![](/user_photo/_userpic.png)
книги из ГПНТБ / Коваленко И.Н. Полумарковские модели в задачах проектирования систем управления летательными аппаратами
.pdf/'6 Й, / € й, іф}. Потребуем, чтобы все эти функции бы ли неотрицательными и, кроме того,
2 яи w — * ■
Таким образом, при фиксированных і и t числа Лц (/) можно рассматривать как задающие распределение ве роятностей на множестве й.
Марковский процесс v(t) с множеством состояний й определяется следующими свойствами.
1. Если задано значение v(fo)—i, то поведение процесса v(t) после момента t0 не зависит от значений ѵ (/) при t < t 0.
2. При малых Іі> О |
|
|
|
|
|
||
Р (ѵ (/-f li) = |
j IV (/)= i)= X, |
(/) h -f o(A); |
j |
ф i . |
|||
3. При малых /г>0 |
|
|
|
|
|
||
Р(ѵ(/-|-т) = /; |
0 < т < /г |ѵ (/)= :/)= 1 — \,[f)h-\-o (A). |
||||||
4. |
Значение процесса v(t) |
в момент |
/= 0 |
задается |
|||
распределением вероятностей |
|
|
|
|
|||
|
Р(ѵ(0)=:/) = /л<0>; |
/6 2 |
|
|
|
||
где 2 |
Р(,0)= 1 - |
|
|
|
|
|
|
Функция Xi(t) |
называется мгновенной интенсивностью |
||||||
выхода процесса ѵ(/) из /-го состояния в'момент /; функ |
|||||||
ция hij(i) |
|
называется |
мгновенной |
интенсив |
|||
ностью перехода |
процесса ѵ(/) из |
состояния |
/ в состоя |
||||
ние }, при этом я е с т ь условная вероятность попада |
|||||||
ния процесса в состояние j при условии, что в момент і |
|||||||
произошел выход из состояния /. |
|
|
|
|
|||
Вероятностную структуру марковского процесса v(t) |
|||||||
можно разъяснить следующим образом. |
|
|
вероят |
||||
Состояние процесса |
при /= 0 |
определяется |
|
||||
ностями |
рі<°), а именно |
Р(ѵ(0) = /) =Pim, i 6 й. Траекто |
|||||
рия процесса ѵ(/) при |
0 есть ступенчатая |
функция, |
|||||
скачки |
которой |
происходят в моменты t\, h,... |
(0 ^ /i< |
||||
< І 2 <-~)- Если V (0) =і, |
то /•; есть случайная |
величина с |
функцией распределения Я (^ < 7)= 1 — ехр
В момент /і процесс переходит в состояние } ф і с вероят ностью
20
Допустим, что в момент tn( n ^ 1) процесс v(f) пере шел в состояние і. Тогда tn+\ определялся как случайная величина с функцией распределения
В момент tn+\ процесс переходит в состояние / £ Q с вероятностью jtij(£n+i). При этом, вообще говоря, может случиться, что за конечный интервал времени накопится бесконечное множество скачков, так что описанная кон струкция определит процесс лишь до первого момента накопления скачков. Однако с прикладной точки зрения такая ситуация является весьма исключительной. Доста точным условием того, что fn—►оо при п—*оо, т. е. усло вием, при котором отрезки (£„, £„+і] покрывают всю полу прямую ![0, оо], является неравенство
i£Q.
Основные характеристики марковского процесса с конечным или счетным множеством состояний
Пусть pj(t) — вероятность того, что v ( t ) = j (/£ ß)-
Можно записать |
|
= 2 Р\0)Р‘}У) |
(1.49) |
|
где pij(t) =P(v(t) =/W (0) =l).
Таким образом, pj(t) можно выразить через функции Pij{t), называемые переходными вероятностями марков ского процесса.
Рассмотрев близкие моменты времени і и t + h и ис пользовав определяющие свойства марковского процесса, найдем
= |
— lj(i)h-\-o (А)] + |
2 Pm(О V |
/ if1 - |
Отсюда |
|
|
|
— [Pu it+ |
h) - Pi] (01= - |
h (0 Pi) if)+ |
|
+2 Pu*(o * * /(o + ° (0-
ЪФІ
21
При Л—у О
/; : . ( /) - - Х у(П/;,7 (0 + 2 Ріь№ * № ' ^ Q’ j £ Q- ^1' 50)
чфі
В нашем рассуждении было существенно, что Іг>О, однако, можно показать, что //,•;(/) обладает также дву сторонней производной.
Уравнения (1.50) принято называть уравнениями Колмогорова. Система этих уравнений при фиксирован ном і имеет единственное решение при начальных усло
виях:
Ра(0) = 1; Pij(0) = 0; j^=i,
по крайней мере в случае, когда Xj(t) <С, j £ Q.
