книги из ГПНТБ / Шнепс, М. А. Численные методы теории телетрафика
.pdfПредположим, что после потери вызова на каком-то звене або нент А через случайное время посылает вызов еще раз. Пусть по ток первичных вызовов от абонента А имеет интенсивность X (т. е. в среднем X вызовов в единицу времени — в час). Каждому со стоявшемуся вызову предшествует случайное число повторных вы зовов, которые посылает телефонистка или сами абоненты. Повтор ные вызовы создают дополнительную нагрузку на сеть. Для вычис ления ее следует знать среднее время установления соединения на отдельных звеньях сети. Предположим, что время установления соединения на первом звене (вызов Si п поиск линии на первом пучке между S t и So) в среднем равно А, на втором звене (занятие линии первого пучка и поиск свободной линии второго пучка меж ду S2 и S3) — to, на третьем (занятие линии второго пучка и вы зов абонента) — 4, среднее время самого разговора равно Т0. Рас смотрим подробнее, как возникает дополнительная нагрузка на первом и втором пучках.
Суммарную нагрузку, обслуженную первым пучком, обозначим Ki, суммарную нагрузку, обслуженную вторым пучком, У2. При вычислении нагрузки на сеть пренебрежем нагрузкой на управляю щие устройства АТС. Повторяя вывод, аналогичный выводу ф-лы (21), получим, что каждый вызов абонента А (первичный или по вторный) создает на первом пучке нагрузку
Al = to (1 -- Pi) рг -р (to, + 4) (1 -- Pi) (1 --- Pi) Рз + (t'2 + 4 + T0) X
X ( 1 — Pi) (1 — p2) ( l — Рз),
на втором пучке — нагрузку
Ао —4 (1 — Pi) (1 —■Рг) Рз ~r (4 + Т0) (1 — pi) (1 — р2) (1 — Рз)-
Из (25) следует, что на каждый первичный вызов в среднем имеем всего ((1—pi) (1—ро) (1—Рз)]-1 вызовов. Так как в единицу времени поступает X первичных вызовов, то суммарная нагрузка, поступаю щая на первый пучок,
Ух = Аг |
(27) |
(1 — p i) (1 - р2) (1 — Рз) |
|
на второй пучок |
|
у 2 = А2 -------------------------------. |
(28) |
(1 — Pi) (1 — Р*) О — Рз) |
|
П р и м е р 2. Рассмотрим более сложный пример системы связи, |
|
состоящий из четырех узлов (рис. 6.8). Наша задача |
вычислить |
истинные нагрузки на пучках линий между узлами при учете дли тельности установления соединений, длительности разговора и ве роятности потери вызова. Предполагаем, что каждый потерянный
..вызов обязательно повторяется еще раз.
ТА Введем обозначения:
" X ij'— среднее число первичных вызовов в единицу времени, по сылаемых абонентами i-то узла в /-й узел, i, /= 1, 2, 3, 4. Так как рассматриваются только междугородные разговоры, то Хц= 0;
р — вероятность потери вызова на отдельном пучке линий меж ду узлами связи;
Pi — вероятность потери вызова из-за занятости абонента;
Рис. 6.8. Пример междугородной сети:
а) расположение пучков; б) потоки в узел п из узла 1
t — среднее время установления соединения между двумя со седними узлами;
t{ — среднее время установления соединения между абонентом и ближайшим ему узлом;
Т0 — средняя длительность разговора;
ni-i — число линий в i-м пучке линий (см. обозначения пучков на рис. 6:8а).
Предполагаем, что при установлении связи в сети допускаются соединения не более чем через один промежуточный узел. Путь вы бирается по часовой стрелке, обходные пути не допускаются. Бу дем вычислять }'i — суммарную нагрузку, падающую на i-й пучок
линий. Она состоит из нескольких слагаемых, например, |
|
У1 = Уг (^12) + У\(?чз) + z/i (^21) + £/1(^42), |
(29) |
где yi(Xij) — нагрузка, падающая на первый пучок, из-за разгово ров между i и /-м узлами (см. рис. 7.8б). При вычислении уи(Ъц) могут быть два случая: 1) узлы £ и j являются непосредственно со седними; 2) между узлами £ и / находится один промежуточный узел.
