数学建模排队论模型课件.ppt

  1. 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. 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. 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)。
查看更多
( 数学建模)排队论模型;排队论模型 ;一、排队论的基本概念; 在排队论中,我们把要求服务的对象称为“顾客”,而将从事服务的机构或人称为“服务台”。 在顾客到达服务台时,可能立即得到服务,也可能要等待到可以利用服务台的时候为止。 ; 排队系统队列除了有形的还有无形的。; 在上述顾客-服务台组成的排队系统中,顾客到来的时刻与服务台进行服务的时间一般来说是随不同的时机与条件而变化的,往往预先无法确定。因此,系统的状态是随机的,故而排队论也称随机服务系统。; 各式各样的排队现象呈现的基本特征:排队系统由输入过程、排队规则及服务机构三部分组成。 (1)输入过程 输入过程就是顾客按怎样的规律到达,它首先应包括顾客总体数,是有限的还是无限的;其次应说明顾客到达的方式,是成批到达(每批数量是随机的还是确定性的)还是单个到达;最后应说明相继到达的顾客(或批或单个)之间的时间间隔的分布是什么。 ;; 服务机构主要指服务台的数目,多个服务台进行服务时,服务方式是并联还是串联;服务时间服从什么分布等。 ; 1.排队模型的分类 D.G.Kendall引进了排队模型分类符号,现已广泛采用,这里仅针对并列的服务台。 记X:顾客到达的时间间隔分布;Y:服务时间的分布;Z:服务台数。则排队模型:X/Y/Z。 常用的记号:M——负指数分布;D——确定型;Ek——k阶爱尔朗(Erlang)分布;GI——一般相互独立的随机分布,G——一般随机分布。这里主要讨论M/M/1,M/M/C。; (1)队长 队长是指系统中的顾客数(包括排队等候和正在接受服务的顾客数);等待队长是指系统中等待服务的顾客数。无论是队长还是等待队长,都是顾客和服务机构最关心的数量指标,特别是对系统设计者来说,尤为重要,因为它涉及到系统等待空间的大小。 ; 逗留时间是指一顾客从进入系统起一直到接受服务后离开系统为止所花费的时间;等待时间是指一顾客从进入系统起到接受服务时所花费的时间。显然,一个顾客的逗留时间等于其等待时间与接受服务的时间之和。逗留时间与等待时间对顾客来说是最关心的,因为每个顾客都希望自己用于排队等待的时间愈短愈好。 ; 忙期是指从顾客到达空闲服务机构起到服务机构再次为空闲为止的这段时间,即服务机构连续繁忙的时间长度。这是服务机构最关心的数量指标,因为它直接关系到服务员的工作强度,与忙期相对应的是闲期,即为服务机构连续保持空闲的时间长度。显然,在排队系统中,忙期与闲期是交错出现的。 ;1.最简单流与Poisson过程 记随机过程{x(t):t≥0}为时间[0,t]内流(事件)发生的次数,例如对于随机到来某电话交换台的呼叫,以x(t)表示该交换台在[0,t]这段时间内收到呼叫的次数;若是服务机构,可以用x(t)表示该机构在[0,t]时间内来到的顾客数。;最简单流应 具有以下特征称;定理1设 是最简单流,则对任何 和 都有 我们把满足这一分布规律的随机过程 称为Poisson过程,最简单流亦称Poisson流,特别取 得 故参数λ表示单位时间内事件发生次数的平均数。;2.Poisson流的发生时间间隔分布;3.负指数分布的Markov特性;例1 设某一服务系统的输入流是Poisson流,平均每3分钟进入5名顾客,试计算: (1)12分钟内进入15名顾客的概率; (2)输入时间间隔大于1分钟的概率。 解(1)由于 ,在[0,t]内进入k名顾客的概率 于是12分钟内进入15名顾客的概率 ;(2)由于输入时间间隔τ服从参数为λ的指数分布 则所求概率为 ; 对于单通道等待制排队问题主要讨论输入过程为Poisson流,服务时间服从负指数分布,单服务台的情形,即M/M/1排队系统。 (一)标准模型 即为M/M/1/∞排队系统。所谓标准模型,就是顾客的输入流是参数为λ的Poisson流,每个顾客的服务时间是相互独立的且服从参数为μ的负指数分布,单个服务台且系统的容量无限(排队模型分类第四个表示系统中允许的最大顾客数)。;1.系统的Markov特性; 直观地说,如果知道现在时刻 时系统的顾客数状况,那么从概率意义上来说,将来时刻 时系统的顾客数状况,与过去时刻 时顾客数的状况无关。这个特性就是随机过程 的Markov特性。 我们把系统在某一时刻的顾客数看做系统在这个时刻的状态。根据系统状态 的Markov特性,容易研究在时间区间 内系统状态的转移概率,为研究系统在任一时刻的状态分布提供工具。; 记时刻t系统处于状态n的概率 利用M/M/1/∞对输入与服务时间分布

文档评论(0)

132****5705 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:5104323331000004

1亿VIP精品文档

相关文档