6. ДРУГИЕ СИСТЕМЫ ОБСЛУЖИВАНИЯ, ИССЛЕДУЕМЫЕ МЕТОДАМИ ВЛОЖЕННЫХ ЦЕПЕЙ МАРКОВА И ЛИНЕЙЧАТЫХ ПРОЦЕССОВ 6.1. Система M/G/1/m < В системе M / G / 1 / m некоторые требования теряются, т.е. условия существования стационарного режима задаются неравенством a1 , где a – параметр входного потока, 1 – первый момент времени обслуживания. Такие же выводы можно получить, воспользовавшись теорией полумарковских процессов (см. п. 5.2). Найдем стационарное распределение числа требований в этой СМО p k P{ k} , k 0, m 1 , в произвольные моменты времени, применяя обозначения, принятые в разделе 5 и анализируя линейчатый процесс ((t ), * (t )) . Аналогично тому, как это было сделано в п. 5.5, получаем следующие уравнения, похожие на уравнения (5.21)–(5.23), но отличающиеся от последних учетом ограничения мест ожидания. Pn ( x, t ) Pn ( x, t ) (a ( x)) Pn ( x, t ) (1 n, 1 ) aPn 1 ( x, t ), n 1, m ; (6.1) t x t P0 (t ) aP0 (t ) P1 ( x, t ) ( x) dx ; t 0 Pm 1 ( x, t ) Pm 1 ( x, t ) ( x) Pm 1 ( x, t ) aPm ( x, t ) ; t x (6.3) t Pn (0 , t ) Pn 1 ( x, t ) ( x)dx n, 1 aP0 (t ), n 1, m ; (6.2) (6.4) 0 Pm 1 (0 , t ) 0 . (6.5) В стационарном режиме ( t ) имеем Pn ( x, t ) p n ( x) , Pn (t ) p n и в этом случае из (6.1)–(6.5) получаем следующие уравнения: p n ( x) (a ( x)) p n ( x) (1 n, 1 ) apn 1 ( x), n 1, m ; (6.6) x 0 ap0 p1 ( x) ( x) dx ; 0 81 (6.7) p m 1 ( x) ( x) p m 1 ( x) apm ( x) ; x (6.8) p n (0) p n 1 ( x) ( x) dx n, 1 ap0 , n 1, m ; 0 p m 1 (0) 0 . (6.9) (6.10) Очевидно, что p n p n ( x) dx, n 1, m 1, 0 и, кроме того, выполняется условие нормировки m 1 pn 1 . n 0 Непосредственной подстановкой легко убедиться, что решение системы уравнений (6.6)–(6.10) имеет вид n 1 (ax) i ax p n ( x) e [1 B( x)] p n i (0) , n 1, m ; i ! i 0 (6.11) m m n 0 n 1 p m 1 ( x) [1 B( x)] p n (0) p n ( x) . Введем обозначение 1 n (a ) (at) n e at dB(t ), n 0, m 1 . n! 0 Из формул (6.11) при n 1 находим p (0)(1 0 (a )) p1 p1 ( x)dx 1 , a 0 откуда следует, что p1 (0) ap1 (1 0 (a)) . (6.12) Подставляя выражение для p1 ( x ) из формулы (6.11) в соотношение (6.7), получаем p 0 p1 (0) 0 (a) a , откуда следует, что p1 (0) ap 0 0 (a) . (6.13) Из соотношений (6.12) и (6.13) легко получить p1 (0) a ( p 0 p1 ) . (6.14) Из соотношения (6.9) при n 1 с учетом (6.14) получаем 82 ap1 p 2 ( x) ( x) dx . 0 Аналогичным образом в случае n 2, m из формулы (6.9) следует apn p n 1 ( x)( x)dx p n (0) , 0 откуда окончательно имеем p1 (0) a( p 0 p1 ) ; p n (0) ap n , n 2, m . (6.15) Вероятность p m 1 найдем из так называемого условия равновесия, которое можем представить в виде 1 p0 (1 p m 1 ) a . (6.16) 1 Равенство (6.16) означает, что в стационарном режиме математическое ожидание числа требований, обслуженных в системе в единицу времени, равно математическому ожиданию числа требований, которые в течение единицы времени поступили в систему и не были потеряны (заметим, что величина p m 1 играет роль стационарной вероятности потери требования). Из соотношения (6.16) следует, что p m 1 1 (1 p 0 ) , (6.17) где a1 . Соотношения (6.12)–(6.17) определяют следующий алгоритм вычисления вероятностей p n , n 0, m 1 . 1. Вычисляем величины 1 n (a ) (at) n e at dB(t ), n 0, m 1 . n! 0 2. Вычисляем величины n (a ) ( n 0, m 1 ), пользуясь следующими соотношениями: 0 (a) 1 0 (a ) ; n (a ) n 1 (a ) n (a), n 1, m 1. 3. Вычисляем величины S n ( n 0, m 1 ): S 0 1 0 (a) ; 83 1 n 1 Sn ni (a)S i , n 1, m 1 . 