В первом случае применима ф-ла (28), получаем
Ук (^Т/) “ С |
(30) |
|
где |
|
|
п _ t\P\ -Ь (^i -f- То) U — Pi) |
(31) |
|
.(1 - Pi) |
||
|
||
Во втором случае применима ф-ла (27), |
получаем |
У к |
£/) — В |
|
(32) |
где |
|
|
|
£) _ |
Р + (t ~Ь 6.) (1 — р) Pi ~Ь (t ~Ь <1 + |
7 *0) (1 — р) (1 — Pi) |
(33) |
|
(1 — р) (1 — Рл) |
|
|
|
|
|
|
5* |
|
|
ш . |
Из соотношения (29) следует, что в нашем примере каждое Yh со держит три слагаемых вида (30) и одно слагаемое вида (32). Ис пользуя (29) — (33), получаем
У4 = С (^i2 + Ar2i -[- ^42) ~Ь D |
(34) |
Остальные Г, имеют аналогичный вид.
После того как нагрузка определена, можно переходить к оп ределению числа линий в пучках, чтобы обеспечить требуемую ве роятность потерь. Если пучки полнодоступные, то можно исполь зовать результаты предыдущего § 6.2. Если рассматриваемая си стема отлична от полнодоступной, то следует рассматривать ее как систему с ожиданием и применять подход, изложенный в § 6.2.3. Например, если пучки неполнодоступные, можно использовать таб лицы Тирера [294].
Замечания и литературные ссылки
Настоящая глава в основном следует материалам доклада Шнепс—Шнеппе [285] на шестом Международном конгрессе по телетрафпку. Конечно, эти результаты стали возможны благодаря ряду работ многих авторов по проблеме повторных вызовов (Коэн [178], Эллдин [196], Пономарев и Соколова-Курганская [120, 134], Ле Галль [90, 207, 208], Корнышев [82]). Например, Ле Галль под робно изучает возникновение дополнительной нагрузки при усло вии, что вероятность повторения вызова зависит от номера неус пешной попытки, приводит результаты наблюдений за числом по вторений. Он вычисляет суммарную нагрузку А как исходную на грузку плюс дополнительную нагрузку из-за повторных попыток с учетом длительности установления соединения. Для определения необходимого числа линий v в полнодоступном пучке, обслуживаю щем суммарную нагрузку А, при данной вероятности потерь пер вичного вызова р Ле Галль предлагает использовать первую фор мулу Эрланга, а именно, брать такое v, чтобы p — E v(A). Как пока зано выше (см. рис. 6.2), это приводит к занижению необходимого числа линий.
Конечно, многие задачи, связанные с проблемой повторных вы зовов, еще далеки от окончательного решения, а предложенные при ближенные методы требуют дальнейшего исследования. Например, заслуживает изучения вопрос о том, как сильно влияет на среднее время ожидания то обстоятельство, что обслуживаемый поток представляет собой смесь потоков с различной средней длитель ностью разговора. (Кроме обычных разговоров нагрузку еще со здают потерянные попытки, которые имеют небольшую длитель ность) . Это нужно для обоснования подхода, применяемого нами выше при учете влияния повторных вызовов в междугородной си стеме связи. Сами же примеры, приведенные в § 6.3, охватывают только часть ситуаций, встречающихся на междугородной теле фонной сети [3]. ___ _ . .
Г л а в а |
7 |
Основы статистического моделирования систем коммутации
7.1. О РАЗВИТИИ МЕТОДА СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ
1. Основная идея метода
Пусть следует определить неизвестное зна чение а. В методе статистического модели рования моделируют такую случайную ве
личину что ее математическое ожидание М| равно интересующей нас величине а; оценивают как среднее арифметическое N реа лизаций случайной величины £. Центральная предельная теорема при весьма широких предположениях относительно £ гарантирует асимптотическую нормальность распределения среднего арифмети-
ческого aN = — |
V |
^ и его сходимость по вероятности к величине а. |
v |
<=1 |
л |
Погрешность оценки aN не превосходит с заданной вероятностью величины t j/ ^ I , где D% — дисперсия случайной величины £, а
t — константа, определяемая вероятностью ошибки (уровнем до стоверности оценки). Иными словами, в методе статистического мо делирования моделируют нормально распределенную случайную величину, и задача заключается в вычислении параметров нор мального распределения. Важно заметить, что ошибка метода про порциональна N~4t.
