马尔可夫排队模型.pptVIP

第六章 马尔可夫排队模型 如果一个排队系统的到达过程为泊松过程，服务时间为指数分布，则该排队系统称为马尔可夫型排队系统 第一节 状态转移图 状态：系统的某种可以稳定存在的形态。 从随机过程角度去看，则为随机过程的取值 变迁：状态间的有向弧，描述状态间可能的变化。 变迁没有延迟，发生的时间为0 状态转移图：用来描述系统状态和变迁情况的有向图 实例：一个机械系统由A、B两部分构成，各自有修理工。若运行时间和修理时间均为服从独立的指数分布的随机变量，求状态转移图。 例题的求解 定义状态： S0＝AB，S1＝AB，S2＝AB，S3＝AB 变迁和强度： S0→S1：A系统发生故障强度λ1＝1/t1 t1:A的平均无故障时间。（ λ1指数分布参数） S1→S0：A的平均修复强度μ1＝1/t1’ t1’:A的平均修复时间 同样可能的变迁S1→S3，S3→S1，S0→S2，S2→S0，S2→S3，S3→S2，强度分别为：λ2、μ2、λ2、μ2、λ1、μ1 状态转移图 这是一个双通道闭合型的马尔可夫排队系统 指数分布的无后效性对状态转移图的意义 系统状态和随机过程：将系统的每个可能的状态对应于不同的整数，则状态转移图对应于一个随机过程 状态概率： 随机过程角度pi(t)：t时刻系统处于第i个状态的可能性 0≤pi(t) ≤1, ∑pi(t)=1, 随机变量角度（极限平稳解）：pi= limt→∞pi(t) 如果0≤pi(t) ≤1, ∑pi(t)=1存在，等价于系统稳定，此时，pi的含义是经过充分长的时间的运行后，系统处于第i个状态的可能性（概率） 状态概率对系统求解的意义 第二节 哥氏方程 功能：基于状态转移图，获得Markov模型排队系统的解（包括pi(t)和极限平稳解pi ） 普通解 极限平稳解 由普通解获得 在上例中，如果 λ1＝1 ,μ1=2,λ2=2,μ2=3,则有p0=0.4, p1=0.2, p2=0.27, p3=0.13。如果系统A的创收能力为5，系统B的创收能力为3，则整个系统的平均创收能力为5.15。工人A的忙率？ 直接求极限平稳解 对状态转移图中的任一状态Pi,设有： 由该状态发出的弧A1…Am,强度分别为a1…am 进入该状态的弧B1…Bl，强度分别为b1…bl, 对应的发出点为C1…Cl 则对应的哥氏方程组为 即：发出（均值）＝进入（均值） 实例 第三节 little公式 定理6.1：设ELs为排队系统内顾客平均值，EWs为顾客在系统内的平均排队时间，则有ELs＝λEWs 证明过程见黑板演示 同样： ELq＝λEWq 该公式可用于任何稳定的排队模型 定理的意义 第4节 单通道损失制M|M|1|0 状态定义：系统内顾客数-Ls 状态转移图： λ S0 S1 μ 设 ： p0(t):系统在t时刻处于S0状态的概率 p1(t):系统在t时刻处于S1状态的概率 p0(t)＋p1(t)＝1 试证 M|M|1|0的普通解 对应的哥氏方程组： p0‘(t) ＝ －λp0(t) ＋μp1(t) p1‘(t) ＝ － μp1(t) ＋ λp0(t) 解得： p0(t) ＝μ/(μ+λ)+Ce -(μ+λ)t 若 t=0 p0(t) =1，则 C＝ λ/(μ+λ) ∴ p0(t) ＝μ/(μ+λ)+ λ/(μ+λ) e -(μ+λ)t p1(t)=1-p0(t) = λ/(μ+λ)-λ/(μ+λ) e -(μ+λ)t M|M|1|0的极限平稳解 从普通解获得: p0= limt→∞p0(t)= μ/(μ+λ) p1= limt→∞p1(t)=λ /(μ+λ)＝1－ p0 从状态转移图获得 有关的效率指标 相对通过能力Q＝ p0＝μ/(μ+λ) 绝对通过能力A＝ λQ＝ λμ/(μ+λ) 系统损失率Pl＝p1＝1－Q＝ λ/(μ+λ) M|M|1|0的应用举例 一条电话热线，平均每分钟有一次呼叫，平均每次呼叫的通话时间为0.4分钟，求稳定状态下一次呼叫的占线概率 解： 采用M|M|1|0模型， 此时，λ＝1， μ＝1/0.4＝2.5 则所求概率为Pl= p1= λ/(μ+λ)=0.28 M|M|1|0的应用举例 以太网CSMA/CD介质访问方式的站点数量与性能关系分析。设站点数量为n，各站点的访问介质的请求强度相同，总和为λ0，每次访问请求实际通过介质的时间为指数分布的随机变量μe-μt，平均冲突延迟td=1/(2μ)，求访问通过介质全过程的平均时延。 解：（见黑板演示）