книги / Прикладная теория систем массового обслуживания
..pdfказательство этого, данное Хинчиным [5], опирается на следующую тео рему.
Теорема. Рассмотрим стационарный регулярный процесс. Утвер ждается, что среднее число событий в единицу времени р и интенсивность потока Х9определенная соотношением (1.4), совпадают. Случай X = р = +оо при этом не исключается.
Итак, мы рассмотрели основные общие свойства случайных процес сов, которые нам понадобятся в последующих главах.
1.8. Примеры случайных процессов
Приведем примеры случайных процессов, которые можно опреде лить и изучить на основе понятий, введенных ранее в этой главе.
Пример 1.5. Процесс с взаимно независимыми значениями. Пусть Fn(X) - последовательность одномерных функций распределения, где п пробегает множество целых чисел. Для любой конечной группы целых чи сел пи •••, Щ функция
F(xni >•••>*/»£ ) = Fni (хп^ )..F'nk (xnfc)
является ^-мерной функцией распределения. Очевидно, что семейство всех таких F с к = 1,2, удовлетворяет условиям симметрии и согласованно сти. Следовательно, по теореме Колмогорова существует случайный про цесс с целочисленным параметром ..., 4_i,£o> £ь • ••, семейство конечно мерных распределений которого совпадает с семейством всех F. В силу
определения F, случайные величины |
взаимно независимы. Процесс |
|
называется процессом с взаимно независимыми значениями. |
|
|
Пример 1.6. Стационарный марковский процесс. Пусть |
^2» - |
последовательность независимых случайных величин, распределенных нормально с параметрами (0, 1 ); иначе говоря, каждая случайная величина имеет нормальную функцию распределения ср(х). Определим новую по
следовательность случайных величин: |
|
Tll = Çl> |
|
Л2=г£, + ( 1 - ,У Ч 2) |
|
лл=гп|#,+(1 - r 2),/V 2è + '/"36 + |
Ч п), |
где г - некоторое число, | г \< 1. Для всех т и п |
|
1Ля =0,ЕЛп2М,1ЛтЛ)1 =г|тЧ
Любая конечная группа величин *пя имеет совместное нормальное распределение с нулевыми средними, единичными дисперсиями и с коэф фициентами корреляции для любой пары г|л и r|w, равными г^т'п\ так что свойство стационарности имеет здесь место.
Найдем
Л =
Л2 -Г Л 1 |
t |
(1 -г 2)1/2 |
2> |
ЛЯ-^Л1 |
» |
( 1 _ г 2)1/2 |
|
Случайные величины, стоящие в этих равенствах справа, независи мы и нормально распределены с параметрами (0, 1). Следовательно, ус ловная плотность распределения
Ли г Ля-1 _ £
( l - r 2)1/2 " Çn
при условии, что величины £ь £„_i приняли некоторые определенные значения, не зависит от этих значений и равна нормальной плотности ф(дс).
Величины |
..., Ç„_i однозначно определяют ць ..., г\^и и наоборот. По |
||
этому условное распределение iVi при данных r|i, ..., |
нормально с ус |
||
ловным средним |
и дисперсией (1 - г2)172 Заметим, что это распреде |
ление зависит только от непосредственно предшествующей величины г|„ 1
и не зависит от r|i, t|n_2*Случайный процесс, для которого зависимость от прошлого носит такой характер, называется марковским.
Приведенные примеры иллюстрируют применение теоремы Колмо горова при доказательстве существования случайных процессов с конеч номерными распределениями.
2.СЛУЧАЙНЫЕ ПОТОКИ СООБЩЕНИЙ
2.1.Основные понятия
Входящим потоком (потоком событий) называется последователь ность событий, наступающих через какие-либо интервалы или в какие-то моменты времени. В теории массового обслуживания под входящим пото ком принято понимать последовательность вызовов, поступающих от або нентов или групп абонентов, поток неисправностей отдельных устройств, поток информации, поступающий на обработку в ЭВМ, поток заявок на измерения в измерительных системах и т.п.
