第5章 GMm排队模型2013年10月29日稿.pdfVIP

第 5 章 G / M / m 排队模型 本章要点： 嵌入马尔柯夫链 G / M /1 系统中的顾客数分布 G / M /1 系统的等待时间分布 本章目录： 5.1 嵌入马尔柯夫链的转移概率 5.2 G / M / 1系统中的顾客数分布 5.3 G / M / 1系统的等待时间分布 5.4 G / M / m 排队系统 在第 4 章中我们研究了属于非马尔柯夫过程的M / G /1 排队系统，它具有泊松过程 到达和服从任意概率分布的服务时间。这一章我们研究与M / G /1 系统相对应的G / M /1 排队系统。在G / M /1 系统中，服务时间服从负指数分布，而到达间隔时间的概率分布 可以为任意分布。我们把这个间隔时间分布记作 ，其平均到达率仍用 表示。 a t λ ( ) 对G / M /1 系统的研究可以很容易地直接推广到G / M / m ，即多服务者系统。研究 方法仍然采用嵌入马尔柯夫链。 5.1 嵌入马尔柯夫链的转移概率 G / M /1 排队系统的分析与M / G / 1排队系统的分析非常类似。系统的状态描述也必 须是一个二维向量 ，其中 说明系统中的顾客数，而 ()说明从上一 N t , X t  N t X t ( ) ( ) ( ) 0  0  次顾客到达到现在已经过去了多少时间，因为我们给定的 ()不再是无记忆的，故下一 α t 个顾客的到来与 ()是有关的。 X t 0 为了把这个二维状态描述转换为一维状态描述，我们仍然采用嵌入马尔柯夫链的方 法。这里，关键问题是要选择适当的一组观察系统状态的时间点，即嵌入点，使得我们 在说明系统中的顾客数 的同时，就隐含说明了 ()。 N t X t ( ) 0 我们选择顾客到达系统的瞬时作为嵌入点，在这些点上观察系统的变化，或者说， 1 我们只有在这些点上才考虑状态的转移。很明显，在这些时间点上 ()等于 ，即上 X t 0 0 一次顾客到达到现在已经过去了的时间为0 ，因为该顾客才刚刚到达。这样，只要在嵌 入点上说明了系统中的顾客数，就隐含地说明了 ()。因此，我们定义： X t 0 ：第 个顾客到达前的瞬时系统中的顾客数。 qn n vn+1 ：在Cn 和Cn+1 的到达间隔时间内系统服务完毕的顾客数。 由定义可知，qn 序列形成了一个离散马尔柯夫链，