Часто интересно иметь явный вид вероятностей Pij(t). Это можно вывести с помощью следующего рассуждения. По формуле полной вероятности
^ ( о = 2 р \ ѵ ® ' |
t 1- 51) |
0 |
|
где р]уЦі) — вероятность события, состоящего в том, что
ѵ’СО =/ и в интервале (0; t) произошло т скачков про цесса \(t) при условии, что ѵ(0) = /'.
Функции, служащие членами выписанного ряда, мо жно рассчитывать по простой рекуррентной формуле. Однако, чтобы сделать это, необходимо ввести несколько более общие функции. Именно, обозначим через т)
(t <;т) условную вероятность события, состоящего в том,
что v(x) —j и в интервале (t, т) произошло пг |
скачков |
процесса v(t) при условии v(t)=i. Очевидно, |
= |
= p\f(0,t). |
|
Введенные функции удовлетворяют следующим соот |
|
ношениям: |
|
при /7715:0 |
|
р\у (*,t) = /ty(0)exp |
(1.52) |
при /77^1 |
|
т ) = 2 j р\т~'ЧФь](и)ыр — J \j (x)dx\dti. кф] t
(1.53)
' Здесь используется условие, что і „ —"оо при п —"оо.
22
Данные формулы особенно удобны для расчетов в случае, если интенсивности переходов можно рассматри вать как малые величины. Приведем одну простую оцен ку. Предположим, что для всех і 6 Q выполняется оценка
t
j \ (ye) dx < a
о
для некоторого фиксированного ^>0. Тогда справедливо неравенство
< е - а |
г = 0,1,2,.... |
т«=г+1 |
т\ |
|
(1.54) |
В некоторых случаях полезно представить Xi{t) в ви де функции некоторого малого параметра г и найти раз ложение вероятностей рц{і, т) по степеням этого пара метра. Это делается следующим образом. Будем писать гХі(і) вместо Xi(t), чтобы не вводить новых обозначений. (Иначе говоря, мы считаем, что Xi(t) =еХ^°Ці), где е> 0 — малый параметр, Xim (t) — фиксированные функции; за тем, для краткости, Хі(П)(і) обозначаем через А,-Д). Подоб
ным же образом будем писать еХц(і) |
вместо Хц(і); лц (t) |
|||
считаем не зависящим от е. |
|
|
|
|
С учетом сказанного найденные выше уравнения пе |
||||
репишутся следующим образом: |
|
|
|
|
при т = 0 |
|
|
|
|
Pjf (t,x) = pj](0)ехр — Ё J Д (х) f/xj ; |
(1.55) |
|||
при m ^'l |
|
|
|
|
p!fjl)(t,T) = 2 |
е J /^*_1)(« )M « )exp { - e i кі М dx\ dlL- |
|||
кФj |
t ' |
l |
и |
J |
|
|
|
|
(1.56) |
Обозначим
Т о гд а
exp I — £ j5ХДх) |
|
J ) *-Ajs(i,T ). |
(1.58) |
||
У |
t |
> |
о |
|
|
Рассмотрим ряды вида |
|
|
|||
|
|
|
oo |
|
|
|
p('f‘)(/, т) = |
2 zSP\nj's) [t> T) • |
(1• 59) |
||
|
|
|
s=m |
|
|
Подставив это неравенство в рекуррентные формулы, |
|||||
найдем: при т = О |
|
|
|
|
|
со |
|
|
со |
|
|
^ |
зѴ ^ ( А г)= |
/;,7 ( 0 ) ^ ^ = |
^ А / ( / , т); |
(1.60) |
|
S—0 |
|
|
і=-0 |
|
|
при т. |
1 |
|
|
|
|
|
s**m |
|
|
|
|
|
X со |
|
по |
|
|
= 5 £ I |
|
^ |
( ~ ^ )Е А'(и,t) eta. |
||
0 |
5 = /И—1 |
|
г«=0 |
. |
(1.61) |
|
|
|
|
Коэффициенты разложения найдем, приравнивая ко эффициенты при одинаковых степенях е в левой и правой частях:
при т = 0
|
|
р \у) {t,x) = pij (0) ± = - ^ - А* (<, т); |
(1.62) |
|
при т~^А |
|
|||
|
|
p \ f s) (*,Т) = |
|
|
|
s ~ m |
X |
|
|
= 2 |
Л |
I /?<“- 1-*-г- 1)(и)Ху(и)А5(и1т)сГй; s>m . |
||
й#.? |
r = 0 |
0 |
(1.63) |
|
Рассмотрим теперь ряд1 |
||||
|
||||
|
|
оо |
|
|
|
|
Ра у, * 0 = 2 г*р\ѵ (*>т)• |
п ■64) |
|
_______________ |
j = 0 1 |
|
1 Обозначение «( -s)» показывает, что по т произведено сумми рование.