Следует различать детерминированный и случайный потоки. Детер минированный входящий поток - последовательность событий (вызовов, заявок), в которой вызовы поступают в определенные, строго фиксирован ные, неслучайные промежутки времени. Случайный поток заявок отлича ется от детерминированного тем и только тем, что моменты поступления заявок и промежутки времени между поступлениями заявок не строго фик сированы, а случайны. Детерминированные потоки являются частным слу чаем случайных потоков и на практике встречаются редко. Примерами их могут служить: поток сеансов связи с искусственным спутником Земли, поток поступления деталей ритмично работающего предприятия, поток заявок на измерение при циклической работе коммутатора. Строго говоря, даже в таких потоках имеют место случайности. В связи с этим в теории систем массового обслуживания основное внимание уделяется рассмотре нию случайных входящих потоков.
Условимся в дальнейшем случайные величины обозначать пропис ными (большими) буквами, а их возможные значения - соответствующими строчными (малыми) буквами.
Входящий поток может быть определен тремя эквивалентными по следовательностями: последовательностью вызывающих моментов t\, /2»
..., tn\ последовательностью промежутков времени z]9z2, ..., zn\ последова тельностью чисел к\, къ ..., кп, определяющих количество вызовов, посту пающих в течение заданных отрезков времени [ta fi), [ta h), ..., [ta tn). При этом под вызывающим моментом понимается момент одновременного по ступления одного, двух и более вызовов; для вызывающих моментов все гда Z/> 0, если /,■> 1, в то время как для момента поступления вызова /, >
> tj. 1 H Z ,-> 0.
Определения случайного потока вызовов связано с определением в вероятностном смысле либо последовательности вызывающих моментов, либо последовательности промежутков между вызывающими моментами, либо последовательности чисел вызовов, поступающих в течение отрезков времени [ta'i), [ta^X •••> [taO-
Для задания случайных потоков, как и других случайных величин и процессов, используются функции распределения. Функцией распределе ния вероятностей некоторых случайных величин X называется функция F(x) = Р{Х < *}, определяющая вероятность того, что Х < х , где х - опреде ленная заданная величина. С учетом изложенного, для задания случайного потока могут быть использованы следующие эквивалентные законы:
1) совместный закон распределения п случайных вызывающих мо ментов Р{Ti< tb /= 1, 2, ...,ri) =P{Tx<t\, Г2< /2, •••> Tn<t„}, где вы зывающий момент; п может принимать любое значение;
2)совместный закон распределения п случайных промежутков вре мени между вызывающими моментами: P{Zi<zh i = 1, 2, ..., п} = P{Z\<z\, Z2 < z2, Zn< z„}, где Zi - промежуток времени между (z-1) и z-м вызы вающими моментами; п может принимает любое значение;
3)совместный закон распределения числа вызовов К на п отрезках
времени [/0, *i), [t0i h), ..., [t0, tn): P{K(t0,ti) = K, < kit i = 1,2,..., n} = P{K(t0i t{) =K\ < ku K(t0, t2) = K2<k2i ..., K(t0, tn) = Kn< kn}, где n может принимать любое значение; к\ < к2 < кп\ t\ < t2< ... < tn.
Введем некоторые ограничения на рассматриваемые случайные по токи. Потоки подразделяются на неоднородные и однородные. В неодно родных потоках каждая заявка имеет две и более характеристики. Напри мер, заявки, поступающие на измерения, определяются моментами их по ступления, запросами на требуемое число разрядов измерительного уст ройства, приоритетами и другими характеристиками.
Однородный поток вызовов характеризуется последовательностью, определяющей только закономерность поступления вызовов, т.е. последо вательностью моментов поступления вызовов или промежутков времени между вызовами либо иным способом задания потока.
На практике потоки, как правило, являются неоднородными. Не смотря на это, целесообразно рассматривать и более простую модель, т.е. однородные потоки. Ограничимся рассмотрением потоков, в которых на любом конечном отрезке времени поступает конечное число вызовов и ма тематическое ожидание числа поступающих вызовов также является ко нечной величиной. Такие потоки называются финитными.
Математическое ожидание числа вызовов, поступающих в интервале времени [0, f], называется ведущей функцией потока. Обозначим эту функ цию Л(0, г). Функция Л(0, г) - неотрицательная, неубывающая и в практи ческих задачах принимает конечное значение. Потоки с непрерывной ве дущей функцией называются регулярными, а со ступенчатой - сингуляр ными. Вероятность поступления хотя бы одного вызова в определенный момент времени для регулярного потока равна нулю, а для сингулярного потока в моменты разрыва ведущей функции отлична от нуля. Классиче ские модели систем массового обслуживания (СМО) ориентированы на случайные однородные финитные регулярные потоки.