0 (a ) i 0 4. Вычисляем p 0 : 1 m 1 p 0 1 S i . i 0 5. Вычисляем p n ( n 1, m 1), пользуясь соотношениями p1 p 0 ( S 0 1) ; p n p 0 S n 1 , n 2, m , если m 1 ; p m 1 1 (1 p 0 ) . Вероятности p n ( n 0, m 1 ), следовательно, полностью определены в том случае, если возможно точное вычисление интегралов n (a ) , n 0, m 1 . Имеются алгоритмы приближенного вычисления p n . 6.2. Система GI/M/n/ В СМО GI / M / n / входной поток является рекуррентным или рекуррентным с запаздыванием. Пусть A(t ) – ФР промежутков времени между моментами поступления требований в систему. Будем считать, что существует конечный первый момент ФР A(t ) , который обозначим как 1 t dA(t ) ; введем также обозначение 1 1 . Пусть – пара0 метр экспоненциального распределения времени обслуживания. Для анализируемой СМО случайный процесс (t ) , где (t ) – число требований, находящихся в системе в момент времени t, очевидно, не является марковским в том случае, если распределение промежутков времени между моментами поступления требований в систему отлично от экспоненциального. Однако мы можем анализировать эту СМО с помощью линейчатого марковского процесса ((t ), * (t )) , где * (t ) – длительность промежутка времени от последнего перед моментом t момента поступления требования до момента t. Если в качестве 0-моментов возьмем моменты m , m 1, 2, ... , поступления требований в систему, а в качестве m примем m ( m ) , то 84 получим вложенную в процесс (t ) ЦМ m , m 1, 2, ... . Множеством ее состояний X является множество всех неотрицательных целых чисел. Найдем вероятности перехода pi j , i, j 0, 1, ... , этой цепи. Для этого необходимо анализировать четыре возможных случая. 1. i 1 j . В этом случае, очевидно, pi j 0 . 2. j i 1 n . В этом случае между двумя соседними моментами поступления требований все требования, находящиеся в системе, обслуживались, причем j обслуживаемых требований в указанном промежутке не успели обслужиться полностью, а i j 1 завершили свое обслуживание. Тогда из формулы полной вероятности следует, что i 1 t j e pi j (1 e t ) i j 1 dA(t ) . (6.18) j 0 3. n j i 1 . В этом случае между двумя моментами поступления требований все n ОП были заняты обслуживанием. Поэтому поток требований, завершивших обслуживание в указанном промежутке, является простейшим с параметром n . Следовательно, вероятность того, что в указанных условиях в течение t единиц времени будет обслужено i j 1 требований, равна (n t ) i j 1 n t , откуда следует, что e (i j 1) ! pi j (n t ) i j 1 n t e dA(t ) . (i j 1) ! 0 (6.19) 4. j n i 1 . Предположим, что промежуток времени между соседними моментами поступления требований равен t. Это означает, что в течение некоторого промежутка времени y [0; t ] работали все ОП и в этом промежутке было завершено обслуживание i n 1 требований. За последующее время t y из оставшихся в системе непосредственно после указанного промежутка времени длительности y требований (число этих требований равно n) некоторые численностью n j обслужились полностью, а остальные j не успели завершить своего обслуживания. Поскольку сум85 марная длительность времени между моментами окончания обслуживания первых i n 1 требований при условии, что при этом одновременно работали все ОП, подчиняется, очевидно, распределению Эрланга порядка i n 1 с параметром n , окончательно получаем t (n y ) i n n y n j t y e p i j n e (1 e (t y ) ) n j dy dA(t ) (i n) ! j 00 n (n) i n 1 t j j t (6.20) e y i n (e y e t ) n j dy dA(t ) . (i n) ! 