Coupling based estimation approaches for the average reward performance potential in Markov chains

پتانسیل عملکرد یک مفهوم مهم در تجزیه و تحلیل حساسیت زنجیره مارکوف است. برآورد پتانسیل عملکرد، پایه ای برای بهینه سازی شبیه سازی و تجزیه و تحلیل حساسیت زنجیره های مارکوف را فراهم می کند. در این مطالعه، روش های برآورد جدیدی را برای پتانسیل توانایی متوسط ​​پاداش (یا هزینه) ارائه می دهیم، با ترکیب عوامل تحقق پریشانی و تکنیک های اتصال برای زنجیره های مارکوف با فضای حالت محدود. این رویکردها می توانند به طور موثر برآورد با کاهش واریانس هندسی برای پتانسیل متوسط ​​پاداش به کار روند. در همین حال، تعدادی از روش های اتصال، از جمله دو روش جفت گیری بهینه، می تواند برای کاهش بیشتر واریانس برآورد یا زمان شبیه سازی استفاده شود. تست های عددی نشان می دهد که رویکردهای ما می تواند کارایی شبیه سازی را به طور قابل توجهی افزایش دهد.