ЛР1 / МСРР ЛР1

Приложение А. Листинг программы

import numpy as np import pandas as pd

from matplotlib import pyplot as plt

def graph_location_subs_stations(subs_data):

'''Построение графика расположения станиций'''

fig, ax = plt.subplots(subplot_kw={'projection': 'polar'}) ax.scatter(subs_data['angle'], subs_data['distans']) ax.set_rmax(2.1)

plt.title(f'Распредление {len(subs_data)} абонентов', ) plt.show()

return 0

def subs_generator(R, n, Ptx, Pn, f, f0, h_bs, h_rx, S = 0):

'''Генерация списка расположения абоненских станций'''

subs = pd.DataFrame(columns=['distans', 'angle', 'x', 'y', 'CC'])

#Перевод в декартову систему координат x = distans * np.cos(angle)

y = distans * np.sin(angle)

#Уровень потерь

subs = pd.concat([subs, pd.Series({'distans': distans, 'angle': angle, 'x': x, 'y': y, 'CC': CC}).to_frame().T], ignore_index=True)

return subs

return pd.Series({'algorithm': 'Equal Blind', 'count': len(CC), 'minD': D, 'meanD': D, 'sumD': D*len(CC)}).to_frame().T

def maximum_throughput(CC):

'''Алгоритм ПСС - Максимальная суммарная скорость передачи данных'''

equal_max = np.array(CC) == max(CC)

# Суммарная скорость передачи

D = [1/sum(equal_max) * c * equal_max[i] for i, c in enumerate(CC)]

return pd.Series({'algorithm': 'Maximum Throughput', 'count': len(CC), 'minD': min(D), 'meanD': np.mean(D), 'sumD': sum(D)}).to_frame().T

11

return pd.Series({'algorithm': 'Proportion Fair', 'count': len(CC), 'minD': min(D), 'meanD': np.mean(D), 'sumD': sum(D)}).to_frame().T

def plot_M_gradeD(D_grade):

'''Построение графиков измеренных величин'''

fig, axs = plt.subplots(1, 3) fig.suptitle('Графики зависимости оценок')

x_axis = 'count'

y_axis = ['minD', 'meanD', 'sumD'] x_lable = 'Кол-во абонентов'

y_lable = ['МО мин. скорости передачи', 'МО средней скорости передачи', 'МО макс. скорости передачи']

D_grade = D_grade.reset_index(level=['algorithm', 'count']) groups = D_grade.groupby('algorithm')

for idx in range(3): for n,g in groups:

axs[idx].plot(g[x_axis], g[y_axis[idx]], label=n) axs[idx].set_xlabel(x_lable) axs[idx].set_ylabel(y_lable[idx]) axs[idx].set_title(f'M[{y_axis[idx]}]') axs[idx].legend()

axs[idx].grid(True)

plt.show() return 0

def get_M_gradeD(R, Ptx, Pn, f, f0, h_bs, h_rx, N_test=100, N_subs_pow2=6, isPrintLocGraph=False):

'''Определение мат ожидания для суммарной скорости передачи'''

# Таблица результатов измерений

D_grade = pd.DataFrame(columns=['algorithm', 'count', 'minD', 'meanD',

ignore_index=True)

D_grade = pd.concat([D_grade, maximum_throughput(subs['CC'])],

if isPrintLocGraph: graph_location_subs_stations(subs)

D_grade.set_index(['algorithm', 'count'], inplace=True) D_grade = D_grade.groupby(level=['algorithm', 'count']).mean() plot_M_gradeD(D_grade)

return D_grade

def extra(R, Ptx, Pn, f, f0, h_bs, h_rx, N_test=100, N_subs_pow2=6):

'''Построение графика зависимости среднего минимального расстояния от БС до Аб и кол-ва абонентов'''

# Таблица результатов измерений

12

Data = pd.DataFrame(columns=['users_count', 'min_distans'])

Data = pd.concat([Data, pd.Series({'users_count': n, 'min_distans': min(subs['distans'])}).to_frame().T], ignore_index=True)

Data.set_index(['users_count'], inplace=True) Data = Data.groupby(level=['users_count']).mean() print(Data)

Data = Data.reset_index() plt.plot(Data['users_count'], Data['min_distans'])

plt.title('Графики зависимости среднего мин. расстояния АБ от БД\nв зависимости от кол-ва абонентов')

plt.xlabel('Кол-во абонентов') plt.ylabel('Сред. мин. раст. (км)') plt.show()

return 0

N_subs_pow2=6, isPrintLocGraph=True) print(D_grade)

#------------------

#Доп. задание

#Построить график зависимости среднего минимального расстояния от БС до Аб

икол-ва абонентов

extra(R, Ptx, Pn, f, f0, h_bs, h_rx, N_test=100, N_subs_pow2=6)

return 0

if __name__ == "__main__": main()

13