- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
北邮通信网实验2报告
信息与通信工程学院
通信网性能分析基础
实 验 报 告
专业 信息工程
班级
姓名
学号
实验二:M/M/1排队系统
一、实验目的
M/M/1是最简单的排队系统,其假设到达过程是一个参数为的Poisson过程,服务时间是参数为的负指数分布,只有一个服务窗口,等待的位置有无穷多个,排队的方式是FIFO。
M/M/1排队系统的稳态分布、平均队列长度, 待时间的分布以及平均等待时间,可通过泊松过程、负指数分布、生灭过程以及Little公式等进行理论上的分析与求解。
本次实验要求实现M/M/1单窗口无限排队系统的系统仿真,利用事件调度法实现离散事件系统仿真,并统计平均队列长度以及平均等待时间等值,以与理论分析结果进行对比。
二、实验原理
根据排队论的知识我们知道,排队系统的分类是根据该系统中的顾客到达模式、服务模式、服务员数量以及服务规则等因素决定的。
顾客到达模式
设到达过程是一个参数
为的Poisson过程,则长度为的时间内到达个呼叫的概率服从Poisson分布,即, ,其中0为一常数,表示了平均到达率或Poisson呼叫流的强度。
服务模式
设每个呼叫的持续时间为,服从参数为的负指数分布,即其分布函数为
服务规则
先进先服务的规则(FIFO)
理论分析结果
在该M/M/1系统中,设,则稳态时的平均等待队长为,顾客的平均等待时间为。
实验内容
仿真时序图示例
本实验中的排队系统为当顾客到达分布服从负指数分布,系统服务时间也服从负指数分布,单服务台系统,单队排队,按FIFO方式服务为M/M/1排队系统。
理论上,我们定义服务员结束一次服务或者有顾客到达系统均为一次事件。为第i个任何一类事件发生的时间,其时序关系如下图所示。
bi?第i个任何一类事件发生的时间
ti?第i个顾客到达类事件发生的时间
ci?第i个顾客离开类事件发生的时间
Ai?为第i-1个与第i个顾客到达时间间隔
Di?第i个顾客排队等待的时间长度
Si?第i个顾客服务的时间长度
顾客平均等待队长及平均排队等待时间的定义为
其中,为在时间区间上排队人数乘以该区间长度。
为第i个顾客排队等待时间。
实验结果:
利用负指数分布与泊松过程的关系,产生符合泊松过程的顾客流。
function r = Createpoiss(lambda,m,n)
%原理说明:泊松过程时间间隔概率密度:f(x)=lambda*exp(-lambda*x);
% 分布函数:y=F(x)=1-exp(-lambda*x);
% 因为顾客流服从泊松分布,其对应的时间间隔序列f(x)服从均值为1/lambda的指数分布
temp=rand(m,n); %生成均匀分布的m*n随机数
r=-log(temp)/lambda; %生成泊松过程(e为底的对数)
分别构建一个顾客到达队列和一个顾客等待队列。
Arrive_time=zeros(1,Total); %顾客到来时间变量,加快速度;
Leave_time=zeros(1,Total); %顾客离去时间变量
Arrive_num=zeros(1,Total); %顾客到达人数变量
Leave_num=zeros(1,Total); %顾客离去人数变量
产生符合负指数分布的随机变量作为每个顾客的服务时间。
function r = Createpoiss(lambda,m,n)
%原理说明:泊松过程时间间隔概率密度:f(x)=lambda*exp(-lambda*x);
% 分布函数:y=F(x)=1-exp(-lambda*x);
% 因为顾客流服从泊松分布,其对应的时间间隔序列f(x)服从均值为1/lambda的指数分布
temp=rand(m,n); %生成均匀分布的m*n随机数
r=-log(temp)/lambda; %生成泊松过程(e为底的对数)
当服务员结束一次服务后,就取出等待队列中位于队头的顾客进入服务状态,如果等待队列为空则服务台空闲等待下一位顾客的到来。
function[Timepoint,NumInSys]=Create_Timepoint_NumInSys(Arrive_time,Leave_time)
%系统中顾客数随时间的变化;
%输入:
% Arrive_time为到达时间点;
% Leave_time为离开时间点;
%输出:
% Timepoint返回按时间排序的到达和离开的时间点
文档评论(0)