M/M/m排队模型 (单队列多服务台并联服务模型)数学建模: 基于生灭过程的理论计算和基于事件推进的Matlab模拟仿真思路

M/M/m排队模型 (单队列多服务台并联服务模型)

数学建模: 基于生灭过程的理论计算和基于事件推进的Matlab模拟仿真思路

在这里插入图片描述

原创文章,转载文章请注明出处:©️Sylvan Ding 🎉🎉🎉

摘要

本文研究M/M/m单队列多服务台并联服务的经典排队问题。近年来,对于排队模型的理论研究趋于完善,更复杂的排队模型则不便使用排队理论计算其解析值。随着计算机技术的发展,模拟仿真法已经成为解决复杂排队问题的主要手段。本文提出了一种基于时间调度的M/M/m排队模型模拟仿真方法,采用E(Wq)、E(Ws)、E(Lq)、E(Ls) 这4个评价指标,设定模型初始化参数后,设计了基于马尔可夫状态转移的仿真时钟推进器,不断更新系统状态;将服务台分为空闲和繁忙两类,完成了空闲服务台服务流程和繁忙服务台服务流程的仿真程序设计工作,利用Matlab进行仿真模拟。在此基础上,对经典的M/M/m模型进行理论分析,基于生灭过程建立稳态方程,求出模型的解析解。结果显示,上述4个评价指标的仿真值和理论值极为接近,说明仿真模型设置合理、有效,为后续相关理论研究提供了依据。

第1章 引言

1.1 背景

排队论,又称为随机服务系统,是研究系统由于随机因素的干扰而出现排队或拥塞现象的一门学科,期望对排队系统的运行指标提出优化方法,其适用于一切服务系统,包括通信系统、计算机系统等,对通信系统进行性能评价是当今排队论在应用上的热门课题之一[1]。现实生活中就广泛存在着排队过程,如火车站的售票系统、超市收银系统、图书馆借阅台等。但是排队的出现往往并不是有益的,比如超市服务柜台等待时间过长导致顾客流失、机场未合理调度起飞跑道导致航班延误、访问量过大导致电信运营商网络堵塞等。

排队系统由三个基本部分组成,分别是输入过程、排队规则和服务机构。输入过程是指顾客的到达时间分布情况,客源可以是有限/无限的,顾客到达可以是单个的/成批的,顾客到达时间间隔可以服从负指数分布(泊松到达)/k阶Erlang分布等;排队规则是顾客等候服务的规则,常见的有先到先服务、后到先服务、随机服务和带有优先级的服务规则等;服务机构指的是服务台的数量、服务方式、服务时间分布等,服务时间常见的分布有定长分布、负指数分布和几何分布等,排队规则有损失制、等待值和混合制等,排队方式分为单列、多列和循环队列。

在这里插入图片描述

对于经典的排队模型,可以用“顾客到达规律/服务时间分布/服务台数量/队列容量大小/服务规程”来描述。本文讨论的“M/M/m”模型指的是单柏松流输入多队列排队模型。

1.2 研究现状

排队论(Queuing Theory)起源于1909年丹麦电话工程师A. K. Erlang的工作,1917年,其发表了“The Theory of Probabilities and Telephone Conversations”,初步开始了对由于随机需求的出现而产生非稳态队列的现象的研究。Erlang之后,多名学者对其工作做了进一步拓展延伸,Thornton C. Fry 进一步整理的柏松输入,建立广义输出的单/多服务流模型[2]。而后的半个多世纪里,排队论主要为理论模型的发展,如生灭理论和嵌入马尔可夫模型。二战以来,学者开始为该理论赋予应用价值,大量研究开始导向如何精确求解先前学者留下的复杂数学模型,并直接应用于现实的管理决策中。近现代排队论主要为管理决策软件的开发提供理论与模拟支持。

虽然已经有了比较成熟的对排队系统随机过程的理论描述,但是由于理论研究的复杂性和局限性,特别是对复杂的多服务台排队系统的动态模拟问题来说,理论计算相当复杂。近年来得益于计算机技术的发展,更简单的仿真模拟方法成为优化排队问题的主要手段[3]。

