3.2 CÁC THUẬT TOÁN TRONG PHƯƠNG PHÁP ĐIỀU KHIỂN LƯU
3.2.2.2 Trung bình trượt (Moving Average)
Chúng ta có thể tính tốn thống kê tóm tắt về các giá trị trong cửa sổ trượt của dữ liệu và giá trị mới được tính tốn này đại diện tệp dữ liệu đó nhằm mục đích so sánh, đối chiếu và dự báo theo thời gian. Đơn giản nhất là giá trị trung bình của một vài giá trị trước đó, cịn được gọi là giá trị trung bình trượt.
Làm mịn trung bình trượt (Moving Average Smoothing): Làm mịn là một kỹ thuật áp dụng cho chuỗi dữ liệu để loại bỏ sự thay đổi chi tiết giữa các bước thời gian. Hy vọng của việc làm mịn là loại bỏ nhiễu và hiển thị tốt hơn tín hiệu của các q trình nhân quả cơ bản. Trung bình trượt là một kiểu làm mịn đơn giản và phổ biến được sử dụng trong phân tích chuỗi dữ liệu theo thời gian và dự báo chuỗi thời gian. Tính tốn giá trị trung bình trượt liên quan đến việc tạo một chuỗi mới trong đó các giá trị được bao gồm giá trị trung bình của các quan sát thơ trong chuỗi thời gian gốc.
Đường trung bình trượt yêu cầu bạn chỉ định kích thước cửa sổ được gọi là chiều rộng cửa sổ. Điều này xác định số lượng quan sát thô được sử dụng để tính tốn giá trị trung bình trượt. Phần di chuyển trong đường trung bình đề cập đến thực tế là cửa sổ được xác định bởi chiều rộng cửa sổ được trượt dọc theo chuỗi thời gian để tính tốn các giá trị trung bình trong chuỗi mới. Có hai loại đường trung bình chính được sử dụng: Đường trung bình trượt giữa và Đường trung bình trượt theo sau. Trong thuật tốn này ta áp dụng theo loại Đường trung bình trượt theo sau (Trailing Moving Average) [29].
Đường trung bình trượt theo sau: Giá trị tại thời điểm (t) được tính là giá trị trung bình của các quan sát thơ tại (t) và trước thời điểm (t). Ví dụ: một đường trung bình trượt theo sau có cửa sổ là 3 sẽ được tính như sau:
Trail_MA(t) = mean(obs(t − 2), obs(t − 1), obs(t)) (3.1)
Đường trung bình trượt chỉ sử dụng các quan sát các giá trị đã xảy ra và được sử dụng để dự báo chuỗi thời gian. Đây là loại đường trung bình mà chúng ta sẽ tập trung vào trong thuật toán này.
Các giá trị trung bình trượt có thể được sử dụng theo một số cách khi sử dụng thuật toán học máy trong các bài toán chuỗi giá trị thời gian. Trong chương này, chúng ta sẽ xem xét cách chúng ta có thể tính tốn các giá trị trung bình trượt theo sau để sử dụng như chuẩn bị dữ liệu và trực tiếp đưa ra tính tốn để chọn lựa đường đi tốt nhất.
Đầu tiên, ta chỉ định kích thước cửa sổ và theo mặc định, một cửa sổ theo sau “trailing window” sẽ được tạo. Khi cửa sổ được tạo, chúng ta có thể lấy giá trị trung bình và đây là tập dữ liệu đã biến đổi của chúng ta. Từ đó, WAN nào có độ trễ/mất gói nhỏ nhất thì sẽ được chọn, cụ thể các yêu cầu của thuật tốn như sau:
• Tự động tính tốn độ trễ/độ mất gói theo thuật tốn Moving Average và lựa chọn kết nối WAN có độ trễ/độ mất gói thấp nhất làm tuyến đường đi.
• Lưu lượng san tải đều qua các WAN khi có cùng giá trị độ trễ/độ mất gói thấp nhất.
• Thông lượng trên WAN được chọn đạt tới mức nghẽn (mặc định cấu hình 90% băng thơng của WAN) thì lưu lượng được tự động san tải sang các kết nối còn lại.
Ngồi ra, thuật tốn này cịn có lựa chọn kết hợp mức độ ưu tiên theo độ trễ và độ mất gói theo u cầu:
• Tự động tính tốn độ trễ và độ mất gói theo thuật tốn Moving Average.
• Kết hợp mức độ ưu tiên theo độ trễ và độ mất gói:
- Lựa chọn 1: (nếu độ mất gói được ưu tiên hơn) WAN có độ mất gói nhỏ nhất sẽ được chọn làm tuyến đường đi chính. Nếu có nhiều hơn một kết nối WAN cùng giá trị độ mất gói thì kết nối WAN nào có độ trễ nhỏ hơn sẽ được chọn. - Lựa chọn 2: (nếu độ trễ được ưu tiên hơn) WAN có độ trễ nhỏ nhất sẽ được
nào có độ mất gói nhỏ hơn sẽ được chọn.
• Thơng lượng trên WAN được chọn đạt tới mức nghẽn (mặc định cấu hình 90% băng thơng của WAN) thì lưu lượng được tự động san tải sang các kết nối còn lại.