MMn模型高负荷极限及仿真.docVIP

MMn模型高负荷极限及仿真 　　摘 要： 通过对于标准的多服务台队列M/M/n模型的负荷过程的高负荷极限的证明来解释鞅定理，该系统为泊松到达，指数服务。通过对所考虑的负荷过程进行流体刻画，并且使用鞅方法来证明多服务台队列M/M/n模型的负荷过程的高负荷极限，并得到所考虑的负荷过程收敛的结论。在高负荷条件下使用Matlab编程对此过程进行仿真模拟，模拟仿真以产生随机数的方式来进行计算，为今后排队论中证明随机过程（比如等待时间，流失过程，放弃过程等）的收敛提供了新的方法。 　　关键词： 多服务台队列； 泊松到达； 指数服务； 高负荷极限 　　中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2013）20?0011?03 　　排队现象是日常生活中经常出现的情况，大家通过研究不同模型的队长，负荷等指标获得排队系统的稳定性。鞅理论早在1939年就被前人提出[1]，Ward Whitt首先将鞅理论应用到??队论中[2]，为不同模型的高负荷极限的证明提供了一种新的思路。 　　1 介 绍 　　本文的主要内容是对[M/M/n]模型[3]的负荷过程的高负荷极限的鞅的表达式做出推导和证明。这种理论关于今后对其高负荷极限的证明是非常有效的，但是也是非常困难的。因此，先考虑[M/M/n]模型，泊松到达，指数服务。 　　在此致力于研究[M/M/n]模型，令到达率为[λ]，服务率为[μ]。令[W（t）]为[t]时刻的负荷过程，初始时负荷为[0]。另外考虑到达率允许增加的情况，在第[n]个模型中的到达率可以表示为： 　　[λn≡nμ， n≥1] （1） 　　[Wn（t）]为[t]时刻第[n]个模型的负荷，现在建立整个负荷过程[{Wn（t）：t≥0}]当[n→∞]时的极限。现在，考虑刻画过程[{Xn（t）：t≥0}]定义为： 　　[Xn（t）≡Wn（t）n， t≥0] （2） 　　假设初始时[Xn（0）?X（0）]当[n→∞]时，[Wn（0）]与到达过程和服务过程无关。且[{Xn（t）：t≥0}]在[D]空间上收敛。 　　2 QED规则下的多服务台的高负荷极限 　　建立多服务台马尔可夫模型的高负荷极限[4]，在QED规则下考虑一系列多服务台模型的高负荷极限，由条件[nμ-λnn→βμ，n→∞]给出。 　　3 样本路径结构 　　直接从随机过程[W]的样本路径开始，然后基于输入过程和服务时间来得出不同的结构。对于单位概率泊松过程的随机时间改变，首先，用[C（t）]表示[[0，t]]内的累积输入量，[S（t）]表示[[0，t]]内的累积服务量[3]。假设[{C（t）：t≥0}]和[{S（t）：t≥0}]为实值的有非负非降且右连续的样本路径的随机过程。初始时系统的负荷为[W（0）]且[W（0）]是独立于[C（t）]和[S（t）]的随机变量。[C]是由概单位率的泊松过程刻画的，速率为[λ]，令[Cλ（t）=C（λt），t≥0]，因此，[Cλ]是速率为[λ]的泊松过程；[S]是由单位概率的泊松过程刻画的，速率为[μ]，令[Sμ（t）=S（μt），t≡0]，[Sμ]是速率为[μ]的泊松过程。[L（t）]为闲期，[X（t）]为潜在负荷过程，且[X（t）≡W（0）+Cλ（t）-Sμ（t），t≡0]，则： 　　4 鞅的表达式 　　4.1 鞅引用 　　定义1（[Ft]?鞅） 一个随机过程[M={M（t）：t≥0}]在[σ]?域[F≡{Ft：t≡0}]上被称为鞅：若[M（t）]为[Ft]?适应的，对于任意的[t≡0]有[E[M（t）]0]，[E[M（t+s）Ft]=M（t）]是依概率1成立的，若[E[M（t+s）Ft]≡M（t）]是依概率1成立的，则称[M（t）]为下鞅[2]。 　　引理1（非负下鞅的Doob?Meyer分解定理） 若[Y]是具有非负样本路径的下鞅，对于任意的[t]有[E[Y（t）] 　　[Mn，1（t）-Mn，2（t）?λB1-μB2dλ+μB在D上，n→∞] （14） 　　[B]是一个单独的标准布朗运动。然后运用函数[f：D×R→D]，由[（y，b）]决定[x]的连续映射定理来确定鞅表达式： 　　[x（t）=b+y（t）-inf0≤s≤t{[b+y（s）]∧0}，t≥0] （15） 　　式中：[y]可由[Mn，1-Mn，2]来表示；[b]可由[Xn（0）]给出。式（14）中的随机过程有连续样本路径，[f：D×R→D]是可测的，在连续极限处连续。首先刻画泊松过程： 　　[MC，n（t）≡C（nt）-ntn，MS，n（t）≡S（nt）-ntn，t≥0] （16） 　　将证明刻画鞅弱收敛到独立标准布朗运动： 　　[（Mn，1，Mn，2）?（λB1，μB2） 在D2上] （17）