2.2. Принципы классификации входящих потоков
Потоки классифицируются с точки зрения стационарности, ординар ности и последействия [6].
Стационарность потока. Входящий поток заявок является стацио нарным, если при любом п совместный закон распределения числа заявок за промежутки времени от [/0, /0, [/о» h), ...» [/о. t„):
P{K(t0,t,), i = 1,2,
зависит только от длины промежутков времени и не зависит от момента t0. Иными словами, независимо от того, где на оси времени расположен про межуток [t0, ti), вероятность поступления K(t0, ti) заявок одна и та же. Эго значит, что для стационарного потока вероятность поступления некоторо го 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 Щ /, t + т) вероятность по ступления к и более заявок за промежуток [t, t + т). Поток заявок является ординарным, если при т -»• О
iim M iîïE Î = 0,
Т-+0 Т
т.е. n*(f, t + т) = 0(т), где 0(т) - величина более высокого порядка малости по отношению к т.
Ординарность потока выражает практическую невозможность одно временного поступления двух и более заявок в любой момент времени г.
Последействие потока. Поток заявок является потоком без после действия, если вероятность поступления K(t0, t,) вызовов за промежутки
[to, ti), i = 1 , 2 , . . . , п, Р {Щ , ti) - АГ(0, to) = K(to, ti), i = 1, 2, ..., n}, не зависит от вероятностного процесса поступления вызовов до момента t0. Иными словами, отсутствие последействия потока означает независимость тече ния случайного потока заявок после какого-либо момента времени от его течения до этого момента.
2.3.Характеристики входящих потоков
Косновным характеристикам входящего потока следует отнести па раметр и интенсивность потока.
Под параметром потока X(t) в момент времени t понимается предел отношения вероятности поступления хотя бы одного вызова за время [t, t + + т) к длине этого отрезка времени т при т —> 0:
limî'(¥ +î>,X(,), |
( . ) |
т-»0 |
2 1 |
|
т.е. параметр потока есть плотность вероятности наступления вызывающе го момента в момент и Исходя из (2.1), находим вероятность поступления одного вызова и более за время [/, t + т):
f + т) = X{t)z + 0(т), х -> 0.
Согласно определению стационарного потока, вероятность поступ ления определенного числа заявок за некоторый промежуток времени одна и та же и не зависит от места расположения этого промежутка на оси вре мени. Следовательно, и плотность вероятности поступления заявок ста ционарного потока, т.е. его параметр Х(Г), есть величина постоянная, не за висящая от момента t, т.е. X(t) = X. Отсюда для стационарных потоков
7Tj(г, t + т) = Хх + 0(т), х -> 0.
В отличие от ведущей функции потока Л(7, 0), определяющей мате матическое ожидание числа заявок, поступающих в промежутке времени [0, т), параметр потока характеризует не поток заявок, а поток вызы вающих моментов, и эта характеристика относится не ко всему отрезку [0, х), а лишь к фиксированному моменту Л
Интенсивностью стационарного потока ц называется математиче ское ожидание числа заявок, поступающих в единицу времени. Вследствие аддитивности математического ожидания для стационарного потока веду щая функция за промежуток времени [0, t) равна Л(0, t) = \xî.
Для нестационарных потоков используются понятия средней и мгновенной интенсивностей. Средняя интенсивность потока на отрезке времени [t]t ti) есть
|
h " h |
|
a мгновенная интенсивность потока в момент t |
|
|
|i(0 = lim Л(0,м-х)-Л(0,/) |
(2.2) |
|
т->0 |
X |
|
Согласно (2.2) мгновенная интенсивность потока представляет про изводную ведущей функции потока. Так же, как и параметр потока X{t), мгновенная интенсивность потока ц(/) относится не к отрезку времени по ступления вызовов, а только к моменту г. В то же время, в отличие от па раметра потока, характеризующего поток вызывающих моментов, мгно венная интенсивность потока характеризует поток поступления вызовов.
Для любых потоков заявок р(Г) £ А,(г), причем для ординарных пото ков ц(г) = А.(г). Для стационарных потоков интенсивность и параметры по стоянны: ц(г) = ц, X(t) = X. Следовательно, для любых стационарных пото ков р > X, а для стационарных ординарных р = X.
