книги / Прикладные задачи теории массового обслуживания
..pdfрис. 2.1.5; 2.1.6; 2.1.7 состояние х0 является состоянием без входа.
Очевидно» если состояние без входа будет ду, то
lim /?,(/) = 0.
t -*■ос
Анализ |
любой |
|
системы |
массового обслуживания следует |
|||
всегда |
начинать |
с рассмотре |
|
|
|||
ния всех состояний, |
в которых |
|
*3 |
||||
эта система может быть, и с со- |
|
||||||
|
|
||||||
ставления |
графа |
состояний |
с |
|
|
||
указанием |
возможных перехо |
|
!±t |
||||
дов. Такой порядок анализа си- |
П П — |
||||||
стемы |
значительно |
облегчает |
I—-Ь*“~ G J |
исследование и делает его бо лее наглядным.
§2.2. ДИСКРЕТНЫЕ МАРКОВСКИЕ СЛУЧАЙНЫЕ ПРОЦЕССЫ
СНЕПРЕРЫВНЫМ ВРЕМЕНЕМ
Рассмотрим один из важных с прикладной точки зрения класс дискретных случайных процессов — дискретные марков ские случайные процессы с непрерывным временем *.
Пусть имеется дискретный случайный процесс, протекающий в системе с возможными состояниями
• • |
•» |
• • • > -Ч/> • • • |
|
Обозначим условную вероятность того, что в момент / = /о+ т |
|||
система будет в состоянии |
jtj, |
если в момент U она |
была в со |
стоянии хи через pi,j (tQl т). |
|
|
м а р к о в |
Дискретный случайный процесс X(t) называется |
|||
ским, если вероятность, |
(tQ%т) зависит только от указанных |
||
в обозначении параметров |
(i, |
j, /о, т), т. е. от того, |
в каком со |
стоянии была система в момент t0, в какое состояние она должна
перейти через время т.
Другими словами, все вероятностные характеристики марков ского процесса в будущем (при t> t0) зависят лишь от того, в
каком состоянии этот процесс находится в настоящий момент времени t0 и не зависят от того, каким образом этот процесс протекал до момента t0 (в прошлом). Короче можно сказать
так: для марковского процесса «будущее зависит от прошлого только через настоящее».
Различают два типа марковских случайных процессов: с дис кретным временем и с непрерывным временем. Марковским
* «Марковскими» называют процессы без последействия потому, что их впервые изучил А. А. Марков (1856—1922).
51
случайным процессом с дискретным временем называется про
цесс, у которого переходы из одного состояния в другое возмож ны в строго определенные заранее моменты времени tu U, h , ...
Такие процессы редко встречаются при анализе систем массового обслуживания, поэтому мы их рассматривать не будем.
Марковским случайным процессом с непрерывным временем
называется процесс, у которого переход (перескок) из одного состояния в другое возможен в любой момент времени t. Можно
доказать следующее важное утверждение: если все потоки собы тий, переводящие систему из состояния в состояние, являются пуассоновскими, то случайный процесс, протекающий в системе, будет марковским с непрерывным временем Таким образом, марковские случайные процессы с непрерывным временем тес нейшим образом связаны с пуассоновскими потоками событий. В первой главе было показано, что стационарные и нестацио нарные пуассоновские потоки событий часто встречаются на практике. Соответственно часто встречаются процессы марков ские или близкие к марковским процессам с непрерывным вре менем.
Для того чтобы описать дискретный марковский процесс с непрерывным временем, нужно знать следующие характеристи ки: перечень возможных состояний с указанием возможных не посредственных переходов из состояния в состояние, интенсив ности всех потоков событий, под влиянием которых осуществля ются эти переходы, и, в общем случае, состояние системы в начальный момент при ^ = 0.
Таким образом, для исследования процесса нужно:
1. Указать все состояния, в которых может находиться си стема.
2.Составить граф состояний, т. е. указать пути возможных непосредственных переходов системы из состояния в состояние.
3.Для каждого возможного перехода указать соответствую
щую интенсивность потока событий, переводящего систему из состояния Хг непосредственно в состояние xj.