0 0 Таким образом, все переходные вероятности анализируемой ЦМ определены. Как следует из теории ЦМ (см. п. 4.1), в случае выполнения неравенства (n) 1 существует единственное стационарное распределение этой ЦМ k , k 0, 1, ... , которое не зависит от начальных условий: k lim P{ m k}, k 0 . m Система уравнений для вероятностей k имеет вид k l plk , k 1. (6.21) l k 1 В случае k n вероятности перехода имеют вид (6.19), поэтому из соотношения (6.21) следует, что (n t ) l k 1 n t k l e dA(t ) , k n . (6.22) l k 1 0 (l k 1) ! Решение системы (6.22) будем искать в виде k C k , k n 1 . (6.23) Подставляя выражение (6.23) в формулу (6.22), после сокращения левой и правой части на C k 1 получаем i (n t ) l k 1 n t l k 1 i ( n t ) e dA(t ) e n t dA(t ) (l k 1) ! i! l k 1 i 0 0 0 0 e ( n n) t dA(t ) (n(1 )), 0 где (q) – ПЛС ФР A(t ) . Следовательно, постоянная является корнем уравнения (n(1 )) . (6.24) 86 Можно доказать, что это уравнение в случае 1 имеет единственный корень , такой что 0 1 . Найдем теперь постоянную C и вероятности i , i 0, n 2 . С учетом соотношения (6.23) систему (6.21) можно представить в виде k n2 i pi k C i pi k , k 1. i k 1 i n 1 n 1 Введем обозначение Rk k (C ставляется в виде Rk n2 Ri pi k i k 1 (6.25) ) . Тогда формула (6.25) пред- i n1 pi k , i n 1 откуда находим n2 (6.26) Rk 1 Rk Ri pi k i n 1 pi k p k 1 k , k 1, n 1. i k i n 1 Отношение (6.26) вместе с начальным условием Rn 1 1 (6.27) определяет рекуррентную процедуру вычисления величин Rk , k 0, n 2 . Постоянную C найдем из условия нормировки k 1 , т.е. k 0 n2 C n 1 Rk C n 1 k 0 k n1 1, k n 1 откуда следует, что 1 1 n n2 1 (6.28) C Rk . 1 k 0 Соотношения (6.23), (6.24), (6.26)–(6.28) позволяют однозначно определить стационарные вероятности k , k 0 , вложенной ЦМ для СМО GI / M / n / . Сформулируем алгоритм вычисления вероятностей k , принимая во внимание соотношения (18)–(20) для переходных вероятностей p ik . 1. Определяем с помощью уравнения (6.24). 2. Полагая Rn 1 1 , с помощью формулы (6.26) последовательно определяем величины Rn2 , ..., R0 , т. е. в обратной последовательности находим Rk , k 0, n 2 (считаем при этом, что 87 n2 Ri pik = 0). С помощью соотношения (6.28) вычисляем посто- i n 1 янную C. 3. Для всех k 0, n 1 определяем вероятности k с помощью соотношения k Rk C n 1 . 4. Для всех k n определяем вероятности k , пользуясь соотношением (6.23). Найдем теперь ФР W (t ) стационарного времени ожидания анализируемой СМО в случае, если очередность обслуживания соответствует дисциплине FIFO. Вероятность того, что поступившее требование не будет ожидать обслуживания, равна n 1 n 1 W (0) k C n 1 Rk . k 0 (6.29) k 0 В том случае, если в рассматриваемой СМО требование в момент своего поступления находит в системе k n других требований, то оно будет ожидать окончания обслуживания k n 1 требований, которые поступили раньше. Поскольку при этом все n ОП работают без перерыва, то время ожидания для такого требования подчиняется распределению Эрланга порядка k n 1 с параметром n . Из формулы полной вероятности следует, таким образом, что t k n k n( n x ) W (t ) W (0) C e n x dx ( k n) ! k n 0 (6.30) t W (0) C n n e n x (1 ) dx . 0 Тогда, воспользовавшись соотношениями (6.28)–(6.30), получаем W (t ) 1 e n (1 ) t , t 0. n2 1 (1 ) Rk (6.31) k 0 Первый момент стационарного времени ожидания w1 можно вычис лить, пользуясь формулой w1 t dW (t ) . Можно также его вычислить 0 иным способом. Действительно, если поступившее требование застает в 88 системе k n других требований, то оно ожидает завершения обслуживания k n 1 требований, среднее значение промежутков между моментами окончания обслуживания которых равно 1 ( n) . Тогда стационарное среднее время ожидания находим как безусловное математиче 