- •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
2.2. Принципы классификации входящих потоков
Потоки классифицируются с точки зрения стационарности, ординарности и последействия [6].
Стационарность потока. Входящий поток заявок является стационарным, если при любом n совместный закон распределения числа заявок за промежутки времени от [t0, t1), [t0, t2), …, [t0, tn):
P{K(t0, ti), i = 1, 2, …, n},
зависит только от длины промежутков времени и не зависит от момента t0. Иными словами, независимо от того, где на оси времени расположен промежуток [t0, ti), вероятность поступления K(t0, ti) заявок одна и та же. Это значит, что для стационарного потока вероятность поступления некоторого числа заявок за какой-то промежуток времени зависит от длины этого промежутка и не зависит от его начала. В противном случае поток является нестационарным.
Ординарность потока. Обозначим через Пk(t, t + ) вероятность поступления k и более заявок за промежуток [t, t + ). Поток заявок является ординарным, если при τ 0
,
т.е. Пk(t, t + ) = 0(), где 0() – величина более высокого порядка малости по отношению к .
Ординарность потока выражает практическую невозможность одновременного поступления двух и более заявок в любой момент времени t.
Последействие потока. Поток заявок является потоком без последействия, если вероятность поступления K(t0, ti) вызовов за промежутки [t0, ti), i = 1, 2, …, n, P{K(0, ti) – K(0, t0) = K(t0, ti), i = 1, 2, …, n}, не зависит от вероятностного процесса поступления вызовов до момента t0. Иными словами, отсутствие последействия потока означает независимость течения случайного потока заявок после какого-либо момента времени от его течения до этого момента.
2.3. Характеристики входящих потоков
К основным характеристикам входящего потока следует отнести параметр и интенсивность потока.
Под параметром потока (t) в момент времени t понимается предел отношения вероятности поступления хотя бы одного вызова за время [t, t + + ) к длине этого отрезка времени при 0:
, (2.1)
т.е. параметр потока есть плотность вероятности наступления вызывающего момента в момент t. Исходя из (2.1), находим вероятность поступления одного вызова и более за время [t, t + ):
(t, t + ) = (t) + 0(), 0.
Согласно определению стационарного потока, вероятность поступления определенного числа заявок за некоторый промежуток времени одна и та же и не зависит от места расположения этого промежутка на оси времени. Следовательно, и плотность вероятности поступления заявок стационарного потока, т.е. его параметр (t), есть величина постоянная, не зависящая от момента t, т.е. (t) = . Отсюда для стационарных потоков
(t, t + ) = + 0(), 0.
В отличие от ведущей функции потока (t, 0), определяющей математическое ожидание числа заявок, поступающих в промежутке времени [0, ), параметр потока (t) характеризует не поток заявок, а поток вызывающих моментов, и эта характеристика относится не ко всему отрезку [0, ), а лишь к фиксированному моменту t.
Интенсивностью стационарного потока называется математическое ожидание числа заявок, поступающих в единицу времени. Вследствие аддитивности математического ожидания для стационарного потока ведущая функция за промежуток времени [0, t) равна (0, t) = t.
Для нестационарных потоков используются понятия средней и мгновенной интенсивностей. Средняя интенсивность потока на отрезке времени [t1, t2) есть
,
а мгновенная интенсивность потока в момент t
. (2.2)
Согласно (2.2) мгновенная интенсивность потока представляет производную ведущей функции потока. Так же, как и параметр потока (t), мгновенная интенсивность потока (t) относится не к отрезку времени поступления вызовов, а только к моменту t. В то же время, в отличие от параметра потока, характеризующего поток вызывающих моментов, мгновенная интенсивность потока характеризует поток поступления вызовов.
Для любых потоков заявок (t) (t), причем для ординарных потоков (t) = (t). Для стационарных потоков интенсивность и параметры постоянны: (t) = , (t) = . Следовательно, для любых стационарных потоков , а для стационарных ординарных = .