4. Указать, в каком состоянии находится система в началь ный момент времени (при £ = 0).
Рассмотрение марковских случайных процессов, протекающих в системах со счетным множеством состояний, будем начинать всегда с описания самих состояний и составления графа состоя ний, на котором у каждой стрелки проставляется интенсивность соответствующего пуассоновского потока событий. Граф состоя ний с интенсивностями пуассоновских потоков событий полно стью определяет процесс, протекающий в системе, если указано
начальное |
состояние |
(или |
начальные |
состояния) системы. |
На рис. |
2.2.1 показан |
граф |
системы |
с двумя состояниями* |
* Справедливо и обратное утверждение: если процесс, протекающий в си стеме, является марковским с непрерывным временем, то все потоки событий, переводящие систему из состояния в состояние, являются пуассоновскими.
52
*0, Х\\ переход системы из состояния л*0 в л*1 происходит под
воздействием пуассоновского потока событий с интенсивностью V i ( 0 ; из Xi в Хо — с интенсивностью h to(t).
В дальнейшем договоримся, что если переход из состояния xk непосредственно в состояние xi невозможен, то соответствую
щей стрелки на графе состояний указывать не будем и интен сивность соответствующего потока событий бу
дем считать равной нулю: Khj ( t ) = 0. Удобно также считать, что для любого k интенсив ность Xk,k(t) = 0.
Системы, в которых протекают марковские |
Рис. 2.2.1 |
|
Случайные процессы с непрерывным временем, |
||
будем называть |
пуассоновскими системами. |
|
В дальнейшем будем рассматривать главным |
образом пуассо |
|
новские системы. |
|
|
§ 2.3. СОСТАВЛЕНИЕ СИСТЕМЫ ОБЫКНОВЕННЫХ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИИ ДЛЯ ВЕРОЯТНОСТЕЙ СОСТОЯНИИ
Основное преимущество пуассоновских систем в отношении Их исследования состоит в том, что для этих систем вероятности состояний описываются с помощью обыкновенных линейных диф ференциальных уравнений.
Чтобы продемонстрировать методику вывода этих уравнений, рассмотрим простую систему с двумя состояниями л:0, Х\у граф которой изображен на рис. 2.2.1. Составим уравнения, опреде
ляющие вероятности po(t) н p\{ t) того, что система в любой момент времени t будет находиться в состоянии х0 и Х\ соответ ственно. Для этого рассмотрим момент времени t и дадим ему малое приращение At. В этом случае вероятность po(t+\At) есть вероятность того, что в момент времени (t + At) система находит ся в состоянии .Vo. Это событие может иметь два исхода:
А— система в момент времени t была в состоянии Л'о и за время At из него не вышла;
В— система в момент времени t была в состоянии Х\ и за время At перешла в состояние х0.
Всилу ординарности пуассоновских потоков событий вероят ность осуществления нескольких переходов за время At пред ставляет собой величину высшего порядка малости по сравне нию с At (0 (At) ).
