第4章 MG1排队 2013年10月29日稿.pdfVIP

第 4 章 M / G / 1排队模型 本章要点： 嵌入马尔柯夫链 P −K 均值公式 P −K 公式变换方程的第一种形式 P −K 公式变换方程的第二、三种形式 本章目录： 4.1 嵌入马尔柯夫链 4.2 转移概率 4.3 系统平均顾客数 4.4 系统中顾客数的概率分布 4.5 等待时间的概率分布 在第 2 章中我们讨论了各种各样的排队系统，它的基本特点是：系统的状态描述非 常简单，一旦说明了系统中的顾客数目，则整个过去的历史信息都已经被包含说明了。 其服务时间的概率分布服从负指数分布，由于负指数分布的无记忆性，使我们不必说明 当前正在接受服务的顾客已经花费了多少时间。同时我们还知道，系统的状态变量是一 个离散状态变量，它只能取有限个或可数个状态值。 r 在第 3 章爱尔朗排队系统中，对于M / Er /1 排队系统，把服务时间服从 阶爱尔朗 分布的服务过程分解为 个负指数“服务装置”，用扩大状态空间的方式，以系统中每 r 个顾客需要经过“服务装置”级数总和作为随机变量，仍然使服务过程用一个马尔柯夫 过程描述，这主要是通过每一个“服务装置”服从负指数分布的无记忆性所保证的。对 于 排队系统，把到达间隔时间服从 阶爱尔朗分布的到达过程分解为 个到达 E / M /1 r r r 间隔时间服从负指数分布的到达过程，用扩大状态空间的方式，以系统所有顾客已经通 过的总到达级数为随机变量，仍然使顾客到达过程用一个马尔柯夫过程描述，这主要是 顾客通过每一个服从负指数分布的“到达装置”的无记忆性所保证的。 现在我们将要研究另外一类排队系统，它们不再具有马尔柯夫特性，而只能用非马 1 尔柯夫过程来描述，这种系统的状态描述比马尔柯夫系统更困难，我们必须寻找新的方 法来处理。 本章我们研究的排队系统是M / G / 1排队系统模型，它的到达规律仍然是泊松过程 （即顾客相继到达系统的间隔时间服从参数为 的负指数分布），但服务时间分布不再 λ 是负指数分布或 阶爱尔朗分布，而可以是任意形式的概率分布函数，即： r  () −λt a t λe  t ≥0 （4.1 ） ( ) b x 为任意  下面我们讨论M / G / 1系统的状态描述方法。假定在某个时刻，我们希望概括出系 统在 以前的全部历史，则必须首先说明在时刻 系统中的顾客数 ，除此以外，还 t t N (t) 需说明当前正在接受服务的顾客已经接受服务的时间 ()，因为此时服务时间分布不 X t 0 再具有无记忆性，X 0 (t) 的值将会对下一次状态变化产生影响（注意：由于到达过程是 马尔柯夫过程，故不必说明从最后一次顾客到达至时刻t 已经过了多少时间）。因此，我 们看到，随机过程N (t) 不是一个马尔柯夫过程，因为它不能概括系统的全部历史，只有 在附加说明了 ()以后，二维随机过程{ () ()}才能概括系统的全部历史，所以这 X t N t ，X t