بنابراین ما یک شکل کروی داشته که با دایره نشان داده‌ایم. زیرا هر درخواست به یک بردار تبدیل می‌شود:

درخواست اول (فرایند C₁):
درخواست دوم (فرایند C₂):
درخواست سوم (فرایند C3):
که a اولویت است، b زمان اجرا هست و c برچسب زمانی است. در شکل بالا، N بردار مرجع بوده و ترتیب برنده شدن بردارها مشخص شده است: ابتدا W₁ دوم _۲W در نهایت W₃. بنابراین بعد شبیه‌سازی اولین درخواستی که وارد ناحیه بحرانی خواهد شد فرایند C₁ خواهد بود سپس C₂ و در نهایت C₃ خواهد بود.
ارزیابی
ارزیابی مدل پیشنهادی
نرم‌افزارهایی برای شبیه‌سازی رفتار شبکه‌های عصبی مصنوعی و زیستی که به صورت مستقل عمل می‌کنند و قادرند فرایند آموزش شبکه‌ی عصبی را به شکل تصویری نمایش دهند وجود دارد از رایج‌ترین آن‌ها برای شبکه‌های عصبی مصنوعی SNNS، PDP++ و JavaNNS است و رایح‌ترین شبیه‌سازهای شبکه‌های عصبی زیستی می‌توان به XNBC و BNN Toolbox اشاره نمود. در مقابل نرم‌افزارهای گفته شده شبیه‌سازهای آنالیز داده وجود دارد که کاربردهای علمی این شبکه‌ها مانند داده‌کاوی و پیش‌بینی‌ها را مطالعه می‌کنند. استفاده از آنها نسبتاً ساده در عوض توانایی‌هایشان محدود است از جمله می‌توان به Microsoft Excel و Matlab اشاره نمود. در این پایان‌نامه برای شبیه‌سازی ایده پیشنهادی از نرم‌افزار Matlab استفاده می‌کنیم.
Matlab یک زبان سطح بالا و با محیطی جذاب می‌باشد، که در ابتدا براساس زبان برنامه‌نویسی C توسعه داده شد. واژه متلب هم به معنی محیط محاسبات رقمی و هم به معنی خود زبان برنامه‌نویسی مربوطه ‌است که از ترکیب دو واژه MATrix (ماتریس) وLABoratory (آزمایشگاه) ایجاد شده‌است. این نام حاکی از رویکرد ماتریس محور برنامه ‌است، که در آن حتی اعداد منفرد هم به عنوان ماتریس در نظر گرفته می‌شوند. کار کردن با ماتریس‌ها در متلب بسیار ساده است. در حقیقت تمام داده‌ها در متلب به شکل یک ماتریس ذخیره می‌شوند. برای مثال یک عدد (اسکالر) به شکل یک ماتریس ۱×۱ ذخیره می‌شود. یک رشته مانند «Tehran is capital of Iran» به شکل ماتریسی با یک سطر و چندین ستون (که تعداد ستون‌ها به تعداد کاراکترهاست) ذخیره می‌شود. حتی یک تصویر به شکل یک ماتریس سه بعدی ذخیره می‌گردد که بُعد اول و دوم آن برای تعیین مختصات نقاط و بُعد سوم آن برای تعیین رنگ نقاط استفاده می‌شود. فایل‌های صوتی نیز در متلب به شکل ماتریس‌های تک ستون (بردارهای ستونی) ذخیره می‌شوند. بنابراین جای تعجب نیست که متلب مخفف عبارت آزمایشگاه ماتریس باشد.
Matlab امکان آسان عملیات ماتریسی، محاسباتی و توابعی، استفاده از الگوریتم‌های مختلف و همچنین امکان ارتباط آسان با زبان‌های مختلف برنامه نویسی را به کاربر می‌دهد. Matlab دارای طیف کاربردی گسترده‌ای است، از جمله می‌توان به سیگنال و پردازش تصویر، ارتباطات، طراحی کنترلر، تست و اندازه‌گیری، مدل‌سازی مالی و تجزیه‌وتحلیل و زیست شناسی محاسباتی اشاره نمود. همچنین امکان گسترش محیط Matlab با بهره گرفتن از افزودن Toolbox برای اهداف مختلف داده شده است. علاوه بر توابع فراوانی که خود متلب دارد، برنامه‌نویس نیز می‌تواند توابع جدید تعریف کند. استفاده از توابع متلب برای نمایش داده‌ها بسیار راحت و لذت بخش است. انواع مختلفی از ورودی‌ها و خروجی‌های قابل نمایش در نرم‌افزار Matlab در شکل‌های ۵-۱ و ۵-۲ نشان داده شده است.

شکل ‏۵‑۱- انواع مختلفی از ورودی های قابل نمایش
هسته متلب برای سرعت و کارایی بالا به زبان سی نوشته شده‌ است ولی رابط گرافیکی آن به زبان جاوا پیاده‌سازی گشته ‌است. برنامه‌های متلب اکثراً متن‌ باز هستند و در واقع متلب (مانند بیسیک) مفسر بوده و کامپایلر نیست. قدرت متلب از انعطاف‌پذیری آن و راحت بودن کار با آن ناشی می‌شود، همچنین شرکت سازنده و گروه‌های مختلف، از جمله دانشگاه‌های سرتاسر جهان و برخی شرکت‌های مهندسی هر ساله جعبه‌ابزارهای خاص کاربردی به آن می‌افزایند که باعث افزایش کارآیی و محبوبیت آن شده ‌است. فهرستی از این جعبه‌ابزارها در زیر آمده‌است :
simulink ، ابزاری برای شبیه‌سازی سامانه‌ها به صورت مجرد
جعبه‌ابزار مخابرات متلب، توابع و ابزارهای محاسبات مهندسی مخابرات
جعبه‌ابزار کنترل متلب، توابع و ابزارهای محاسبات مهندسی کنترل
جعبه‌ابزار فازی متلب، توابع و ابزارهای محاسبات فازی
جعبه‌ابزار تخمین متلب، توابع و ابزارهای محاسبات بحث تخمین در مهندسی کنترل
جعبه‌ابزار آمار متلب، توابع و ابزارهای محاسبات آماری و محاسبات عددی
جعبه‌ابزار جمع‌ آوری داده متلب، توابع و ابزارهای جمع‌ آوری داده
جعبه‌ابزار شبکه عصبی متلب، توابع و ابزارهای محاسبات شبکه عصبی
جعبه‌ابزار پردازش تصویر متلب، توابع و ابزارهای محاسبات پردازش تصویر
جعبه‌ابزار پردازش صوت متلب، توابع و ابزارهای محاسبات پردازش صوت
جعبه‌ابزار احتمالات و جعبه‌ابزار محاسبات سیمبولیک متلب