1 ское ожидание w1 (k n 1) k , где k C k , откуда получаем k n n C n . w1 n(1 ) 2 6.3. Система GI/M/1/ СМО GI / M / 1 / является частным случаем системы GI / M / n / при n 1. Все вероятности k в этом случае имеют вид (6.23), т. е. k C k , где в силу соотношения (6.28) имеем C 1 . Следовательно, в данном случае k (1 ) k , k 0, 1, ... , где – корень уравнения ( ) . Величины k являются здесь стационарными вероятностями вложенной ЦМ m ( m ) , где m – моменты поступления требований в систему, m 1, 2, ... . Пусть p k P{ k} , k 0, 1, ..., – вероятности того, что в стационарном режиме (считаем, что выполняется условие 1 ) в системе в произвольный момент времени находится k требований. Найдем вероятности p k . Пусть k 0 . Известно (см. п. 2.7, теорема 3), что в стационарном режиме длительность промежутка времени от момента поступления последнего требования до произвольного момента времени имеет распределение с ФР t G (t ) (1 A(u )) du . 0 Предположим, что в последний перед произвольным моментом времени момент поступления в системе находилось l требований, где l k 1 . Тогда, для того чтобы в этот момент в системе находилось k требований, необходимо, чтобы в указанном промежутке было обслужено l k 1 требований. Поскольку поток моментов окончания обслужи89 вания в данных условиях является простейшим, получаем, пользуясь формулой полной вероятности, (t ) l k 1 t pk l e (1 A(t )) dt ( l k 1 )! l k 1 0 (1 ) k 1 e t (1 ) (1 A(t )) dt 0 (1 ( )) (1 ) k 1, k 1 , (1 ) где . Вероятность p 0 найдем из условия нормировки (1 ) k 1 k 1 k 1 1 p 0 p k p 0 (1 ) k 1 p 0 , откуда следует, что p 0 1 . Следовательно, стационарное распределение числа требований в системе GI / M / 1 / в произвольный момент времени имеет вид p 0 1 ; p k (1 ) k 1 , k 1. Из соотношения (6.31) следует, что ФР стационарного времени ожидания для анализируемой СМО выглядит так же, как и в случае СМО M / M / 1 / (см. п. 5.8), если заменить на : W (t ) 1 e (1 ) t , t 0. 6.4. Системы M/G/n/0 и M/G/∞ В системе M / G / n / 0 может находиться не более n требований в любой момент времени, причем все находящиеся в системе требования обслуживаются. Пусть a – параметр входного потока, B(t ) – ФР времени обслуживания. Обозначим через (t ) число требований в системе в мо мент времени t. Пусть y a1 , где 1 tdB(t ) – первый момент време0 ни обслуживания. Очевидно, для существования стационарного режима анализируемой СМО величина y должна быть конечной ( y ). В дальнейшем для простоты будем считать, что существует плотность b(t ) времени обслуживания. Введем обозначения b( x ) Pk (t ) P{(t ) k} , p k lim Pk (t ) , k 0, n ; ( x) . t 1 B( x) 90 Очевидно, в общем случае процесс (t ) не является марковским. Обозначим через *i (t ) длительность промежутка времени от начала обслуживания i-го требования, находящегося в системе в момент времени t, до момента t, i 1, (t ) . При этом будем полагать, что способ нумерации находящихся в системе требований не зависит ни от очередности их поступления в систему, ни от нумерации имеющихся в системе ОП, т. е. требования занумерованы одним из (t ) ! возможных способов, каждый из которых может быть выбран с одинаковой вероятностью 1 (t ) !. Легко показать, что процесс ((t ), *i (t ), i 1, (t )) является марковским. Этот процесс представляет собой обобщение введенного нами в п. 5.2 линейчатого процесса. Будем его также называть (многомерным) линейчатым процессом. Интересно заметить, что размерность вектора ((t ), 1* (t ), ..., *(t ) (t )) зависит от числа требований в системе в момент t и равна (t ) 1 (заметим, что в случае (t ) 0 составляющие *i (t ) отсутствуют). Введем функцию Pi ( x1 , ..., xi , t ) dx1 ... dxi P{(t ) i, *j (t ) [ x j ; x j dx j ), j 1, i} , i 1, n . Учитывая особенности метода нумерации требований в системе, приходим к выводу, что функции Pi ( x1 , ..., xi , t ) симметричны относительно перестановок переменных x j , j 1, i . Введем обозначение pi ( x1 , ..., xi ) lim Pi ( x1 , ..., xi , t ) , i 1, n . Очеt видно, что pi ... pi ( x1 , ..., xi ) dx1 ...dxi , i 1, n . 