
- •Федеральное агентство по образованию
- •Исследование операций
- •Содержание
- •Введение
- •Лабораторная работа 1 Метод численного моделирования (Метод Монте-Карло)
- •Общие сведения
- •Моделирование случайных величин с равномерным распределением в интервале [0; 1]
- •Псевдослучайные числа
- •Алгоритмы генераторов псевдослучайных чисел
- •Линейный конгруэнтный метод (лкм)
- •Алгоритм Вичманна–Хилла (Wichmann–Hill или as183)
- •Алгоритм «Виток Мерсенна» (Mersenne Twister или mt19937)
- •Алгоритм Парка−Миллера (Park, Miller)
- •Метод Фибоначчи с запаздыванием
- •Функция random() в различных приложениях
- •Оценка точности результатов, полученных методом Монте-Карло
- •Лабораторное задание
- •Контрольные вопросы
- •Цель работы: научиться моделировать случайные величины с заданным законом распределения
- •Моделирование случайных событий
- •Моделирование непрерывной случайной величины
- •Алгоритмы моделирования некоторых типов случайных величин Экспоненциальное распределение
- •Пуассоновская случайная величина Распределение вероятностей числа событий на интервале времени для пуассоновской св с параметром определяется выражением
- •Гауссовская случайная величина
- •Случайная величина с логнормальным распределением
- •Моделирование n-мерной случайной величины
- •Варианты заданий для лабораторной работы 2
- •Контрольные вопросы
- •Цель работы: научиться определять основные характеристики системы массового обслуживания с помощью метода численного моделирования
- •Потоки событий
- •Многоканальная смо с ожиданием
- •Основные характеристики смо
- •Моделирование систем массового обслуживания
- •Лабораторное задание
- •Контрольные вопросы
- •Рекомендуемая литература
- •Алгоритм «Виток Мерсенна» (реализация алгоритма на языке с)
- •Результаты тестирования датчиков случайных чисел
- •Критерий согласия хи-квадрат Пирсона
Многоканальная смо с ожиданием
Структура многоканальной СМО показана на рис. 8.
Рис. 8
Число мест в
очереди равно
,
число обслуживающих устройств
.
Максимально в СМО одновременно может
находиться
требований. Если поступающее требование
застает СМО полностью занятой, т. е.
заняты все обслуживающие устройства
и нет свободных мест в очереди, то это
требование покидает систему. Если при
поступлении требования свободно
несколько обслуживающих устройств, то
оно поступает на любое из них с равной
вероятностью. Состояние системы будем
нумеровать по числу находящихся в ней
требований:
– все каналы
свободны;
– занят один
канал;
Qn – заняты все каналы;
Qn+1 – одно требование стоит в очереди;
Qn+m – все каналы заняты, все места в очереди заняты.
Граф состояний такой СМО показан на рис. 9 и представляет собой схему «гибели и размножения».
Рис. 9
Пусть поток поступающих требований пуассоновский со средней интенсивностью , а время обслуживания имеет экспоненциальное распределение с параметром . Можно показать, что в этом случае финальные вероятности состояний системы равны:
(21)
(22)
(23)
где параметр
.
Основные характеристики смо
Ниже перечислены основные характеристики СМО, определяемые при решении задач анализа. Аналитические результаты в виде формул приведены для случая пуассоновского потока заявок со средней интенсивностью и экспоненциального распределения времени обслуживания с параметром .
Вероятность того, что все обслуживающие устройства свободны, равна
(формула (21)).
Вероятность того, что занято
обслуживающих устройств, равна
(формула (22)).
Вероятность того, что все обслуживающие устройства заняты и
требований находятся в очереди (
), находится из выражения (23):
(24)
вероятность отказа в обслуживании
. (25)
Среднее число устройств, занятых обслуживанием требований, определяется выражением:
. (26)
Если поток заявок пуассоновский, то, выполняя суммирование, найдем:
. (27)
Среднее число простаивающих устройств
. (28)
Коэффициенты простоя и занятости
. (29)
Относительная пропускная способность равна доли обслуженных требований от общего числа поступивших в систему:
. (30)
Абсолютная пропускная способность равна среднему числу требований, обслуживаемых в единицу времени:
. (31)
Среднее число требований, находящихся в очереди:
. (32)
Среднее число требований, находящихся в СМО:
. (33)
Среднее время ожидания в очереди
(формула
Литтла); (34)
Среднее время пребывания заявки в СМО
(35)
−
время ожидания в
очереди,
время обслуживания.
Можно показать, что для пуассоновского
потока заявок
. (36)
Моделирование систем массового обслуживания
Рассмотрим пример,
связанный с моделированием методом
Монте-Карло системы массового
обслуживания. Имеется одноканальная
СМО
с очередью, число мест в очереди
.
Поток заявок
пальмовский, т. е. соседние интервалы
времени между заявками представляют
собой независимые случайные величины
с одинаковой плотностью вероятности
.
Время обслуживания одной заявки
случайная величина
с плотностью
вероятности
.
Требуется, моделируя
работу СМО методом Монте Карло
и
располагая одной длинной реализацией
событий входного потока продолжительностью
найти оценки:
–
и
– вероятностей того, что канал не будет
занят и канал будет занят;
– величины среднего
времени ожидания в очереди
и
дисперсии времени ожидания
;
– вероятности
отказа в обслуживании
.
Решение. Граф состояний системы показан на рис. 10.
Рис. 10
Будем считать,
что в начальный момент времени система
находится в состоянии
.
Разыграем моменты времени
прихода заявок. Для этого определим
функцию распределения вероятностей
интервалов времени между заявками
и, используя метод
обратной функции, последовательно
разыг-раем интервалы времени
,
пример реализации которых показан на
рис. 11.
Рис. 11
На
второй оси (рис. 11) будем изображать
состояние канала (жирная черта
«занято», тонкая
«свободно»). На третьей оси будем
изображать состояние места в очереди.
Заявка, пришедшая в момент времени
,
занимает канал. Время ее обслуживания
разыгрывается с помощью метода обратных
функций. Вторая заявка, пришедшая в
момент
,
также занимает канал после его
освобождения первой заявкой. Третья
заявка занимает место в очереди, а
четвертая покидает СМО. Обозначим через
время, в течение которого канал свободен,
суммарное время обслуживания (для
четвертой заявки время обслуживания
).
При достаточно большом значении
оценки вероятностей равны соответственно
и
.
Оценка среднего времени ожидания в очереди
,
где
время ожидания в очереди
-й
заявки (первая и вторая заявки сразу
приняты к обслуживанию, а четвертая
получила отказ, поэтому для этих заявок
),
−
общее число заявок. Дисперсия времени
ожидания в очереди
.
Оценка
вероятности отказа
,
где
число заявок,
получивших отказ.