Найдем вероятность события А. Это событие будет иметь место, если в момент времени t система будет находиться в со стоянии Хо (вероятность этого po(t)) и за время At не наступит ни одного события в потоке с интенсивностью hofi(t). Условная вероятность этого (в силу отсутствия последействия) равна [см. (1.4.2) и (1.4.3)]:
53
/+м е- :tf
Следовательно:
|
|
t+м |
|
|
- |
J \ i ^ dt |
|
P(A)==p0(t)e |
1 |
(2.3.1) |
|
Считая величину At |
малой, a Ao,i (t) — непрерывной функцией, |
||
получим |
|
|
|
P(A) = p0(t)( 1 - |
Xo.i (0 U + 0 (A/)), |
(2-3.2) |
|
где 0 (Д /)— величина |
высшего порядка малости по |
сравнению |
|
с At. |
|
|
|
Событие В будет иметь место, если система в момент време ни t будет в состоянии х\ и в потоке событий с интенсивностью ?ч,о(t) за время Д£ наступит хотя бы одно событие, а в потоке событий с интенсивностью A0,i(/) за это же время At не наступит
ни одного |
события. |
Опираясь |
на те же формулы ( 1.4.2), |
(1.4.3) |
||||
и считая |
функцию |
?-i,o(0 непрерывной, получим |
|
|
||||
|
|
( |
л-д t |
\ |
t+\t |
|
|
|
|
|
- |
J \о <'><") - |
.f хо.1<ОЛ |
|
|||
|
|
1 - е |
' |
} е |
* |
= |
|
|
|
|
= A(0(>-i.o(0^ + |
0(A/)). |
|
(2.3.3) |
|||
Применяя теорему сложения вероятностей, будем иметь |
|
|||||||
Ро(*+ д0 = (1 |
- >ОД(/) А/) р0(/) + Х,.о(/) AtPl (t) + |
0 (At), |
(2.3.4) |
|||||
где 0(Д/) |
представляет |
собой |
сумму |
всех |
членов, |
порядок ма |
||
лости которых выше At. |
|
|
|
в выражении |
(2.3.4), |
|||
Проведя элементарные преобразования |
||||||||
получим |
|
|
|
|
|
|
|
|
P a d + At)—p0(t)
и->-o.iWiMO + M O p .W + - ^ 7 i
Переходя к пределу при At— >-0, найдем уравнение
Ит |
po(t + At)-p»(t) = _ )o i (/) (0 + >.1о(/) рх (/). |
Д/-*0 |
А / |
Так как предел левой части есть производная функции /?о(0> то окончательно дифференциальное уравнение для Ро(0 примет
вид
dPo U) |
р'о(*)= - Х0.100 |
Ро (0 + М.0 00 Pi (0. |
(2.3.5) |
|
dt |
||||
|
|
|
54
Следует обратить внимание на то, что при выводе этого диф ференциального уравнения использовались оба свойства пуассо новского потока событий: ординарность и отсутствие последей ствия.
Очевидно, пользуясь аналогичными рассуждениями и учиты вая для каждого состояния все возможные переходы, связываю щие это состояние с соседними, можно получить столько обык новенных линейных дифференциальных уравнений, сколько имеется возможных состояний системы.
Для нашего примера второе уравнение для p\{t) будет
Ф Р ~ = - W ,( * ) + W o ( ') . |
(2.3.6) |
a t |
|
Естественно, для любого t должно соблюдаться условие
А)(0 + А ( 0 = 1 . |
(2.3.7) |
Таким образом, вероятности состояний pi(t) для дискретной
системы, в которой протекает марковский процесс с непрерыв ным временем, определяются системой обыкновенных линейных дифференциальных уравнений. Другими словами, если все по токи событий, переводящие систему из состояния в состояние, являются пуассоновскими, то вероятности состояний определя ются обыкновенными линейными дифференциальными уравне ниями *.
Вероятности состояний марковского процесса находятся интегрированием соответствующей системы дифференциальных уравнений при определенных начальных условиях. Если система в начальный момент времени находится заведомо в одном опре деленном состоянии хт, то при / = 0 вероятность этого состояния равна единице: рт (0) = 1, рг ( 0) =0 при 1фт. В общем случае
могут быть заданы вероятности всех состояний в начальный момент, отличные от 0 и 1, при непременном соблюдении условия
2 л ( ° ) = 1 - |
(2-3.8) |
1=0 |
|
Существует определенный методический прием, намного об легчающий вывод дифференциальных уравнений для вероятно
стей состояний [19].
Продемонстрируем этот прием на конкретном примере. До пустим, что система имеет четыре возможных состояния: х0у Х\у х2, *3, и что переход системы возможен из любого состояния в
любое. Граф состояний такой системы показан на рис. 2.3.1. На этом рисунке около каждой стрелки, указывающей возможность
* Заметим, что если процесс, протекающий в системе, не является марков ским процессом с непрерывным временем, то обыкновенных дифференциальных уравнении для вероятностен состояний составить нельзя.
