- •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
21052012 Лекция 15 Марковские процессы с непрерывным временем
Для Марковских процессов с непрерывным временем, когда переходы их одного состояния в другое возможны в любой момент времени, то вероятность перехода из состояния Еi в состояние Еj точно в момент времени t не может быть задано, поскольку такая вероятность равна 0. Вместо этого можно определить вероятность соответствующего перехода на интервале времени (t, t+t), определяемая как
pij (t, t +t)=Pr {g (t+t)=Ej | g (t)=Ei}, i, j=0,n.
При этом , i, j=0,n.
Отсюда, в случае Марковской цепи с непрерывным временем для описания переходов используются не вероятности переходов, а интенсивности переходов. Интенсивность перехода из состояния Ei в состояние Ej в момент времени t, обозначаемая через qij(t), определяется следующим образом:
qij(t)= , ij; (*)
qii(t)= . (**)
Так как всегда (t,t+t)=1, то из равенств (*) и (**) следует, что
(t)=0, i=0,n. (***)
Если вероятности переходов pij(t,t+t), а, значит, и интенсивности переходов qij(t), не зависят от времени t (pij(t,t+t)pij(t) и qij(t) qij), то Марковский процесс называется однородным, в противном случае - неоднородным. Далее, рассматривая Марковские случайные процессы с непрерывным временем, будем считать их однородными.
Интенсивности переходов qij, i,j=0,n, можно задать в виде квадратной матрицы Q размерности (n+1)(n+1):
называемая матрицей интенсивностей переходов. Элементы матрицы переходов Q удовлетворяют условию (***) (сумма элементов строки равна нулю), и такая матрица называется дифференциальной.
Вспомним задачу определения вероятностей МСП с непрерывным временем. Вероятность того, что МСП в момент времени t+t окажется в состоянии Ei, определяется как
P
(15)
i(t+t) = (t)pji(t), i=0,n.Если вычесть Pi(t) от обоих сторон равенства (15), а затем разделить на t и определить соответствующие пределы при t0, то получим:
, i=0,n
или в векторном виде:
При заданном векторе начальных состояний можно решить данную систему дифференциальных уравнений.
В случае эргодичности марковского случайного процесса существуют предельные (при t) вероятности состояний Pi, i=0,n, и они не зависят от начальных условий и временного параметра. Тогда производные dPi(t)/dt=0, i=0,n, и система дифференциальных уравнений для стационарного режима превращается в систему линейных алгебраических уравнений:
, i=0,n
или в векторном виде
PQ=0.
Система совместно с нормировочным условием дает единственное решение для стационарных вероятностей Pi, i=0,n.
Пример:
Определить вероятности состояний равновесия МСП с четырьмя возможными состояниями Е0, Е1, Е2, Е3 и матрицей интенсивностей Q:
В диаграмму не включены петли. λ – интенсивность перехода в следующее состояние, µ - интенсивность перехода в предыдущее состояние.
*Рисунок – это прихоть преподавателя
Составим систему уравнений:
Если по матрице – то по столбику, если по рисунку – то рисуем контур и пишем уравнение из «входящие = исходящие».
Первые четыре уравнения полученной системы являются линейно зависимыми, и любое из них можно исключить из системы, а остальные три уравнения и нормировочное условие определяют единственное решение для вероятностей состояний равновесия. Если = 2 и = 1, то P0=1/19, P1=2/19, P2=4/19 и P3=12/19.
Применение принципа равенства потоков вероятностей к отдельным состояниям дает такую же систему уравнений. Так, например, для состояния E3 P1+P2=P3, что соответствует четвертому уравнению приведенной выше системы.