Хотя порядок убывания погрешности, равный представ ляется недостаточно высоким для точных вычислений, имеются раз личные приемы преобразования случайных величин, которые уменьшают дисперсию, не меняя их среднее значение. Это так на зываемые приемы уменьшения дисперсии. Правда, при этом иногда усложняется вычислительная процедура.
Введем несколько определений. Эффективность оценки, получае мой в методе статистического моделирования, определяется в пер вую очередь ее дисперсией. Чем меньше дисперсия при заданном числе испытаний, тем, вообще говоря, эффективнее оценка. При этом следует учитывать также время счета. С учетом его в качест ве определения эффективности оценки можно использовать величи ну, обратно пропорциональную произведению дисперсии и трудоем кости оценки.
133
л л
Оценка а называется несмещенной оценкой, если M aN = M^ и
л |
при N-+-оо. |
асимптотически несмещенной, если MctN стремится к |
|
|
л |
Пусть два числа А и В (возможные значения оценки а) такие,
что
Р \Л < а < б} а, 0 < а < 1 ,
л
тогда (А, В ) называется доверительным интервалом для а, соответ ствующим дотер ительнтгу уровню а, или 100 снпроцентньгм довврнтельным интервалом.
2. От машин искусственного телетрафика до ЭВМ
Метод статистического моделирования в теории телетрафика применялся еще до того, как были созданы универсальные вычис лительные машины. Для этой цели использовались специальные машины искусственного телетрафика (МИТ). Первые попытки мо делирования телефонных систем относятся к двадцатым годам (Дамджон и Мартин [189], 1922; Эллиман и Фразер [199], 1928). В последующем построению МИТ уделялось много внимания как у нас, так и за рубежом.
Любая МИТ представляет собой устройство, моделирующее действие одного определенного класса систем, что является их главным недостатком по сравнению с ЭВМ. К тому же создание МИТ может потребовать годы, а написание программы моделиро вания на ЭВМ занимает несколько месяцев или только несколько дней, если использовать алгоритмические языки, и сравнительно легко поддается изменениям. Поэтому, несмотря на дороговизну ЭВМ, область применения MITT быстро сужается. Уже на V Меж дународном конгрессе по телетрафику в 1967 г. был представлен лишь один подобного рода доклад (доклад Рахко о создании фин ской МИТ для моделирования иеполнодоступных схем).
Так как в настоящее время МИТ представляет только истори ческий интерес, то алгоритм ее работы рассмотрим вкратце и в терминах, которыми будем пользоваться ниже при описании алго ритмов моделирования на ЭВМ.
Пусть МИТ моделирует действие и-линейиого полнодоступного пучка, который обслуживает пуассоновский поток интенсивности X, продолжительность разговора подчиняется экспоненциальному рас пределению с параметром, равным единице. Один цикл работы МИТ состоит в выборе событий «поступил вызов» с вероятностью
----- — или события «кончается разговор на i-й линии» с вероятно- v + А.
стью —-— , i= l,..., V. Если выбранная i-я линия свободна, то цикл;
V + А
134
является безрезультатным. В итоге вычисляется оценка вероятности потерь по вызовам.
Созданы различные МИТ для моделирования неполнодоступных схем и других коммутационных систем. Действие их в какой-то ме ре напоминает испытания экспериментального образца коммутаци онной системы, требующего разработки для этой цели специальных устройств нагрузки и измерительных комплексов. Однако по мере передачи функций управления коммутационных систем специали зированным ЭВМ такой метод натурных испытаний уходит в про шлое, уступая место программной проверке системы с участием самой управляющей ЭВМ или при помощи другой, более мощной ЭВМ.