55
и направление перехода, проставлены интенсивности пуассонов ских потоков событий, переводящих систему из состояния в со стояние по данной стрелке. Напомним, что интенсивность пуас соновского потока событий, переводящего систему из состояния Х( в состояние Xj, мы договорились обозначать hij(t); функция h yj(t) для любого момента времени t является неотрицательной.
Условимся для краткости граф состояний, на котором простав лены не только стрелки переходов, но и интенсивности соответствую щих потоков событий, называть
«размеченным графом состояний».
Если составлен размеченный граф состояний, то для составления
дифференциальных |
уравнений для |
|
вероятностей pi(t) |
( /= 0, 1, |
..., п) |
можно предложить |
простое |
м н е- |
м о н и ч е с к о е правило. Производная dpi(t)/dt вероятно
сти пребывания системы в состоянии
Рис. 2.3.1 |
Xi равна алгебраической |
сумме не |
скольких членов; число членов этой |
||
фе состояний системы, |
суммы равно числу стрелок на гра- |
|
соединяющих состояние |
с другими |
состояниями. Если стрелка направлена в состояние л'г-, то член берется со знаком плюс; если стрелка направлена из состоя ния л*,*, то со знаком минус. Каждый член суммы равен произве
дению вероятности того состояния, из которого направлена стрелка, на интенсивность потока событий, переводящего систе му по данной стрелке. Число отрицательных членов равно чис лу стрелок, направленных из состояния Xi\ число положительных членов равно числу стрелок, направленных в состояние х{.
Пользуясь этим правилом, составим дифференциальные урав нения для вероятностей состояний системы, размеченный граф состояний которой приведен на рис. 2.3.1:
dt |
• (4,1 (t) 4" 4,2 (0 + 4,3 (0) Po(0 + |
4,0 (0 Pi (A + |
||
+ 4,0 (0 Po(0 + 4,o (0 Pz (*)'» |
|
|||
(fpi (О |
|
|||
‘ (4,0 (0 ~p 4,2 (0 —>4.3 (0) Pi (*)+ 4,1 (t) p 0 (t) -f |
||||
d t |
||||
|
+ 4 , i |
(0 Po (t) + 4 ,i (/) p 3(£); |
(2.3.9) |
|
(ipo ( t ) |
|
|
||
dt |
- (>‘2.0 (0 + |
4 ,1 (0 + 4.3 (0) Рч(*) + |
4,2 (0 Po(0 + |
|
dpAt) |
■(>*,o10+ |
4,1 (0 4- 4,2 (0) Pz (0 + |
4,3 (0 Po (0 + |
|
dt |
-Г >4.3 (0 Pi (*) + 4.3 (t)p2(it).
56
При составлении этой системы дифференциальных уравнении рекомендуется смотреть на граф состояний: это существенно
облегчает запись уравнений. Систему (2.3.9) можно короче за
писать так:
зз
|
|
= ~ |
Е |
Х^ (О Л (0 + |
£ |
*,.»(<) Л (О- |
(2-3-Ю) |
|||
|
|
;=0 |
|
|
i =0 |
|
|
|
|
|
Напомним, что А;(1й( / ) = 0. |
|
|
|
|
|
|
|
|||
Полученный |
результат |
можно |
обобщить |
на |
случай, когда |
|||||
система |
может |
иметь |
произвольное |
(п + 1) |
число |
состояний |
||||
(*0, х и |
л;„). |
Система |
уравнений |
для |
такой |
системы будет |
иметь вид
ПП
dP*P~- = - X |
К ) (t) р„(t) 4- £ х , . , (t)Pi (t) (k = 0,1, |
п). |
7=0 |
х =0 |
(2.3.11) |
|
|
Для того чтобы проинтегрировать эту систему дифференциаль ных уравнений, нужно задать начальные условия
Po(0\Pi(0\ |
ft(0)........ ря(0). |
(2.3.12) |
||
На эти начальные условия накладываются естественные огра |
||||
ничения: |
|
|
|
|
|
0 < /> Л(0) < 1; |
1 |
|
|
|
2 л ( ° ) = 1 - |
|
(2.3.13) |
|
|
|
|
||
|
k =0 |
|
|
|
Если условия (2.3.13) |
соблюдены, |
то для любого |
момента |
|
времени t решение системы |
(2.3.11) |
должно соответствовать |
||
н о р м и р о в о ч н о м у |
условию |
|
|
|
|
2 |
= |
|
(2.3.14) |
|
й = 0 |
|
|
|
так как в любой момент времени t система будет достоверно
находиться в каком-нибудь одном из своих состояний * Отметил! еще раз, что систему обыкновенных дифференциаль
ных уравнений |
для |
вероятностей состояний (2.3.11) |
можно |
со |
ставить только |
для |
п у а с с о н о в с к о й системы, т. |
е. для |
си |
