- •Моделирование дискретных систем
- •13022012 Лекция 2
- •Модель.
- •20022012 Лекция 3 Математическое моделирование дискретных систем
- •Функция распределения f(X) сама является случайной величиной, распределенной равномерно на отрезке [0,1].
- •27022012 Лекция 4
- •Законы распределения
- •05032012 Лекция 5
- •Числовые характеристики случайных величин
- •12032012 Лекция 6 Системы массового обслуживания
- •Параметры
- •19032012 Лекция 7
- •3) Дисциплина обслуживания (до fifo).
- •Многоканальные смо
- •26032012 Лекция 8
- •2. Характеристики функционирования смо
- •2.1.Характеристики одноканальных смо (ок смо) с однородной нагрузкой
- •Формулы Литлла: Число время
- •02042012 Лекция 9
- •2.1.Характеристики одноканальной смо с неоднородной нагрузкой
- •2.3.Характеристики многоканальной смо с однородной нагрузкой
- •09042012 Лекция 10 Имитационное моделирование смо
- •16042012 Лекция 11
- •23042012 Лекция 12
- •05052012 Лекция 13 Общецелевая система моделирования General Purpose Simulation System (gpss)
- •14052012 Лекция 14 Теория Марковских случайных процессов
- •21052012 Лекция 15 Марковские процессы с непрерывным временем
- •Процессы размножения и гибели
Процессы размножения и гибели
Процессы размножения и гибели – это частные случаи МСП, в которых переходы возможны только в соседние состояния. В случае процесса размножения и гибели с дискретным временем вероятности переходов между состояниями указываются следующим образом:
Матрица вероятности переходов в общем случае имеет вид (отличается от обычной – тем, что в строке максимум 3 элемента):
Если цепь Маркова является конечной, то последняя строка матрицы записывается в виде [0 0… 0dn1-dn]; это соответствует тому, что не допускаются никакие размножения после того, как популяция достигает максимального объема n.
Матрица T содержит ненулевые члены только на главной и двух ближайших к ней диагоналях. Из-за такого частного вида матрицы T естественно ожидать, что анализ процесса размножения и гибели не должен вызывать трудностей.
i= qi,i+1 и i= qi,i-1.
Матрица интенсивности переходов:
Можно составить граф интенсивности переходов:
Вероятность того, что непрерывный процесс размножения и гибели в момент времени t находится в состоянии Ei (объем популяции равен i) определяется в виде:
(18)
Рассмотрим теперь простейший процесс чистого размножения, который определяется как процесс, для которого i = 0 при всех i. Кроме того, для еще большего упрощения задачи предположим, что i= для всех i=0,1,2,... . Подставляя эти значения в уравнения получим
(19)
Для простоты предположим также, что процесс начинается в нулевой момент при нуле членов, то есть:
(20)
Отсюда для P0(t) получаем решение
P0(t)=e-t.
Подставляя это решение в уравнение (19) при i = 1, приходим к уравнению
.
Решение этого дифференциального уравнения, очевидно, имеет вид
P1(t)= te-t.
Далее по индукции в качестве решения уравнения (19) находим
.
Это знакомое нам распределение Пуассона. Таким образом, процесс чистого размножения с постоянной интенсивностью приводит к последовательности рождений, образующей пуассоновский процесс.
*Что обозначает параметр Пуассона? Это параметр интенсивности чистого развития
(23)
.Полученная система уравнений эквивалентна выведенной ранее. Для составления последней системы уравнений нужно провести вертикальную линию, разделяющую соседние состояния, и приравнять потоки через образовавшуюся границу.
Решение системы можно найти методом математической индукции.
При i=1 имеем:
при i=2:
при i=3:
и т.д.
Вид полученных равенств показывает, что общее решение системы уравнений имеет вид
или, учитывая, что, по определению, произведение по пустому множеству равно единице
Таким образом, все вероятности Pi для установившегося режима выражаются через единственную неизвестную константу P0. Равенство дает дополнительное условие, позволяющее определить P0. Тогда, суммируя по всем i, для P0 получим:
Обратимся к вопросу о существовании стационарных вероятностей Pi. Для того, чтобы полученные выражения задавали вероятности, обычно накладывается требование, чтобы P0 > 0. Это, очевидно, налагает ограничение на коэффициенты размножения и гибели в соответствующих уравнениях. По существу требуется, чтобы система иногда опустошалась; это условие стабильности представляется весьма резонным, если обратиться к примерам реальной жизни. Определим следующие две суммы:
(1)
Все состояния Ei рассматриваемого процесса размножения и гибели будут эргодическими тогда и только тогда, когда S1 < и S2 = . Только эргодический случай приводит к установившимся вероятностям Pi, i = 0, 1, 2, …, и именно этот случай представляет интерес. Заметим, что условия эргодичности выполняются только тогда, когда, начиная с некоторого i, все члены последовательности { } ограничены единицей, т.е. тогда, когда существует некоторое i0 (и некоторое С<1) такое, что для всех i i0 выполняется неравенство: (2)
– проверка на существования свойства эргодичности
– с какого момента i0 мы можем гарантировать наблюдение эргодичности