- •Основы системного анализа Раздел 1. Введение
- •Раздел 2. Имитационное моделирование как метод исследования систем большой сложности
- •Раздел 3. Основы теории систем массового обслуживания
- •Введение
- •1. Системность как всеобщее свойство матери
- •1.1. Определение системы
- •1.2.Сложная и большая система
- •1.3. Классификация систем по их основным свойствам
- •1.4. Искусственная система как средство достижения цели
- •1.5. Системность как всеобщее свойство материи
- •1.6. Системность познавательных процессов
- •1.7. Методология системного подхода
- •1.8. Развитие системных представлений в науке и практике
- •1.9. Контрольные вопросы и упражнения к разделу 1.1.
- •Раздел 2. Имитационное моделирование как метод исследования систем большой сложности
- •2.1. Введение
- •2.2. Основные понятия
- •2.3. Принципы и методы построения имитационных моделей
- •2.4. Вопросы для самопроверки
- •2.5. Упражнения
- •2.6. Случайные события и их имитация
- •2.7. Имитация случайного события
- •2.8. Имитация сложного события
- •2.9. Имитация сложного события, состоящего из зависимых событий
- •2.10. Имитация событий, составляющих полную группу
- •2.11. Вопросы для самопроверки
- •2.12. Упражнения
- •2.13. Имитация непрерывных случайных величин
- •2.14. Метод обратной функции
- •2.15. Метод Неймана (режекции)
- •2.5, Где
- •2.16. Алгоритм получения значения нормально распределенной случайной величины
- •2.17. Алгоритм получения случайной величины, распределенной по Пуассону
- •2.18. Упражнения
- •2.19. Алгоритмы получения значений систем случайных величин (случайных векторов)
- •2.20. Метод аналитических преобразований
- •2.21. Метод разложения по координатным случайным величинам
- •2.22. Алгоритм получения значений системы дискретных случайных величин
- •2.23. Упражнения
- •2.24. Имитация случайных процессов
- •2.25. Имитация нестационарных случайных процессов
- •2.26. Имитация стационарных сп
- •2.27. Имитация стационарных нормальных сп
- •2.28. Обработка результатов моделирования
- •Раздел 3. Основы теории систем массового обслуживания
- •3.1. Введение
- •3.1.1. Историческая справка
- •3.1.2. Примеры систем массового обслуживания. Анализ задач тсмо
- •3.1.3. Понятия, определения, терминология
- •3.1.4. Классификация смо
- •3.1.5.Основная задача тсмо
- •3.2. Математические модели потоков событий
- •3.2.1. Регулярный и случайный потоки
- •3.2.2. Простейший пуассоновский поток
- •3.2.3. Свойства простейшего пуассоновского потока
- •3.2.4. Простейший поток и решение практических задач
- •3.2.5. Нестационарные пуассоновские потоки
- •3.2.6. Потоки с ограниченным последствием (потоки Пальма)
- •3.2.7. Потоки восстановления
- •Термины и определения
- •Литература
3.2. Математические модели потоков событий
3.2.1. Регулярный и случайный потоки
Одним из центральных вопросов организации СМО является выяснение закономерностей, которым подчиняются моменты поступления в систему требований на обслуживание. Рассмотрим наиболее употребляемые математические модели входных потоков.
Определение: Поток требований называют однородным, если он удовлетворяет условиям:
все заявки потока с точки зрения обслуживания являются равноправными;
вместо требований (событий) потока, которые по своей природе могут быть различными, рассматриваются толь ко моменты их поступления.
Определение:Регулярным называются поток, если события в потоке следуют один за другим через строгие интервалы времени.
Функция f(х) плотности распределения вероятности случайной величины Т – интервала времени между событиями имеет при этом вид:
,где - дельта функция, Мт- математическое ожидание, причем Мт=Т, дисперсия Dт=0 и интенсивность наступления событий в поток =1/Mт=1/T.
Определение: Поток называют случайным, если его события происходят в случайные моменты времени.
Случайный поток может быть описан как случайный вектор, который, как известно, может быть задан однозначно законом распределения двумя способами:
Заданием закона распределения моментов появления событий
случайные моменты времени появления событий в потоке, t1, t2, tn- их назначение, Р – вероятность;
Заданием многомерного закона распределения системы случайных величин Т1 , Т2 ,… Тn , являющихся длинами интервалов между последовательными событиями :
Где, zi- значения Ti(i=1,n), В этом случае моменты наступления событий могут быть вычислены следующим образом
t1=t0+z1
t2=t1+z2
………,
где, t0 - момент начала потока.
3.2.2. Простейший пуассоновский поток
Для решения большого числа прикладных задач бывает достаточным применить математические модели однородных потоков, удовлетворяющих требованиям стационарности, без последействия и ординарности.
Определение: Поток называется стационарным, если вероятность появления n событий на интервале времени (t,t+T) зависит от его расположения на временной оси t.
Определение:Поток событий называется ординарным, если вероятность появления двух или более событий в течении элементарного интервала времени D t есть величина бесконечно малая по сравнению с вероятностью появления одного события на этом интервале, т.е.при n=2,3,…
Определение: Поток событий называется потоком без последствия, если для любых непересекающихся интервалов времени число событий, попадающих на один из них, не зависит от числа событий попадающих на другой.
Определение: Если поток удовлетворяет требованиям стационарности, ординарности и без последствия он называется простейшим пуассоновским потоком.
Доказано, что для простейшего потока число n событий попадающих на любой интервал z распределено по закону Пуассона:
(1)
Вероятность того, что на интервале времени z не появится ни одного события равна:
(2)
тогда вероятность противоположного события:
где по определению P(T<z)=F(z) это функция распределения вероятности Т. Отсюда получим, что случайная величина Т распределена по показательному закону:
(3)
параметр называют плотностью потока. Причем,
Впервые описание модели простейшего потока появились в работах выдающихся физиков начала века – А. Эйнштейна и Ю.Смолуховского, посвященных броуновскому движению.