基于malab的排队问题仿真研究.docxVIP

基于malab的排队问题仿真研究 1909年发表的题为《排水理论》的文章发表以来，公共交通理论在通信、军事、运输、维护、生产、服务、库存、医疗、卫生、教育和灌溉等领域的排卡系统中得到了广泛应用，并促进了研究和开发运卡理论及其应用的理论和应用。 在许多排队问题的数学模型建立中,都是假定顾客到达间隔时间流为最简单流,服务时间服从负指数分布,从而利用马尔可夫随机过程建立起已知条件与必然结果间的解析性关系。但在实际系统中,顾客到达时间及服务时间并不满足这种假设,因此需要有更一般的方法。 Matlab是由MathWorks公司开发的工程技术科学计算软件,以其强大的计算、绘图功能,大量可靠高效的算法库(工具箱)以及简洁易操作的编程、图形界面,深受广大科技计算和设计人员喜爱。Matlab中Simulink工具箱是一个可进行动态系统建模、仿真和统计分析的集成软件包,能处理包括线性、非线性系统、离散、连续及混合、单任务和多任务离散事件系统的工具。 笔者分析了排队问题中一般的规律,利用Matlab中的Simulink工具箱,设计出对复杂的排队系统进行仿真和分析研究的Simulink模型,给出了对排队问题各性能指标的仿真计算公式,并通过实例,比较了解析解与仿真解的相应结果。 1 服务系统的服务能力 现实世界中排队现象随处可见,如商店购物、汽车加油、轮船进港和物流调度等。各领域中排队形式和内容虽有不同,但过程有共同的特征,即由需要服务的顾客和提供服务的服务员组成服务系统,顾客到达时间和服务时间不一定确定。服务过程的随机性造成某阶段顾客排队等候服务,而某阶段服务员又空闲无事的情形。服务系统的服务能力一方面取决于服务员的数量和服务员的能力;另一方面也取决于顾客流的性质。排队问题就是要寻求顾客流、服务能力和服务系统效益的合理关系。 服务系统的运行指标常用绝对通过能力、相对通过能力、系统损失率、队长、排队长、顾客逗留时间期望和排队等待时间期望等指标描述。 1.1 顾客的概率pnt 为求得这些指标而建立的排队模型,经典的方法是,用Kolmogorov方程、生灭图和Little公式等,在特定条件下,利用Markov随机过程建立,而在统计平衡状态下求解。 例如,最简单的Μ|Μ|1M|M|1排队系统,顾客到达时间间隔和服务时间分别服从参数为λ和μ的负指数分布,顾客源和排队空间无限,服务规则是先到先接受服务。在这一系统中,任一时刻t系统内有n个顾客的概率pn(t)满足方程: {dp0(t)dt=μp1(t)-λp0(t)dpn(t)dt=λpn-1(t)+μpn+1(t)-(λ+μ)pn(t)n=1,2,?(1)?????????dp0(t)dt=μp1(t)?λp0(t)dpn(t)dt=λpn?1(t)+μpn+1(t)?(λ+μ)pn(t)n=1,2,?(1) 式(1)求解相当麻烦。一般求在系统运行相当长时间后的统计平衡解,即:dpn(t)dt=0时的解,可得到: pn=ρnp0,ρ=λ/μ,p0=1-ρ,n=1,2,?(2) 从而,在系统负荷水平ρ∈(0,1)时,得到系统如下的重要指标。 (1) 员工休息的可能性如下 p0=1-ρ=1-λ/μ(3) (2) 对于系统负责人，系统中客户数的数学期望如下所示 LS=∞∑k=0kpk=ρ/(1-ρ)=λ/(μ-λ)(4) (3) 船长和舰队中的平均客户数如下所示 L=∞∑k=1(k-1)pk=ρ21-ρ=λ2μ(μ-λ)(5) (4) 客户保留时间预测如下 WS=L/λ=1/(μ-λ)(6) (5) 队列的等待期为 W=LSλ=ρ2λ(1-ρ)=λμ(μ-λ)(7) 1.2 统计试验方法的求解 1.2.1 面向事件的仿真模型 对于一般条件下的排队问题,求系统性能指标解析解相当复杂繁琐,甚至无法得到,因此,一般的方法是选用统计试验法,也就是Monte Caro方法。为了利用Matlab中的Simulink工具箱建立排队问题的仿真模型,要研究排队过程中顾客到达时间、服务开始与结束时间的关系。 设排队系统中顾客到达时间间隔服从任一分布A,第n位顾客到达时间间隔为a(n),设系统中服务员总数为N,服务员m的服务时间服从分布Sm,为第n位顾客服务时的时间为sm(n)。若第n个顾客到达系统的时刻为arrive(n),开始服务时刻为start(n),结束服务时刻为over(n),则排队系统可以采用面向事件的仿真模型。仿真过程按下一最早发生的事件的时间推进。事件属性为arrive(n)、start(n)、over(n)以及系统中每一服务员的忙闲状态som(n)。服务员的忙闲状态设定为:当第m个服务员此前最后一个由该服务员服务的顾客结束服务的时间。 仿真过程需设定各种属性间的关系如下: (1)设系统仿真初始时刻为0,第n位顾客到达时