shroff N.B (2004), “On the st bility region of congestion control” Proceedings of the 42nd Annual Allerton Conference on Communication, Control and Computing 73 L kshmik nth A, Beck C.L, Srik nt R (2004), “Connection level st bility n lysis of the internet using the sum of squ res (SOS) techniques” Proceeding of the 38th Conference on Information Sciences and Systems 74 Liu J, Proutiere A, Yi Y, Chi ng M, Poor V.H (2007), “Flow-level stability of data networks with non-convex and time-v rying r te regions”, Proceedings of ACM Sigmetrics 75 Luo W, Ephremides A (1999), “St bility of n inter cting queues in randomaccess systems” IEEE Transactions on Information Theory; 45(5):1579–1587 76 Massoulie L (2007), Structural properties of proportional fairness: Stability and insensitivity Annals of Applied Probability; 17(3): 809 - 839 77 Mo J, W lr nd J (2000), “F ir end-to-end congestion control”, IEEE/ACM Transactions on Networking; 8(5): 556-567 78 Mehmed K.,(2003), “D t mining: concepts, Models”, Methods and Algorithms 79 Nguyen Phuong, Ph n Thi Lo n (2014), “A Proposed Architecture for the Rea lization and Management of an Information – Centric Network” Proceedings 86 of The First NAFOSTED Conference on Information and Computer Science, Science and Technics publishing house, March 13-14, 2014, pp 133-142 80 Sh nnon C.E (1948), “A m them tic l theory of communic tion”, Bell Systems Technical Journal; 27:379-423 81 Susitaival R, Aalto S, Virtamo J (2010): Analyzing the Dynamicsand Resource Usage of P2P File Sharing by a Spatio temporal Model, Lecture Notesin Computer Science Volume 3994, 2006, pp 420-427 82 Srik nt R (2005), “On the positive recurrence of m rkov ch in describing file arrivals and departures in a congestion - controlled network”, IEEE Computer Communications Workshop, Birkhauser, 2005 83 Robert S, Grafinken G & Nemhanser L (1972), Interger Programming, New York February 84 Ru n Y.L, Liu G, Li Q.H (2005), “P r llel Algorithm For Mining Frequent Itemsets”, Proceedings of the Fourth International Conference on Machine Learning and Cybernetics, Guangzhou, 18-21 August 85 Trossen D, Parisis G (2012): Designing and Realizing an InformationCentricInternet IEEE CommunicationsMagazine, vol 50, pp 60–67 86 Tarkoma, S, Routing Ain, M, Visala, K: (2009), The Publish/Subscribe Internet Paradigm(PSIRP):Designing the FutureInternetArchitecture FutureInternet Assembly 87 Thom s H C, Ch rles E L, Ron ld L.R & Clifford Stein (2001), “Secon Edition MIT Press and McGraw - Hill ISBN 0-262-03293-7 Chapter 26: Maximum flow, pp 643-70” Introduction to Algorithms 88 Thomas H C, Charles E L, Ronald L Rivest (2001), “Clifford Stein Secon Edition”, Introduction to Algorithms, MIT Press and McGraw - Hill ISBN 262-03293-7 Chapter 26: Maximum flow, pp 643-70 89 Tsui K.L, Victoria C, Chen P, Jiang W, Alp Aslandogan Y, (2001), Data Minning Methods and applications 87 90 Trossen, D, Parisis, G: Designing and Realizing an Information-Centric Internet IEEE Communications Magazine, vol 50, pp 60-67 (2012) 91 Vignaux, G A.( 1997), Analyzing Queues using cumulative graphs Technical report, School of Mathematical and Computing Sciences, Victoria University of Wellington 92 Wang L, Hoque M, Yiy A, Cheng A, Zhangy A (2012), B: OSPFN: An OSPFBased RoutingProtocolfor Named DataNetworking.NDN Technical Report NDN - 0003 93 Walton N S (2010), Utility Optimization in Congested Queuing Networks 94 Wang Zikun & Yang Xiangqun (1992) Birth and Death Processes and Markov Chains Springer - Verlag Berlin Heidelberg and Science Press Beijing 95 Wamser F, Pries R, Staehle D, Heck K., Tran Gia P: (2010), Traffic characterization ofa residentialwireless Internetaccess Special Issue of the Telecommunication Systems (TS) Journal 96 Wiley and Sons (2001), Queuing Networks and Markor Chains, Probability Spinger 97 Witten I H and Frank E (2000), Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, Morgan Kaufmann Publishers, New York 98 WuyiYue, Yutaka Takahashi & Hideaki Takagi Editors (2009), Advances in Queueing Theory and Network Application Springer 99 Yung Yi and Mung Chiang, Sto haste to Kell’ paper pu lished in this journal a decade ago, European transactions on telecom munications 100 Ye H., Ou J., Yu n X (2005), “St bility of d t networks: St tion ry nd bursty models”, Operations Research; 53:107–125 101 http://www.isi.edu/nsnam/ns/ 102 http://www.opnet.com 103 http://wwwptolemy.eecs.berkeley.edu/ptolemyll/index.htm 88 104 http://ptolemy.eecs.berkeyley.edu/ptolemyll/index.htm 105 http://www.vnua.edu.vn/khoa/fita/wp-content/uploads/2014/01.pdf 106 http://www.omnetpp.org/doc/omnetpp/IDE-Overview.pdf