24
Т о гд а
P\f=^ Р{п’3)'^=0,1,2,..., |
(1.65) |
m=*О |
|
а формулы для слагаемых последней суммы приведены выше.
Пусть. А — некоторое множество состояний процесса
ѵ(/): |
А С |
Q. Обозначим через |
P f |
(t) |
вероятность того, |
|
что |
v(t) |
С А для всех х (О ^ т ^ /) |
при условии, |
что |
||
ѵ(0) —і. |
|
|
|
|
|
|
Вычисление вероятностей P f |
(t) |
легко сводится |
к |
|||
рассмотренной выше задаче. |
Введем |
вспомогательный |
марковский процесс v{t), характеристики которого зада ются формулой
I (/) = ( |
если |
j € A ’ |
} |
( 1- 66) |
|
Ч- |
{ 0 в противном случае. |
|
|
||
Если для такого процесса найти |
вероятности pa(t) |
||||
перехода из состояния і |
в момент /= 0 и в состояние j в |
||||
момент t, то |
|
|
|
|
|
|
|
j£A |
|
|
(1-67) |
|
|
|
|
|
|
Из этой формулы следует, что |
|
|
|
||
|
P f { t ) = 0; i £ A . |
|
|
(1.-68) |
|
Пусть v(t) |
— марковский процесс с интенсивностями |
||||
перехода Кц(і) |
и распределением вероятностей р£°\ і£ Q |
состояний в момент / = 0. Предположим далее, что f{i), /С П — некоторая числовая функция, действительная или
комплексная. Представляет интерес рассмотреть функци |
|
оналы вида |
т |
|
|
|
■П= Пт- = j /(ѵ (/))*#. |
|
ü |
Так, положив f(i) = 1 при і € А, f(i) —0 при г С А, по |
лучим, что т)т есть суммарное время пребывания процес са v(t) в множестве состояний А в течение интервала
(0; Т).
Покажем, как найти М[г\] и М[г|2], если они сущест вуют *.1
1 Здесь II далее символом М[...] обозначено математическое ожи дание случайной величины или функции.
25
Имеем:
|
|
Т |
|
|
|
г |
\ |
М [л] = |
Г |
М \f {у (/))1 dt = |
2 |
/ (у) j |
Pj W df, |
||
|
|
0 |
|
|
;fcö |
ü |
|
Ж [11=] = |
j |
j Ж [ / (V (/)) / |
(V (t))] dtdx -- |
||||
|
|
ü |
u |
|
|
|
|
= |
2 |
JJ |
A f[/(v(*))/(v(t))] <«</*=== |
(1.69) |
|||
|
0 < 7 < т < 7 ' |
|
|
|
|
||
= 2 2 |
/А Д У ) |
j 5 Ж О=*>СО==У>*^= |
|||||
|
( J 6S |
|
0<t<i<T |
|
|
|
|
= |
2 V |
f { i ) f { j ) j [ Pi(t) Pij{t,x)dtdx. |
|||||
|
i,jüs ' |
0 < r f < T < 7 ’ |
|
|
|
Однородные марковские процессы с конечным или счетным множеством состояний
Указанным термином определяют марковские процес сы с конечным или счетным множеством состояний, для которых интенсивности перехода Хц(1) не зависят от і-
А |
У £ А г'ДУ; ^ > °- |
А 70) |
Выпишем уравнения для переходных вероятностей од |
||
нородного марковского процесса: |
|
|
P'ij(t ) = = — 'k] P i] (t ) + 2' i |
h j P i b ( i Y’ А 2; у € 2, |
(1-71) |
КФІ |
|
|
где = V л;7, |
|
|
кФ І
В данном случае это система уравнений с постоянны ми коэффициентами и ее можно решить методом преобра
зований Лапласа. |
£ Q вероятность рц(і) /^.<» |
где |
Если при всех і |
||
Pj — распределение |
вероятностей на Q, то говорят, |
что |
марковский процесс v(t) обладает эргодическим распре делением pj, а сам процесс называют эргодическим.
Свойство эргодичности молено объяснить так. Вероят ность застать процесс ѵ(/) в некотором состоянии в мо мент t стремится при t —*oo к некоторой вероятности, не зависящей от состояния процесса в момент /= 0, Если
26 .