0 (6.32) 0 Анализируя изменения, происходящие в промежутке времени [t; t t ) , получаем с учетом симметричности функций Pi ( x1 , ..., xi , t ) следующие разностные уравнения, которые для простоты выпишем, полагая, что n 2 : t P0 (t t ) P0 (t ) (1 at ) t P1 ( x, t ) ( x) dx o(t ) ; 0 t P1 ( x t , t t ) P1 ( x, t )[1 (a ( x))t ] 2t P2 ( x, u, t ) (u ) du o(t ) ; 0 P2 ( x1 t , x 2 t , t t ) P2 ( x1 , x 2 , t ) [1 (( x1 ) ( x 2 )) t ] o(t ) ; 91 t P1 (u, t t )du aP0 (t )t o(t ) ; 0 t 2 P2 ( x t , u, t t ) du aP1 ( x, t )t o(t ) . 0 Обычным образом, переходя в этих уравнениях к пределу при t 0 , получаем следующую систему: t dP0 (t ) aP0 (t ) P1 ( x, t ) ( x) dx ; dt 0 t P1 ( x, t ) P1 ( x, t ) (a ( x)) P1 ( x, t ) 2 P2 ( x, u, t ) (u ) du ; t x 0 P2 ( x1 , x 2 , t ) P2 ( x1 , x 2 , t ) P2 ( x1 , x 2 , t ) (( x1 ) ( x 2 )) P2 ( x1 , x 2 , t ) ; t x1 x2 P1 (0, t ) aP0 (t ) ; 2 P2 ( x, 0, t ) aP1 ( x, t ) . В случае произвольного числа n ОП соответствующая система уравнений, очевидно, приобретает следующий вид: t dP0 (t ) aP0 (t ) P1 ( x, t ) ( x) dx ; (6.33) dt 0 i Pi ( x1 , ..., xi , t ) i Pi ( x1 , ..., xi , t ) a ( x j ) Pi ( x1 , ..., xi , t ) t x j j 1 j 1 t (6.34) (i 1) Pi 1 ( x1 , ..., xi , u , t ) (u ) du, i 1, n 1; 0 n Pn ( x1 , ..., x n , t ) n Pn ( x1 , ..., x n , t ) ( x j ) Pn ( x1 , ..., x n , t ) ; (6.35) t x j j 1 j 1 P1 (0, t ) aP0 (t ) ; (6.36) iPi ( x1 , ..., xi 1 , 0, t ) aPi 1 ( x1 , ..., xi 1 , t ) , i 2, n . В стационарном режиме ( t ) уравнения (6.33)–(6.36) принимают следующий вид: 0 ap0 p1 ( x) ( x) dx ; 0 i pi ( x1 , ..., xi ) a x ( x j ) pi ( x1 , ..., xi ) j 1 j 1 j i 92 (6.37) (i 1) pi 1 ( x1 , ..., xi , u ) du, i 1, n 1; (6.38) 0 n p n ( x1 , ..., x n ) ( x j ) p n ( x1 , ..., xn ) ; x j 1 j 1 j p1 (0) ap0 ; n (6.39) ip i ( x1 , ..., xi 1 , 0) api 1 ( x1 , ..., xi 1 ), i 2, n . К этим уравнениям необходимо добавить условие нормировки n p 0 ... pi ( x1 , ..., xi ) dx1 ... dxi 1 . i 1 0 (6.40) (6.41) 0 Непосредственной подстановкой легко проверить, что решение уравнений (6.37)–(6.41) имеет вид 1 i n yj ai pi ( x1 , ..., xi ) p 0 [1 B( x j )] , p 0 . (6.42) i! j ! j 0 j 1 Заметим, что решение это оказалось столь простым только благодаря симметричности функций pi ( x1 , ..., xi ) . Из соотношений (6.32) и (6.42) следует, что i (a1 )i ai pi p0 [1 B( x j )] dx j p0 , i! i ! j 1 0 или окончательно n yi yi (6.43) pi . i ! j 0 j ! Это – знаменитые формулы Эрланга, обладающие тем интересным свойством, что стационарное распределение числа требований в системе M / G / n / 0 в силу этих соотношений зависит только от параметра входного потока и первого момента времени обслуживания, и не зависит от вида ФР B(t ) (т. е. не зависит от типа распределения) времени обслуживания. В формулах Эрланга величина p n имеет, очевидно, смысл вероятности потери требования. Стационарное распределение числа требований в системе M / G / можно найти, очевидно, воспользовавшись предельным переходом при n в формуле (6.43): yk y pk e , k 0, 1, ... , k! где y a1 . 93