- •1. Основы теории случайных процессов
- •1.1. Семейства случайных величин
- •1.2. Выборочные функции
- •1.3. Теорема Колмогорова
- •1.4. Вещественный параметр. Дискретный случай
- •1.5. Вещественный параметр. Непрерывный случай
- •1.6. Пуассоновский процесс
- •1.7. Общие свойства случайных процессов
- •1.8. Примеры случайных процессов
- •2. Случайные потоки сообщений
- •2.1. Основные понятия
- •2.2. Принципы классификации входящих потоков
- •Определим p1() и p0():
- •Вероятность поступления k и более заявок определяется по формуле
- •2.6.1. Симметричный и примитивный потоки
- •2.6.2. Поток с повторными заявками
- •Вектор, обладающий свойствами (2.20) и (2.21), называется стохастическим. Если его компоненты представляют вероятности состояний системы, то вектор называется вектором состояний системы.
- •Матрица перехода имеет вид
- •2.12. Предельные теоремы для потоков событий
- •2.12.1. Предельная теорема для суммарного потока
- •2.12.2. Предельная теорема для редеющих потоков
- •3. Основы теории систем массового обслуживания
- •3.1. Элементы систем массового обслуживания
- •3.1.1. Виды распределения входящего потока и времени обслуживания
- •3.1.2. Дисциплина обслуживания заявок
- •3.1.3. Канал обслуживания
- •3.1.4. Выходящий поток
- •3.2. Классификация смо
- •3.3. Процессы гибели и размножения
- •3.4. Системы массового обслуживания с отказами
- •3.4.1. Классическая система массового обслуживания с отказами (система Эрланга)
- •Используя нормировочное условие
- •3.4.2. Системы массового обслуживания с отказами и полной взаимопомощью между каналами
- •3.4.3. Системы массового обслуживания с отказами и частичной взаимопомощью между каналами
- •Для сокращения дальнейшей записи введем обозначение
- •Вероятность обслуживания заявки
- •3.4.4. Системы массового обслуживания с отказами и неоднородными потоками
- •3.4.5. Примеры систем массового обслуживания с отказами
- •Решение
- •Вероятность занятости канала
- •Решение
- •Решение
- •Среднее время полной загрузки
- •4. Системы массового обслуживания с ожиданием
- •4.1. Классическая система массового обслуживания с ожиданием
- •С ожиданием (смо с конечной очередью)
- •4.2. Векторная модель с конечной очередью и неоднородными запросами на число мест в очереди
- •4.3. Векторная модель с бесконечной очередью и однородными запросами на число мест в очереди
- •Подставляя сюда (4.10), будем иметь
- •Где коэффициент , с учетом (4.12), имеет вид
- •4.4. Примеры систем массового обслуживания с ожиданием
- •Вероятность обслуживания заявки для смо с отказами
- •Среднее число заявок в системе
- •5. Различные системы массового обслуживания
- •5.1. Система массового обслуживания с ожиданием и приоритетом в обслуживании
- •5.2. Векторная модель системы массового обслуживания с приоритетом
- •5.3. Замкнутая векторная смо с отказами в обслуживании
- •5.4. Исследование и оптимизация управляемой смо
- •5.5. Примеры специальных смо
- •Решение
- •Среднее число ожидающих обычного переговора
- •Оглавление
С ожиданием (смо с конечной очередью)
Этому графу состояний соответствует система дифференциальных уравнений для вероятностей состояний, которую обычно интегрируют для начальных условий
Р0 (0) = 1, Рi (0) = 0 (i 0),
т.е. в момент времени t = 0 система свободна от заявок. Для стационарного режима работы СМО с ожиданием, когда = const, = const, m < , t , используя результаты главы 3, имеем
,
где
; .
Используя нормировочное условие
,
получим
;
где
Для сокращения дальнейших записей введем обозначения:
(4.1)
Заметим, что если нормировочное условие записать в виде
то величина будет определяться так:
(4.2)
Из (4.1) и (4.2) вытекают следующие равенства:
при ;
при ,
в справедливости которых для любых положительных и и любых положительных целых n и m легко убедиться.
С одной стороны,вероятность обслуживания заявки равна вероятности того, что заявка, поступившая на обслуживание, застает свободным хотя бы один из каналов или хотя бы одно место в очереди:
.
С другой стороны,
,
где – среднее число занятых каналов.
Следовательно,
.
Вероятность того, что канал занят,
Вероятность того, что система полностью загружена (), равна вероятности того, что в системе заняты все каналы:
Среднее время неполной загрузки () СМО с ожиданием определяется как
Среднее время полной загрузки () с учетом эргодического свойства определяется следующим соотношением:
Среднее время наличия очереди () (т.е. время нахождения системы в группе макросостоянийсм. рис. 4.1) рассчитывается по формуле
.
При нахождении среднего времени занятости канала () рассуждаем следующим образом. Допустим, что к моменту окончания обслуживания заявки в рассматриваемом канале очереди нет. Вероятность этой гипотезын.о = 1 –Рн.о, где Рн.о – вероятность наличия очереди в системе.