Впервые телефонные системы на ЭВМ изучали шведские ин женеры Неовиус [265] в 1955 г. и Валстрем [295] в 1958 г. Составленные ими программы моделирования воспроизводили ра боту МИТ. Впоследствии по мере развития вычислительной техники этот подход стал применяться повсеместно: Одновременно шло развитие алгоритмов моделирования.
Среди работ по статистическому моделированию телефонных си стем, проведенных в Советском Союзе, исторически первыми яв ляются работы Г. П. Башарина и его учеников [19, 30], где исследо ваны некоторые простые двухкаскадные схемы с упором на стати стическое изучение характеристик марковских процессов, описы вающих действие телефонных систем при простейших предположе ниях. Однако эти первые работы не нашли прямого инженерного применения в телефонии, хотя и сыграли важную роль при установ лении слабой зависимости условных вероятностей уа (X) от Я, (см. гл. 9).
В настоящее время моделированием коммутационных систем (не только телефонных) заняты многие коллективы. Работы, нача тые Г. П. Башариным, нашли дальнейшее развитие в ЦНИИКА при моделировании производственных систем. Наиболее известный кол лектив, изучающий производственные процессы методом статисти ческого моделирования, — это коллектив в МГУ, руководимый член-корреспондентом АН СССР Л. А. Люстерником. Большие ус пехи в изучении практически важных телефонных систем достиг нуты в Вычислительном центре Латвийского Госуниверситета, где под руководством Г. Л. Нонина в содружестве с ЦНИИС ЛФ (с лабораторией, руководимой Б. С. Лившицем) и СКВ завода ВЭФ (руководимым Т. Я. Розитисом) разработан набор программ стати стического моделирования различных телефонных систем, состоя щий из более чем 20 программ, которые впервые в Советском Сою зе доведены доширокого практического применения в научно-ис следовательской и конструкторской практике. Часть алгоритмов и программ перечислена в [64]. Например, там указано, что уже в 1966 г. было произведено моделирование станции АТС К-40/80 или, другими словами, моделирование двухкаскадной неполнодоступной коммутационной схемы, входящей в АТС К-40/80. Использование
135
предложенных нами принципов построения оптимальных неполно доступных схем (см. гл. 5) и учет других соображений, предло женных Т. Я. Розитисом, дало возможность выбрать новую схему АТС К-40/80, которая содержала на 25—40% меньше МКС (много кратных координатных соединителей — основных блоков комму тационной схемы координатных АТС), чем ранее разработанная схема.
3.Об алгоритмических языках для статистического моделирования
По мере увеличения области применения метода статистиче ского моделирования все больше ощущается необходимость в соз дании специальных алгоритмических языков, направленных на об легчение работы составления программы моделирования. Хороший обзор этого вопроса содержится в [159].
Среди разработанных алгоритмических языков моделирования наиболее общими и универсальными по своим возможностям явля ются языки СИМСКРИПТ [104] н СИМУЛА [48]. Оба языка рас полагают богатым набором арифметических операторов и операто ров управления, который позволяет запрограммировать практиче ски любой алгоритм поведения сложной системы.
Язык СИМСКРИПТ построен па основе алгоритмического язы ка ФОРТРАН, который особенно широко распространен в США. Язык СИМУЛА является расширением языка АЛГОЛ, который в настоящее время все больше применяется в практике программи рования в Советском Союзе. Однако эти языки недостаточно учиты вают специфику коммутационных схем, поэтому пх использование в задачах телетрафика весьма ограничено. Для нужд статистичес кого моделирования коммутационных систем следует создавать спе циальные проблемно ориентированные языки.
Вряде организаций в США [296], ФРГ [252], Швеции [215, 272]
идругих, создающих телефонные системы, используется язык
GPSS (General Purpose Simulation System) [211], который предна значен для моделирования графа, приближенно описывающего
коммутационную систему согласно подходу Ли [166]' (см. также гл. 4). Еще большее облегчение инженерного труда дает система автоматического программирования SMILE (Switching Mashine Interpreter for Lazy Engineers), созданная в лабораториях Белла
(США) для автоматизации разработки математического обеспече
ния управляющих |
устройств квазиэлектронной |
АТС ESS |
№ 2Г |
|||
опытный образец которой выпущен в |
1970 г. [289]. |
Методика ис |
||||
пользования языка SMILE при конструктировании АТС заслужи |
||||||
вает тщательного изучения. |
|
|
|
|
||
Квазиэлектронная АТС ESS № 2 рассчитана на емкость |
1000— |
|||||
10 000 номеров |
(по |
оборудованию |
более |
экономичная, |
чем |
|
ESS№ 1 ). При помощи языка SMILE на ЭВМ IBM типа 360, имею |
||||||
щей память объема, |
по крайней мере, |
262144 |
байта, составлялись |
136
программы управления, хранимые в ОЗУ ESS № 2. Эти программы состоят из 75 000 команд по 22 бита.