Классификацию потоков удобно осуществлять, принимая за основной признак последействие потока. По этому признаку различают три класса потоков: без последействия, с простым последействием и с ограниченным последействием. Рассмотрим эти классы потоков.
2.4. Простейший входящий поток
Определение. Простейшим потоком называется стационарный ординарный поток без последействия. Простейший поток вызовов является наиболее распространенной моделью реального потока заявок, применяемой в системах массового обслуживания. В большинстве задач прикладного характера замена реальных потоков на простейшие с теми же интенсивностями приводит к получению решения, которое мало отличается от истинного [7]. Математическое моделирование показало [7], что в большинстве случаев эта погрешность ограничена 3–5 % и лишь в редких случаях 10–12 %, что вполне приемлемо при решении прикладных задач. Однако, как указано в работах [8–10], имеются особые условия, когда эта погрешность может достигнуть значительных величин. В связи с этим необходимо использовать модели потоков более сложного характера.
Математическая модель простейшего потока. Определим вероятности поступления потока k (k = 1, 2, …) вызовов на отрезке времени [t0, t0 + t): Pk(t0, t0 + t). Исследования будем проводить на отрезке времени [t0, t0 + t + ), который можно представить состоящим из двух примыкающих друг к другу отрезков [t0, t0 + t + ) = [t0, t0 + t) + [t, t + ).
Для того чтобы в течение отрезка [t0, t0 + t + ) поступило точно k вызовов, необходимо, чтобы за первый промежуток времени [t0, t0 + t) поступило k, или k–1, …, или k–i, …, или 0 вызовов, а за второй промежуток соответственно 0, или 1, …, или i, …, k вызовов.
Введем обозначения: Pk[t0, t0 + t + ) – вероятность поступления точно k вызовов за отрезок времени [t0, t0 + t + ); Pk-i[t0, t0 + t) – вероятность поступления k-i вызовов за первый отрезок времени [t0, t0 + t); Pi[t, t + t) – вероятность поступления точно i вызовов за второй отрезок времени [t, t + + t). Согласно определению простейший поток является стационарным. Из этого следует, что вероятности поступления того или иного числа вызовов (заявок) за отрезки времени [t0, t0 + t + ); [t0, t0 + t), [t, t + ) не зависят от моментов начала отсчета времени, а зависят только от длины отрезков времени. Поэтому упростим обозначения как отрезков, так и вероятностей: [t0, t0 + t + ) будем обозначать как [t + ); [t0, t0 + t) – как [t); [t, t + ) – как [); Pk(t0, t0 + t + ) – как Pk(t + ); Pk-i(t0, t0 + t) – как Pk-i(t); Pi(t, t + ) – как Pi().
Простейший поток – это поток без последействия. Поэтому независимыми являются события, заключающиеся в поступлении какого-либо числа вызовов за первый и второй промежутки времени, и вероятность поступления точно k вызовов за время [t + ) для каждой регистрации i = 0, 1, …, k составляет Pk(t + )i = Pk-i(t)Pi(), i = 0, 1, …, k. Поскольку реализации с i = 0, 1, …, k представляют несовместимые события, то согласно формуле полной вероятности имеем
(2.3)
Выражение (2.3) представляет собой систему, состоящую из бесконечного числа уравнений. Устремим отрезок времени к нулю. Вследствие ординарности простейшего потока 2(t, t – ) = 0(), 0. Вероятности поступления 2, 3, … вызовов: P2(), P3() и т.д. – есть бесконечно малые более высокого порядка по отношению к . Следовательно, в системе уравнений (2.3) вероятности Pi имеют конечные значения только при i, равном 0 и 1. На основании этого (2.3) преобразуется к виду
Pk(t + ) = Pk–1(t) Pi() + Pk(t) P0(t) + 0(), k = 0,1, … 0. (2.4)