- •1.Определение и общая характеристика предмета.
- •2.1 Тпр: Связь с другими научными направлениями.
- •2.Основные понятия системного анализа и исо.
- •3.Организация, операция, оператор, решение.
- •1.Исходные понятия и определения.
- •1.1 Организация, управление, операция, оператор, решение.
- •4. Ошибки подмены цели и проблема критерия эффективности.
- •5. Цель, альтернатива, критерий. Рационализация и реорганизация.
- •1.2. Основные понятия: цель, альтернатива, критерии, процессы, связанные с принятием решений.
- •6. Решение. Процесс принятия решений и принятие решения. Выбор и исход. Роль человеческого фактора.
- •7. Системный подход и системный анализ. Примеры.
- •8. Метод Монте-Карло. Случайные и псевдослучайные числа.
- •9. Моделирование дискретных событий {Si} по их вероятностям {p(Si)}. Пример. Равновероятный закон распределения для Ксобытий.
- •10. Моделирование непрерывных событий во времени по заданному закону плотности распределения.
- •11. Системы массового обслуживания :два подхода к решению задач.
- •§ 18. Задачи теории массового обслуживания. Классификация систем массового обслуживания
- •12. Альтернативная схема процесса выбора решения.
- •13. Моделирование процесса выбора решений.
- •14. Разработка механизма случайного выбора для следующих событий: - числа заявок; времени поступления заявок; времени обслуживания заявок.
- •15. Граф состояний и переходов для смо. (клпр № 3)
- •16. Смо. Основные понятия и параметры системы.
- •Основные понятия смо
- •17. Вероятностный смысл параметров смо.
- •18. 0Бозначения по Кендалу.Смо типа м/м/n/m. Базовая модель смо и классификация по Кендалу
- •19. Граф гибели – размножения, марковская цепь событий.
- •20. Реальные системы (процессы) и их представление в смо (на примере объекта с ограниченным множеством состояний).
- •21. Дифференциальные уравнения Колмогорова для смо.
- •§ 17. Уравнения Колмогорова для вероятностей состояний. Финальные вероятности состояний
- •22. Потоки событий и их свойства (стационарность, отсутствие последействия, ординарность).
- •§ 16. Потоки событий
- •23. Экспоненциальное распределение, как частный случай распределения Пуассона.
- •24. Элемент вероятности события.
- •25. Потоки Пальма и Эрланга для многоканальной смо с отказами. Многоканальная смо с отказами
- •Потоки Пальма и Эрланга
- •26. Формулы Эрланга.
- •19.9. Установившийся режим обслуживания. Формулы Эрланга
- •27. Уравнение Эрланга для многоканальной смо с отказами.
- •34. Основные понятия теории статистических решений (природа, выбор стратегии, смешанная стратегия, средние потери, минимакс, априорные и апостериорные данные, эксперимент).
- •40. Розыгрыш решений и функция потерь в играх средствами имитационного моделирования. Тайна хода.
- •41. Априорные вероятности и принцип Байеса (на примере задачи о технологической линии). Принцип Байеса
- •42. Построение априорной прямой по принципу Байеса для s - игры.
- •43. Понятие о линейном программировании (л.П.) на примере задачи 2 завода 3 стройки (2x3) (задача о бетоне).
- •1. Основные свойства и модели линейного программирования
- •Граф-схема решения задачи линейного программирования
- •1.2. Алгебраическая модель решения
- •1.3. Геометрическая форма представления
- •46. Транспортная задача.
- •47. Матричная игра, как пример двойственности задач л.П.
- •48. Экономическое содержание двойственности.
- •3.4. Экономическое содержание двойственности
- •49. 03Лп. Геометрическая интерпретация (одр и основная прямая).
- •2.1. Иллюстрация процесса поиска решения
- •50. Выпуклость одр и анализ плоскостной задачи озлп. Вырожденный случай.
- •51 Переход от неравенств к озлп.
- •52. Идея симплекс метода. Стандартная таблица.
- •53. Транспортная таблица и метод Северо-Западного угла.
- •4.1. Составление опорного плана тз по методу северо-западного угла (сзу)
- •54. Вырожденный и невырожденный случаи транспортной — задачи, циклический перенос и цена цикла.
- •4.5. Улучшение плана по методу циклических перестановок
- •55. Метод потенциалов. Псевдостоимость. Условия оптимальности плана.
- •4.4. Проверка лучшего опорного плана на оптимальность
- •2. Трудности решения злп.
- •3. Классификация задач оптимизации.
22. Потоки событий и их свойства (стационарность, отсутствие последействия, ординарность).
§ 16. Потоки событий
Важной характеристикой потока событий является его интенсивность — среднее число событий, приходящееся на единицу времени. Интенсивность потока может быть как постоянной ( = const), так и переменной, зависящей от времени t.