Язык SMILE используется: 1) для статистического моделирова ния схем, предлагаемых инженерами, и выбора оптимальных; тем самым ускоряется процесс конструирования АТС; 2) для состав ления и отладки программы управления ESS № 2.
Для облегчения связи инженеров с машиной разработан спе циальный символический язык записи инженерных решений, со ставлена программа SWAP (Switching Assembler Program) для перевода инженерной символической записи в двоичную запись ма шины с последующим моделированием предлагаемых схем посред ством языка SMILE.
Использование ЭВМ может многократно уменьшить время кон струирования АТС, время создания математического обеспечения программно управляемых АТС, время наладки вводимых в строй станций. Отражением этого запроса практики является создание проблемно-ориентированного языка TPL-1 [179, 190].
7.2.СЛУЧАЙНЫЕ ЧИСЛА. КРИТЕРИИ СЛУЧАЙНОСТИ
1.Равномерно распределенные случайные числа
Для моделирования случайных процессов необходимо иметь последовательности чисел, подчиняющихся различным распределе ниям, например, экспоненциальному, Эрланга, нормальному и дру гим. Обычно для этого используют равномерно распределенные случайные числа, которые можно получить:
1)программным путем (такие числа называются псевдослучай ными) ;
2)при помощи датчика случайных чисел;
3)из заранее составленной таблицы случайных чисел. Подробнее рассмотрим программный метод. Наибольшее рас
пространение получил способ перемешивания. Например, одна из возможных программ получения случайных чисел, равномерно распределенных на интервале (0, 1), состоит из четырех команд. Пусть исходное случайное число находится на ячейке а; рабочие ячейки — а+1 и а + 2. Команды следующие:
1) |
сдвиг содержимого исходной ячейки |
а на семь разрядов |
вправо, запись результата в ячейку а+ 1; |
|
|
2) |
сдвиг содержимого исходной ячейки а на семь разрядов |
|
влево и запись результатов в ячейку а + 2; |
|
|
3) |
сложение (команд) а + 1 и а + 2 с записью в а + 2;. |
|
4) |
взятие модуля с нормализацией числа, |
находящегося в ячей |
ке а + 2, и запись его в ячейку а. Это и есть следующее равномер но распределенное случайное число.
Полученная серия равномерно распределенных случайных чисел характеризуется некоторым отрезком апериодичности и длиной пе
137
риода, зависящими от исходного числа. Для приведенной програм
мы длина |
отрезка |
апериодичности достигает |
50 000 |
с длиной пе |
||||
|
|
|
|
риода около 5000. Для удлинения отрез |
||||
|
|
|
|
ка апериодичности |
в |
исходную серию |
||
|
|
|
|
случайных чисел вносят возмущения, оп |
||||
|
|
|
|
ределяемые другой программой образо |
||||
|
|
|
|
вания случайных чисел. |
|
|
||
|
|
|
|
Для получения случайных чисел, рав |
||||
|
|
|
|
номерно распределенных |
на интервале |
|||
|
|
|
|
[а, b], берем числа, равномерно раопреде- |
||||
|
|
|
|
^ ленные .на [0, 1], и |
делаем преобразова |
|||
|
|
|
|
ние подобия и сдвиг, а именно, если леев- |
||||
Рис. 7.1. Схема получе- |
доелучайное число |
а |
распределено |
рав- |
||||
ния |
случанных |
чисел, |
номерно на интервале [0, |
1], то число |
|3 = |
|||
ных |
на |
произвольном |
<т)схЧ-о распределено на интервале |
|||||
интервале [а, 6] |
|
[а, 6] (рис. 7.1.). |
|
|
|
|
2. Критерии случайности
Разработана система тестов для проверки серии равномерно распределенных случайных чисел. Укажем наиболее применяемые тесты.
