- •Технология компьютерного моделирования и особенности ее применения к задачам анализа и проектирования измерительных систем (тестирование, анализ погрешности, параметрическая оптимизация)
- •Параметрическая оптимизация решается при проектировании измерительных систем сразу после определения состава необходимых блоков и связей между ними (этап структурной оптимизации).
- •Формализация понятий «модель» и «соответствие моделей»
- •Модельная трактовка задач цос и км.
- •Критерии близости моделей (погрешности соответствия )
- •Составные модели и их совокупная точность (составной оператор и композиция морфизмов).
- •Переход к конечным интервалам независимых переменных (локализация аргументов).
- •Переход к дискретным множествам для представления переменных (дискретизация по времени, квантование по уровню).
- •Реализация времени в компьютерных моделях (методы фиксированного и переменного шага).
- •Компьютерное моделирование с помощью метода статистических испытаний (метод «Монте-Карло»).
- •Вычисление определенного интеграла
- •Генерирование псевдослучайных чисел.
- •Генерирование псевдослучайных процессов.
- •Построение моделей элементов сложных систем (динамическая система)
- •Линейные динамические системы
- •Покадровый формат модели динамической системы
- •Построение моделей элементов сложных систем (конечные автоматы)
- •Построение моделей элементов сложных систем (вероятностные автоматы)
- •Построение моделей элементов сложных систем (системы массового обслуживания)
- •Модель потока заявок
- •Модель каналов обслуживания
- •Способы нахождения оценок глобальной погрешности
- •Метод «полного перебора» или «прямой» метод
- •Метод «наихудшего входного элемента»
- •Метод «статистических испытаний»
Построение моделей элементов сложных систем (системы массового обслуживания)
Характерной особенностью задач, представимых в виде системы обслуживания, является наличие обслуживающей системы, к которой в случайные моменты времени поступают заявки на обслуживание. Обслуживающая система имеет линии (каналы), выполняющие совокупность операций, подразумеваемых под словом "обслуживание".
Типичным примером системы массового обслуживания может служить телефонная связь. В качестве других типичных примеров областей применимости теории массового обслуживания можно привести диспетчерские функции в торговле, на транспорте, в различных аварийных службах (пожарная, скорая помощь) и т.п.
В области проектирования измерительных систем модель системы массового обслуживания может использоваться для представления процессов в многоканальных системах с нерегулярной дискретизации .
Теория систем массового обслуживания изучает систему массового обслуживания (СМО) как отвлеченный математический объект, включающий в себя:
- модель потока заявок;
- модель функционирования совокупности обслуживающих каналов.
Модель потока заявок
Рассмотрим более простой поток однородных, то есть независимых друг от друга, заявок. Каждая заявка характеризуется моментом поступления в систему, а поток - последовательностью моментов поступления заявок t1, t2,…tk. Удобнее моменты поступления заявок задавать интервалами ξi, причем (см. Рис. 6 .9)
t1 = ξ1;
t2 = ξ1 + ξ2; Рис. 6.9. Поток заявок на оси времени
t3 = ξ1 + ξ2 + ξ3;
…
tk = ξ1 + ξ2 + … + ξk.
Поток заявок описывается совместной функцией вероятностей:
.
В случае непрерывного времени обычно переходят к функции плотности .
Для решения многих прикладных задач можно ограничиться частными случаями потоков, оперирование которыми оказывается более простым и доступным. В частности, большое значение имеют стационарные потоки, для которых вид функции вероятностей не зависит от времени. Если случайные величины ξi независимы, то такой поток называется потоком с ограниченным последействием. Для таких потоков аналитическое решение многих задач сильно упрощается, поскольку в этом случае
.
Если же поток с ограниченным последействием, к тому же, еще и стационарен, то его описание еще более упрощается, поскольку в этом случае выполняется соотношение ( в нем не участвует!)
.
В этом случае математические ожидания μi случайных величин ξi (при i > 1) одинаковы и имеют смысл средней длины интервала между последовательными заявками. Величина
имеет смысл среднего количества заявок, поступающих в единицу времени и носит название интенсивности потока.
Наиболее простые аналитические решения задач теории массового обслуживания получены для так называемого простейшего (Пуассоновского) потока с распределением
.
Именно такая модель используется, например, в теории надежности для представления внезапных отказов в системе.