Если в системе нет очереди к моменту окончания обслуживания, то среднее время занятости канала будет равно . Если к моменту окончания обслуживания в системе будет очередь (вероятность этой гипотезыРн.о), то среднее время занятости канала будет равно . Применяя формулу полного математического ожидания, можно найти среднее время занятости канала:
и вероятность наличия очереди:
Среднее время простоя канала:
При необходимости можно определить и другие характеристики системы (см., например, работу [9]).
4.2. Векторная модель с конечной очередью и неоднородными запросами на число мест в очереди
Постановка задачи. На вход СМО, содержащей N обслуживающих приборов и L мест в очереди, поступает неоднородный входной поток с интенсивностью . Для определенности будем работать в рамках СМО с ограниченной очередью. При этом характеристики модели будут аналогичны представленным в главе 3. Отличие состоит в следующем.
На обслуживании в СМО может находиться произвольное число заявок, пока не будет исчерпан ресурс, и еще L заявок будет в очереди. Заявки, которые не могут быть приняты немедленно на обслуживание или поставлены в очередь на обслуживание, получают отказ в обслуживании и покидают систему. По окончании процесса обслуживания одной из заявок освобождающиеся приборы вместе с другими свободными приступают к обслуживанию заявки, стоящей на первом месте очереди, или ожидают прихода следующей заявки, если очередь пуста.
На основании изложенного была разработана имитационная статистическая модель (МСО). В качестве аналитической модели (ВМО) с ограниченной очередью предлагается следующая [11]. Описание входного потока соответствует приведенному в главе 3. Состояние ВМО представим в виде вектора:
где jm – количество заявок в очереди, требующих для своего обслуживания m приборов; Km – количество заявок в системе, каждая из которых обслуживается m приборами; – количество заявок, находящихся в очереди;– количество заявок в системе, находящихся на обслуживании.
Тогда число свободных () и занятых () приборов в системе определяется как:
Из состояния система может перейти в любое другое состояние. Так как в системе действуетl входных потоков (l = qmax – qmin+ 1), то из состояния потенциально возможныl прямых переходов. Однако из-за ограниченности ресурсов (N и L) не все эти переходы осуществимы. Пусть ВМО находится в состоянии , и приходит заявка, требующаяm приборов. Если m nсв()об, то заявка принимается на обслуживание и система переходит в состояние с интенсивностьюm, причем
Если же заявка затребует приборов больше, чем имеется свободных, то она встает в очередь при условии, что m nсв()оч, т.е.
Если же места и в очереди заняты, то заявка получает отказ, а СМО остается в состоянии . Интенсивности обслуживания аналогичны описанным в главе 3.
При завершении обслуживания одной из заявок система перейдет в состояние, в котором соответствующая координата имеет значение на единицу меньше, чем в состоянии , т.е.
,
произойдет обратный переход.
На рис. 4.2 представлен пример фрагмента графа ВМО для n = 3, q = = 1–3, P(m) = 1/3, L = 3.
Рис. 4.2. Фрагмент графа переходов ВМО СМО
По графу состояний с нанесенными интенсивностями переходов составляется система алгебраических уравнений, из решения которой находятся вероятности P(), а по последним определяются характеристики СМО. Рассмотрим нахождениеРотк и tоч.
На основании сведений, изложенных в главе 3, и особенностей ВМО получим, что
. (4.3)
Определим tоч. Допустим, что время ожидания начала обслуживания данной заявки попало в элементарный интервал (t, t + dt). Вероятность этой гипотезы приближенно равна fоч(t)dt, где fоч(t) – плотность распределения вероятности времени пребывания заявки в очереди. За время пребывания в очереди за этой заявкой образуется очередь, в которой в среднем будет находиться t заявок. Следовательно, математическое ожидание числа заявок (r), находящихся в очереди, будет определяться по выражению:
где – среднее время ожидания заявки в очереди. Отсюда
. (4.4)
В свою очередь,
. (4.5)
Тогда на основании (4.4) и (4.5) получим
.
В табл. 4.1 приведены расчетные значения Ротк и при = 0,6; N 1–2L = 1–2 для моделей СМО и ВМО.
Таблица 4.1
N, L |
Pотн ВМО |
Pотн МСО |
ВМО 10-2 |
МСО 10-2 |
1,1 |
0,1836 |
0,1849 |
3,06 |
3,09 |
1,2 |
0,0993 |
0,1050 |
6,61 |
6,58 |
2,1 |
0,0294 |
0,0301 |
0,50 |
0,47 |
2,2 |
0,0249 |
0,0234 |
2,20 |
2,21 |
Проверка адекватности моделей (ВМО и СМО) проводилась на основании критерия Уилкоксона [25], который показал совпадение с точностью не хуже 2 %.
Итак, следует отметить, что предложенная в данном разделе ВМО позволяет рассчитывать характеристики СМО с запросами на случайное число обслуживающих приборов и мест в очереди. Практическая возможность использования ВМО связана с применением пакетов прикладных программ для расчета системы алгебраических уравнений.