Например, поток автомашин, движущихся по улице, днем интенсивнее, чем ночью, в часы пик — интенсивнее, чем в другие часы.
Поток событий называется регулярным, если события следуют одно за другим через определенные, равные промежутки времени.
Поток событий называется стационарным, если его вероятностные характеристики не зависят от времени. В частности, интенсивность стационарного потока должна быть постоянной. Это отнюдь не значит, что фактическое число событий, появляющееся в единицу времени, постоянно,— нет, поток неизбежно (если только он не регулярный) имеет какие-то случайные сгущения и разрежения,
Поток событий называется потоком без последействия, если для любых двух непересекающихся участков времени и (см. рис. 16.2) число событий, попадающих на один из них, не зависит от того, сколько событий попало на другой.
23. Экспоненциальное распределение, как частный случай распределения Пуассона.
Простейший или стационарный пуассоновский поток событий
Поток событий называется простейшим (или стационарным пуассоновским), если он обладает сразу тремя свойствами: стационарен, ординарен и не имеет последействия.
Название «простейший» связано с тем, что процессы, связанные с простейшими потоками, имеют наиболее простое математическое описание.
Для простейшего потока интервал Т менаду соседними событиями имеет так называемое показательное распределение с плотностью
Коэффициент вариации
VT=1 , т. е. для простейшего потока событий коэффициент вариации интервалов между событиями равен единице.
24. Элемент вероятности события.
Элементом вероятности называется вероятность попадания на этот участок хотя бы одного события потока.
25. Потоки Пальма и Эрланга для многоканальной смо с отказами. Многоканальная смо с отказами
Рассмотрим n-канальную СМО с отказами. Будем нумеровать состояния системы по числу занятых каналов (или, что в данном случае то же, по числу заявок, связанных с системой). Состояния будут:
S0 – все каналы свободны;
S1 – занят ровно один канал, остальные свободны;
……
Sk – заняты ровно k каналов, остальные свободны;
…….
Sn– заняты все n каналов.
Граф состояний имеет следующий вид. Слева направо систему переводит один и тот же поток – поток заявок с интенсивностью l.
|
|
|
|
Очевидно, если обслуживанием занято 2 канала, а не один, поток обслуживаний, переводящий систему по стрелке S2®S1, будет вдвое интенсивнее (2m), если занято k- каналов – в k раз интенсивнее (km). Процесс такого вида представляет собой частный случай процесса гибели и размножения. Составляем уравнения Колмогорова:
(9.6).
Уравнения (9.6) называются уравнениями Эрланга. Естественными начальными условиями являются:
p0(0)=1; p1(0)=p2(0)=…=pn(0)=0
Интегрировать (6) в аналитическом виде довольно сложно, на практике решают численно с использованием ЭВМ. Такое решение дает нам все вероятности состояний как функции времени: p0(t), p1(t), …, pn(t).
Больше всего интересны предельные вероятности состояний, характеризующие установившийся режим работы СМО (при t®Ґ). Воспользуемся готовым решением, полученным для схемы гибели и размножения:
(k=1,2,..n) (9.7).
Обозначим и будем называть величину r «приведенной интенсивностью» потока заявок. Физический смысл её таков: величина r представляет собой среднее число заявок, приходящих в СМО за среднее время обслуживания одной заявки. С учетом этого (9.7) принимает вид:
(9.8). Формулы Эрланга.
Теперь можно найти характеристики эффективности СМО: q, А, Ротк.
Заявка получает отказ, если приходит в момент, когда все n каналов заняты. Вероятность этого равна:
.
Вероятность того, что заявка будет принята к обслуживанию (она же q) дополняет Ротк до 1: q= 1-pn. И наконец: А= lq=l(1- pn).
Одной из важных характеристик СМО с отказами является среднее число занятых каналов (в данном случае оно совпадает со средним числом заявок, находящихся в системе). Обозначим это среднее число . Величину можно вычислить непосредственно по формуле:
как математическое ожидание дискретной случайной величины, принимающей значение 0,1, …nс вероятностями p0, p1…pn.
Однако значительно проще выразить через А . А есть не что иное, как среднее число заявок, обслуживаемых в единицу времени; один занятый канал обслуживает в среднем за единицу времени m заявок; следовательно, среднее число занятых каналов
или .
Поток событий называется рекуррентным (иначе— «потоком Пальма»), если он стационарен, ординарен, а интервалы времени между событиями Т1, Т2, Т3, ... (см. рис. 16.4) представляют собой независимые случайные величины с одинаковым произвольным распределением (например, с плотностью, показанной на рис.
Простейший поток представляет собой частный случай рекуррентного потока, когда интервалы между событиями имеют показательное распределение
|
|