процесс обладает эргодическим распределением, то пос леднее определяется системой уравнений:
|
|
(1.72J |
|
кф] |
|
с нормирующим |
условием ^ |
= 1. |
|
№ |
|
Рассмотрим |
для простоты |
однородный марковский |
процесс ѵ(£) с конечным множеством состояний. Скажем, что состояние / достижимо из состояния I, если Хц>0, ли
бо существует |
цепочка состояний іи |
такая, что |
Xіі1Xi1і%Хі2із...X( у |
0. |
|
Если / достижимо из і и і достижимо |
из /, скажем, |
что і и / — сообщающиеся состояния. Класс состояний С назовем замкнутым, если из любого состояния внутри С не достижимы состояния вне С. Признаком замкнутости класса состояний С служит равенство Хц = 0 для всех
і € С, j~£ С.
Во множестве П состояний процесса ѵ(/) выделится конечное число замкнутых классов С],...,С,., сообщающих ся состояний, называемых эргодическими классами; сос тояния, не попавшие ни в один из классов СЬ...,СГ, назы ваются несущественными состояниями. Если і некоторое состояние, принадлежащее классу Cs(l sglss^r), то это состояние сообщается с каждым из состояний, принад лежащих тому же классу Cs, и не сообщается ни с одним состоянием, не принадлежащим Cs. Из состояния і не достижимо ни одно состояние, не принадлежащее Cs.
Если процесс в некоторый момент времени попал в один из эргодических классов состояний, он навсегда в нем и останется. С другой стороны, в каком бы состоянии процесс ни находился при t = 0, он с вероятностью, рав ной единице, в некоторый момент попадает в какой-ни будь из эргодических классов состояний.
Рассмотрим систему уравнений:
J^ Cs]
ігф]
(1.73)
2 jecs
при некотором 5=1, 2,../. Эта система обладает единст венным решением.
27
Обозначим
1 1о, yec41 |
(1.74) |
|
|
где {p.s} — решение выписанной системы при |
данном s. |
Справедливо следующее свойство. При условии, |
|
если в некоторый момент to ѵ(70) С Cs, то |
|
lim Р (v {t) —j) = p{s)-, У €2 - |
(1-75) |
Если ij j — любые состояния процесса, то можно за писать
lim P(v(t) = |
j v(0) = /) = |
2 |
Qisp(js), |
(1.76) |
|
|
5 —1 |
|
|
где Qis— вероятность попадания |
процесса в некоторое |
|||
состояние из множества Cs при условии* что ѵ(0) = 7 |
||||
Вероятности Q{S находятся из |
следующей |
системы |
||
уравнений: |
|
|
|
|
М ? „ = 2 |
х/ * + 2 х'*6*,; |
* € С 0, |
(1.77) |
|
' kecs |
ьес0 |
|
|
|
где Со— множество несущественных состояний процесса
ѵ( / ) .
Для i € C s ( l^ s ^ r ) имеем:
6/s=l; 6/m=0; m / s. |
(1.78) |
Процессы размножения и гибели |
|
Пусть Х = {0, 1, 2,...}, причем из любого |
состояния |
возможен переход лишь в соседнее состояние. Таким об разом
|
h |
при у = |
і + 1; |
|
|
(X, при у = |
і — 1 > 0 ; |
|
|
X |
0 |
при у > 7 + 2; |
(1.79) |
|
|
0 |
при у < 7 — 2; |
|
|
|
0 |
при у < 0. |
|
-28
Такой однородный марковский процесс носит назва ние процесса «размножения и гибели»1.
Процессы размножения и гибели выступают в качест ве моделей функционирования многих систем массового обслуживания.
Обозначим
6д==-_ ¥ _1 -.-Х ^ 1 (Д > 1 ) ; |
1_ |
(1.80) |
МН-2• • • Цл
Если
- СО, (1.81)
л=0 л—О
то процесс размножения и гибели обладает эргодическим распределением
lim P(v(t)=J) = |
Qi |
(j = 0 ,1 ,2 ,...). (1.82) |
|
Цел
л=0
1.3. ПОЛУМАРКОВСКИЕ ПРОЦЕССЫ.
ЛИНЕЙЧАТЫЕ ПРОЦЕССЫ
Марковские процессы с конечным или счетным мно жеством состояний представляют особый интерес, для ре шения прикладных задач теории массового обслужива ния. Однако при этом появление новых заявок и оконча ние обслуживания заявок, уже имеющихся в системе, не должно зависеть от предшествующей истории. Иными словами, должен выполняться марковский принцип не зависимости будущего от прошедшего при известном на стоящем.
Нет нужды доказывать, что в большинстве ситуаций, встречающихся в практике проектирования и обслужива ния систем управления, такого рода предпосылки далеки от действительности. В связи с этим приходится исполь зовать случайные процессы более сложного характера.
Обозначим через v(t) некоторый процесс, в любой момент времени описывающий состояние СМО (предпо
1 Название заимствовано из приложения к биологии, где подоб ными процессами описывается динамика различных популяций, на пример, бактерии.
29