стемы, в которой переход из состояния в состояние осуществляет ся под воздействием пуассоновских потоков событий. При этом
* В формулах (2.3.10) и (2.3.11) некоторые функции |
(I) могут быть |
равны нулю для любого момента времени t, когда переход |
из состояния л-,- |
в состояние х j невозможен. |
|
57
интенсивности в системе (2.3.11) могут быть любыми не отрицательными функциями времени. Это означает, что потоки событий, переводящие систему из состояния в состояние, явля ются пуассоновскими, не обязательно стационарными (простей шими).
Таким образом, допущение о марковском характере процес са, протекающего в системе с конечным (или счетным) числом состояний приводит к необходимости анализа системы о б ы к н о в е н н ы х л и н е й н ы х д и ф ф е р е н ц и а л ь н ы х у р а в нений. В настоящее время аппарат обыкновенных линейных дифференциальных уравнений разработан достаточно подробно. Это является одной из причин широкого применения пуассонов ских потоков событий при анализе различных случайных процессов, протекающих в системах массового обслуживания.
Если не делать предположения о том, что процесс, протека ющий в системе массового обслуживания, является марковским, то аналитическое исследование работы такой системы требует привлечения более сложного математического аппарата, с кото рым инженер либо не знаком вовсе, либо знаком, но весьма поверхностно. К тому же в большинстве задач прикладного ха рактера замена непуассоновских потоков событий пуассоновски ми с теми же интенсивностями приводит к получению решения, которое мало отличается от истинного, а иногда и вовсе не отличается. При этом погрешность решения, как правило, нахо дится в пределах точности исходных данных, которые зачастую известны весьма приближенно. Специальное моделирование раз личных задач, проведенное методом Монте-Карло [3], показало, что в большинстве случаев эта погрешность ограничена 3—5% и лишь в редких случаях доходит до 10-^ 12%, что вполне прием
лемо при решении прикладных задач. Данное положение объяс няется тем, что потоки событий, протекающие в реальных си стемах, в силу предельных теорем теории потоков по своей структуре весьма близки к пуассоновским.
Однако, как показал А. Д. Соловьев, имеются особые усло вия, когда погрешность может достигать значительных величин. Поэтому при решении сложных задач, когда нет уверенности в том, что замена реальных потоков пуассоновскими потоками приведет к малым ошибкам, нужно рекомендовать проверять аналитическое решение методом Монте-Карло (методом стати стических испытаний). При этом решение, полученное с помощью пуассоновских систем, можно рассматривать как первое прибли жение. Это сокращает проведение расчетов методом Монте-
Карло.
В качестве простого инженерного критерия небольшого отли чия реального стационарного потока от пуассоновского можно рассматривать близость математического ожидания и дисперсии числа событий, наступающих на определенном участке времени в реальном потоке.
58
Сделаем следующее замечание. Выше для составления диф ференциальных уравнений, описывающих вероятности состоя ний, мы пользовались размеченным графом состояний системы. Любому размеченному графу состояний однозначно соответ ствует система дифференциальных уравнений, и наоборот. Таким образом, информация, заключенная в размеченном графе и си стеме дифференциальных уравнений одна и та же. Однако граф обладает большей наглядностью. Поэтому в дальнейшем, говоря о различных системах массового обслуживания, мы в основном не будем писать дифференциальных уравнений, а будем ограни чиваться размеченным графом. Слово «размеченный» для крат кости будем опускать.