Классификацию потоков удобно осуществлять, принимая за основ ной признак последействие потока. По этому признаку различают три класса потоков: без последействия, с простым последействием и с ограни ченным последействием. Рассмотрим эти классы потоков.
2.4. Простейший входящий поток
Определение. Простейшим потоком называется стационарный ор динарный поток без последействия. Простейший поток вызовов является наиболее распространенной моделью реального потока заявок, применяе мой в системах массового обслуживания. В большинстве задач прикладно го характера замена реальных потоков на простейшие с теми же интенсив ностями приводит к получению решения, которое мало отличается от ис тинного [7]. Математическое моделирование показало [7], что в большин стве 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 погреш ность может достигнуть значительных величин. В связи с этим необходи мо использовать модели потоков более сложного характера.
Математическая модель простейшего потока. Определим вероят ности поступления Потока к {к = 1, 2, ...) вызовов на отрезке времени [г0, Г0 + t): Р*(Го, Г0 + 0- Исследования будем проводить на отрезке времени [г0, Г0 + Г + т), который Можно представить состоящим из двух примыкающих друг к другу отрезков [г0, г0 + г + т) = [г0, 'о+ 0 + [t, г + т).
Для того чтобы в течение отрезка [г0, Г0 + Г+ т) поступило точно к вы зовов, необходимо, чтобы за первый промежуток времени [/о, + 0 посту пило к, или к -1, ..., или £-/, ..., или 0 вызовов, а за второй промежуток со ответственно 0, или 1, ..., или /, ...Д вызовов.
Введем обозначения: Pk[t0, г0 + t + т) - вероятность поступления точ но к вызовов за отрезок времени [Г0, Г0 + * + т); Pk.j[t0, Г0 + Г) - вероятность поступления Ы вызовов за первый отрезок времени [г0, г0 + Г); P{t, Г + Г) - вероятность поступления точно i вызовов за второй отрезок времени [г, Г + + г). Согласно определению простейший поток является стационарным. Из этого следует, что вероятности поступления того или иного числа вызовов (заявок) за отрезки времени [/о, to+ t + т); [Г0, Г0 + г), [г, г + т) не зависят от моментов начала отсчета времени, а зависят только от длины отрезков времени. Поэтому упростим обозначения как отрезков, так и вероятностей: [Г0, Го + t + т) будем обозначать как [г + т); [Г0, Г0 + Г) - как [г); [Г, Г + т) - как
[т); Piito, to+ t + x) - как P it + t); PU k, k + 0 ~ как PUOl |
< + т) - как |
Л{т). |
|
Простейший поток —это поток без последействия. Поэтому незави симыми являются события, заключающиеся в поступлении какого-либо числа вызовов за первый и второй промежутки времени, и вероятность по ступления точно к вызовов за время [t + т) для каждой регистрации i = 0, 1, к составляет P^t + т), = Р*.,{/)Л(т), *= 1> ..Д Поскольку реализациис i = о, 1, к представляют несовместимые события, то согласно формуле
полной вероятности имеем
Pk(t + т) = |
+ т), = Z f lw ttW ) , |
к = 0,1,2,... |
(2.3) |
/=0 |
1=0 |
|
|
Выражение (2.3) представляет собой систему, состоящую из беско нечного числа уравнений. Устремим отрезок времени т к нулю. Вследствие ординарности простейшего потока 7i2(f, t —х) = 0(т), т —►0. Вероятности поступления 2, 3, вызовов: Р2(т), Р М и т.д. - есть бесконечно малые более высокого порядка по отношению к т. Следовательно, в системе урав нений (2.3) вероятности Pi имеют конечные значения только при /, равном Ои 1. На основании этого (2.3) преобразуется к виду
P it + 1) = Р*-.(0 P.(i) + Р*(0 Ро(0 + 0(х), * = 0,1,... т -> 0. |
(2.4) |
Определим Pi(x) и Р’о(т):
Р,(х) = я,(т) - тс2(х); Ро(х) = К0(т) -тс2(т).