Проверка частот. Отрезок i[0, 1] разбивается на т (обычно 10—20) равных интервалов. Полученные эмпирические частоты
— l |
, i = l , ..., т, 2n,'=uV, сравниваются с теоретическими |
N |
£ |
вероятностями l /т. Согласие проверяется по критерию х2>так как величина
т Е("•-£)■ |
(1) |
£=i |
|
подчиняется распределению х2 с т— 1 степенями свободы. Проверка пар. Рассматриваются последовательные пары при
делении интервала (0, 1] на т частей. Каждая пара случайно попа
дает в одно из т 2 делений квадратной таблицы т Хт . |
Согласие |
с теоретическим распределением опять проверяем но х2 |
При этом |
в зависимости от метода образования пар меняется число степеней свободы.
Пусть дана серия чисел Х\, |
хъ х3, .. ., xN. Если пары образовы |
||
вать венде (хи х2), (х3, |
Xi) |
. ■., то пары взаимно-независимы, эмпи |
|
рические частоты |(их число т2) |
сравниваются с теоретическими ве |
||
роятностями равномерного |
распределения 1 /т 2. Величина |
||
т |
|
|
|
“ I, /=1 Е ( » |
« |
- £ |
Г |
распределена по закону %2 с т2—т степенями свободы, где — число попаданий в i, j — клетку таблицы.
138
Ситуация более сложная, если пары образовывать в виде ( ад, х г ) , { х г , Х з ) , . . . Этот метод образования пар более выгодный, так как он более полно использует выборку чисел, но из-за зависимости пар
распределение |
статистики (2) уже другое. Башарин [13] показал, |
|
что вместо (2) следует брать статистику |
||
|
/га |
/га |
i, |
}=1 |
£=1 |
которая, |
как и |
(2), распределена по х2 с т (т — 1) степенями сво |
боды. Там же указано, что следуя работе Кендалла и Смита [238], иногда ошибочно предполагают, что только первое слагаемое в (3) имеет распределение %2 с т (т — 1) степенями свободы.
Проверка серий. Делим интервал [0, 1] на две части, например, пополам. Пусть первое число £<1/2. Тогда вычисляем количество подряд следующих чисел, которые меньше 1/2. Потом следует се рия чисел, больших 1/2, и т. д. Известны формулы для вычисления
согласия в этом случае [22]. |
Например, |
известно, что только в |
52 случаях в серии из 10 000 |
равномерно |
распределенных случай |
ных чисел можно встретить хотя бы одну серию длины 15 и бо лее.
3.О проверке случайности по текущим результатам моделирования
Рассмотренные выше критерии случайности предполагали 'спе циальные исследования выбранной серии псевдослучайных чисел. Сейчас рассмотрим один критерий, который основан на обработке текущих результатов моделирования. Этот критерий особенно це нен при использовании датчика случайных чисел, так как .в дан ном случае важно контролировать качество случайных чисел не прерывно.
Пусть дана коммутационная система произвольной структуры с потерями (возможны и другие дисциплины обслуживания). Пред положим только, что поступает пуассоновский поток вызовов ин тенсивности X, обслуживание — экспоненциальное с единичной ин тенсивностью. Через т+1, т+2 .. . обозначим моменты, непосредст венно следующие, за моментами поступления вызовов. Если в ка кой-то 'момент т+л занято i линий (т. е. ]х)(т+л) |= £), то в момент т~и+1 может быть занято любое случайное число / линий, /<П. Со ответствующие вероятности, перехода
р _. _ |
*' |
* ~~ 1 |
J + I |
л |
_ |
|
% i А, |
—1 |
А, + / + 1 А / |
|
|
j = 0, |
1, • • •, |
i; i = l, 2, |
• • •, шах |х |= |
и. |
|
|
|
|
xes |
|
|
П X
/! П (* + *) k—i
(4)
139