§ 2.4. ЭРГОДИЧЕСКИЕ МАРКОВСКИЕ СЛУЧАЙНЫЕ ПРОЦЕССЫ. ТЕОРЕМА МАРКОВА. СТАЦИОНАРНЫЙ РЕЖИМ РАБОТЫ СИСТЕМЫ
Рассмотрим дискретные марковские случайные процессы с непрерывным временем, которые обладают так называемым эргодическим свойством. Будем называть процесс эргодическим,
если по истечении достаточно продолжительного промежутка времени т вероятности со
стояний |
системы |
прак |
тически |
не зависят от |
|
того, в |
каком |
состоя |
нии она находилась в на чальный момент времени и не зависят от са мого промежутка вре
мени т.
Пусть имеется система с состояниями (х0, л*ь ..., х п). Для простоты будем считать число состояний п конечным * Допус тим, что система в момент времени t0 была в состоянии л'.-. Обо значим через pi,j(to, т) условную вероятность того, что система в
момент времени |
t = to+x будет в состоянии х,*, если в началь |
|||
ный момент времени to она была в состоянии |
х* |
(рис. 2.4.1). |
||
В сооответствим |
с определением |
марковского |
процесса можно |
|
записать |
|
|
|
|
Р/Д'о. ^ )= Я (А '(/0 + |
,) = л-;.|Л '(/0) = |
х,). |
(2.4.1) |
Назовем процесс транзитивным, если для любой пары состоя
ний .V,-, ,v; и любого to найдется такое т > 0, при котором |
вероят |
ность |
|
Pl.jifо- ") > ° - |
(2.4.2) |
* Случаи бесконечного (счетного) числа состояний будут также рассмот рены в дальнейшем.
59
|
Это значит, что граф состояний не должен иметь ни одного |
||
отдельного состояния без выхода и без |
входа и ни одной группы |
||
состояний без |
выхода и без входа. Другими словами, из л ю б о - |
||
г о |
состояния, например хи можно найти путь, по которому мож |
||
но |
добраться |
до л ю б о г о другого |
состояния, например Xj |
в том числе, и вернуться в исходное. Это утверждение вовсе не означает, что каждое состояние системы должно непосредствен но соединяться с каждым другим состоянием.
На рис. 2.4.2 приведен граф состояний транзитивной системы,
а на рис. 2.4.3 — нетранзитивной |
системы, так как состояние х3 |
на рис. 2.4.3 является состоянием |
без выхода. |
Рис. 2.4.2 |
Рис. 2.4.3 |
Возвращаясь к ранее рассмотренным графам состояний, мож но сказать, что на рис. 2.1.2; 2.1.3; 2.2.1 и 2.3.1 приведены тран зитивные системы, а на рис. 2.1.4, 2.1.5, 2.1.6, 2.1.7 — нетранзи тивные.
Очевидно, транзитивность процесса (достижимость любого состояния из любого другого) является необходимым условием того, чтобы этот процесс обладал эргодическим свойством. Если процесс не транзитивен, то система по истечении достаточного времени окажется в одной из групп состояний без выхода или в одном из состояний без выхода. Однако для того, чтобы процесс был эргодическим, этого недостаточно. Нужно, чтобы процесс кроме того, протекал о д н о р о д н о во времени, т. е. чтобы вероятность перехода из состояния Х{ в состояние Xj за время т не зависела от того, в какой момент времени t0 система находи лась в состоянии Xij а зависела лишь от величины т. Назовем
марковский случайный процесс однородным, если это условие выполняется:
PijVо> т)==/7/,Дх)- |
(2.4.3) |
Для того чтобы марковский случайный процесс был однород ным, нужно, чтобы все потоки событий, переводящие систему из состояния в состояние, были стационарными пуассоновскими, т. е. простейшими потоками. В дальнейшем системы, в которых
60