С учетом ранее введенных определений
Р,(х) = Хх + 0(т); Р0(х) = 1 - Хт + 0(т). |
(2.5) |
Подставим в систему уравнений (2.4) полученные значения вероят ностей Р,(х) и Р0(х). Затем, перенеся в левую часть уравнений Pit), поде лим левые и правые части уравнения на т. Переходя к пределу, получим
—p * ( 0 = ^ * - ,( 0 - W ) . |
*=0,1,... |
(2.6) |
dt |
|
|
Решив систему дифференциальных уравнений, получим формулу |
||
Пуассона |
|
|
в д = ^ |
е"х' |
(27) |
Таким образом, вероятность поступления точно к заявок простейше го потока за отрезок времени t определяется формулой Пуассона (2.7). По
этой причине простейший поток также называют стационарным пуассо новским потоком.
Основные характеристики простейшего потока. При объедине нии п независимых простейших потоков с А.1, Х2у ..., Хп образуется про стейший поток с параметром Х\ + Х2+ + Хп. Вероятность точно к заявок за отрезок времени t определяется формулой Пуассона
РК- [fo-l + *-2 + --+ D 0 * С-(Х,+Х, +..ЛК)! |
Ç2.S) |
Можно показать, что объединение большого числа независимых ста ционарных ординарных потоков с практически любым последействием при малых значениях параметров этих потоков создает общий поток, близ кий к простейшему. Если каждый из потоков поступает от отдельного ис точника заявок, то простейший поток можно представить как поток от бес конечного числа источников, параметры каждого из которых стремятся к нулю.
Сумма вероятностей всех возможных значений числа поступающих заявок за рассматриваемый промежуток времени t равна 1. Действительно,
£/>*(r) = e-x' £ |
^ - = e - V '= l . |
|
*=о |
*=о |
kl |
При t = 1 получаем
ркт = р к = ^ е ~ х
Функция Pi£t) есть функция распределения дискретной случайной ве личины К. Из (2.7) следует, что она зависит от X tnk,a при t =1 - от X и к.
Как и для любой дискретной случайной величины, распределенной по закону Пуассона, математическое ожидание М(к) дисперсии D(k) и среднеквадратическое отклонение а(&) числа заявок простейшего потока,
поступивших за отрезок времени t, равны: М(к) = D{k) = Xt; a(fc) = 4Xt
При t= 1M(k) = D(k) = X, a(k) = VL
Из этого следует, что интенсивность простейшего потока равна его параметру р = М(к) = X. Равенство р = X справедливо не только для про стейшего потока, но и для любого стационарного ординарного потока.
Вероятность поступления к и более заявок определяется по формуле
Ъ * (0 = £ ( Р ' е-X/
Ык я
Вероятности F*(0 и P ^ t ) для различных значений к и Xt табулиро ваны [11].
Функция F(z) распределения вероятностей промежутков време ни между заявками. Согласно определению функция F(z) равна вероятно сти того, что промежуток времени между заявками будет меньше заданно го промежутка z, что равносильно вероятности n\(z) того, что за промежу ток z поступит одна заявка и более. Используя (2.7), получим
F(z) = P(Z <z) = 7t,(z) = Ж)(z) - Po(z) = 1 - e-xz, z > 0, |
(2.9) |
a плотность распределения вероятности промежутков времени между заяв ками
/ ( z) = 4Ü^£)=Xe'b |
(2.10) |
dz |
|
Таким образом, распределение промежутков времени между заявка ми простейшего потока подчиняется показательному (отрицательному экспоненциальному) закону. Функция F(z) зависит от параметра потока X.
Характеристики промежутков времени между заявками Z можно за писать в виде
M(z) = V (z)d z = i |
(2.11) |
|
0 |
к |
|
^ z ) = ] z 2/(z )d z -M 2(z) = -^-, |
(2.12) |
|
о |
X |
|
а(г) = 7 Щ |
= 1 . |
(2.13) |
Из (2.11) и (2.13) следует, что M(z) = a(z). Такое равенство характер но для показательного закона распределения любой случайной величины. Формула (2.11) показывает, что с увеличением параметра потока X умень шается математическое ожидание промежутка времени между заявками
M(z).
Распределение промежутков времени между заявками по показа тельному закону (2.9) является не только необходимым, но и достаточным условием существования простейшего потока. Можно показать, что поток с независимыми промежутками между заявками, распределенными по одинаковому показательному закону (2.9), является простейшим потоком.
Показательный закон обладает следующим свойством: если проме жуток времени, распределенный по показательному закону, уже длится некоторое время, то это никак не влияет на закон распределения оставшей ся части промежутка; он будет таким же, как и закон распределения всего промежутка. Для доказательства предположим, что промежуток времени