Algorithm 972: JMarkov: An integrated framework for Markov chain modeling

Las cadenas Markov (MC) son una herramienta poderosa para modelar sistemas estocásticos complejos. Mientras que existen varias herramientas para resolver diferentes tipos de modelosMC, el primer paso en la modelizaciónMC es definir los parámetros del modelo. Este paso es, sin embargo, propenso a errores y lejos de ser trivial a la hora de modelar sistemas complejos. En este artículo, presentamos jMarkov, un marco para el modelado de MC que proporciona al usuario la capacidad de definir modelos de MC a partir de las reglas básicas subyacentes a la dinámica del sistema. A partir de estas reglas, jMarkov obtiene automáticamente los parámetros MC y resuelve el modelo para determinar las medidas de rendimiento en estado estacionario y transitorio. El marco de trabajo de jMarkov se compone de cuatro módulos: (i) el módulo principal soporta modelos de MC con un espacio de estado finito; (ii) el módulo jQBD permite el modelado de procesos Quasi-Birth-and-Death, una clase de MCs con espacio de estado infinito; (iii) el módulo jMDP ofrece las capacidades para determinar reglas de decisión óptimas basadas en los Procesos de Decisión de Markov; y (iv) el módulo jPhase soporta la manipulación e inclusión de variables de tipo de fase para representar comportamientos generales más que los de la distribución exponencial estándar. Además, jMarkov es altamente extensible, permitiendo a los usuarios introducir nuevas abstracciones de modelado y solucionadores.