1.3 性能评价指标

本文为了研究排队系统运行的效率,估计其服务质量,确定系统最有参数,评价系统结构并提出改进措施,故使用以下性能评价指标:

(1). 平均队长,指系统内顾客数(处于队伍中等待的和服务中的顾客)的数学期望,
记作 E(Ls)E\left(L_s\right)E(Ls).
(2). 平均排队长,指系统内等待服务的顾客数的数学期望,记作 E(Lq)E\left(L_q\right)E(Lq).
(3). 平均逗留时间,指顾客在系统内的逗留时间的数学期望,包括等待时间和服务时间,
记作 E(Ws)E\left(W_s\right)E(Ws).
(4). 平均等待时间,指一个顾客在排队系统中排队等待时间的数学期望,记作 E(Wq)E\left(W_q\right)E(Wq).

第3章 基于平稳柏松过程的M/M/m排队模型的理论计算

3.1 模型假设

在这里插入图片描述

在这里插入图片描述

3.2 符号说明

在这里插入图片描述

3.3 模型建立及求解

在这里插入图片描述

3.3.1 生灭过程

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

M/M/m/∞\infty 排队模型建立

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

3.4 结果分析

设定参数:λ=1/9\lambda=1/9λ=1/9μ=1/31\mu=1/31μ=1/31,取 m=4,5,6,7m = 4, 5, 6, 7m=4,5,6,7 .

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

第2章 基于事件调度的M/M/m排队模型的计算机仿真

离散事件系统仿真通常基于两种时间推进方式:面向事件和面向时间的仿真时钟推进方式[4],本文计算机仿真设计采用面向事件的方法。

⭐️ 本章参考曹永荣教授的“基于马尔科夫状态转移过程的M/M/m排队模型仿真”,作为原文内容的补充,如有错误,还请指正,本文未给出具体的代码实现,只是提供了解题思路。
💗 曹永荣, 韩瑞霞, 胡伟. 基于马尔科夫状态转移过程的M/M/m排队模型仿真[J]. 重庆师范大学学报(自然科学版), 2012, 29(01):61-66.

2.1 模型假设

在这里插入图片描述

2.2 符号说明

在这里插入图片描述

2.3 模型建立

2.3.1 排队模型的基本参数

在仿真开始时,使用exprnd函数产生顾客到达时间间隔向量interval和服务时间向量S,接着使用cumsum函数对interval向量进行累加操作,获得顾客到达时间向量A.

2.3.2 基于仿真时钟的事件推进系统设计

仿真时钟 time(i) 用作第 i 期仿真的时间推进器,第 i 期仿真指的是从第 i 个顾客到达时刻 A(i)(如果该顾客到达时间按事件发生顺序是最先发生的)或该顾客到达前最先发生的事件的发生时刻(服务台服务结束 / i个顾客到达前队列中的其他顾客的到达)起,到第 i+1 个顾客到达前最迟发生的事件的时刻为止,time(i) 的含义是在第 i 期仿真时,事件发生的时间推进。time 由客户到达时间和 m 个服务台的服务完成时间确定,由于存在排队现象,假设第 i 次仿真时的队列长度为 Lq(i)L_q\left(i\right)Lq(i),那么,time(i) 有两种确定方式:

在这里插入图片描述

2.3.3 服务台闲忙状态的建立与转移

在这里插入图片描述

2.4 模型求解

2.4.1 评价指标的计算

研究排队系统的目的是为了获得该系统的排队性能指标,从而判断系统优劣,进而调优参数。该动态排队模型能够对引言中提出的4种性能评价指标进行计算,计算方法如下:

在这里插入图片描述

2.4.2 仿真程序设计

仿真程序设计主要采用事件调度法[5],对系统状态和各个活动进行动态监控。主程序包括2个子程序,分别是:空闲服务台服务流程和繁忙服务台服务流程,具体设计如下:

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

2.4.3 M/M/1 模型仿真流程图(参考过程)

在这里插入图片描述

总结

近年来,对于排队模型的理论研究趋于完善,更复杂的排队模型不能使用排队理论计算其解析值。随着计算机技术的发展,模拟仿真法已经成为解决复杂排队问题的主要手段。但是,对于复杂M/M/m单队列多服务台并联服务模型的计算机仿真法的研究甚少。本文提出一种基于时间调度的M/M/m排队模型模拟仿真方法,设计基于马尔可夫状态转移的仿真时钟推进器,不断更新系统状态,将服务台分为空闲和繁忙两类,完成了空闲服务台服务流程和繁忙服务台服务流程的仿真程序设计工作,利用Matlab进行仿真模拟。在此基础上,对经典的M/M/m模型进行理论分析,基于生灭过程建立稳态方程,求出模型的解析解。通过对比4个评价指标的仿真值和真值,其误差范围小,说明仿真模型设置合理、有效,为后续相关研究提供了仿真理论依据。

参考文献

[1] 信息网络理论基础[M]. 西安电子科技大学出版社, 李建东编著, 2001.
[2] Piaggio, H. T. H. The Mathematical Gazette 15, no. 208 (1930): 175–77.
[3] 宋振峰, 席志红, 刘飞. 基于Matlab的M/M/m排队模型的仿真[J]. 现代电子技术, 2005(06):29-30.
[4] 曹永荣, 胡伟. 基于售后现场服务排队近似M/G/m模型的服务代表配置[J]. 重庆师范大学学报:自然科学版, 2010, 27(4):36-40.
[5] 肖田元, 张燕云, 陈加栋. 系统仿真导论[M]. 北京: 清华大学出版社, 2000.
[6] 王梓坤, 杨向群. 生灭过程与马尔可夫链[M]. 北京: 科学出版社, 2005.
[7] 曹永荣, 韩瑞霞, 胡伟. 基于马尔科夫状态转移过程的M/M/m排队模型仿真[J]. 重庆师范大学学报(自然科学版), 2012, 29(01):61-66.
[8] 严刚峰, 黄显核, 李思明. 排队过程的仿真研究[J]. 成都信息工程学院学报, 2008(04):393-400.

声明

原创文章,转载文章请注明出处:©️Sylvan Ding 🎉🎉🎉

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/484652.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

用物理学来为生命技术及制度的演化找出规律-读《为什么世界不会失控》

来源:混沌巡洋舰物理学的规律是最底层的最永恒的,但能够对抗变化,维持自身结构的活系统,其规律则是最丰富的。“The physics of life”这本书,则是用能量的产生和耗散为视角,解释一切活系统,包括…

collection 多态 会自动转型为子类 继承多态需要显示转型

转载于:https://www.cnblogs.com/classmethond/p/10057670.html

深入地下,实地探访!不用人挖煤的智能煤矿长什么样?

来源:脑极体未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱&a…

这些行业,将率先落地AI芯片 | 星前沿

来源:联想之星广义上,所有面向AI应用的芯片都可以称为AI芯片。目前一般认为是针对AI算法做了特殊加速设计的芯片。现阶段,这些人工智能算法一般以深度学习算法为主,也可以包括其他浅层机器学习算法。人工智能芯片分类一般有按技术…

[NOI2007]社交网络

题目描述 在社交网络(social network)的研究中,我们常常使用图论概念去解释一些社会现象。不妨看这样的一个问题。在一个社交圈子里有n个人,人与人之间有不同程度的关系。我 们将这个关系网络对应到一个n个结点的无向图上&#xf…

vueJs的简单入门以及基础语法

vue的api vue官网API 1基础语法 1-1基本数据绑定 <div id"app">{{ msg }} </div> //script new Vue({el:"#app",//代表vue的范围data:{msg:hello Vue //数据} }) 在这个例子中我们可以进行赋值 var app new Vue(...); app.msg 初探vue; //那…

应用数学的强大威力

来源&#xff1a;数学中国 应用数学思想是科研当中非常重要的一种思维方式以及研究方法。今天我们就借助戴世强教授的三篇有关应用数学的文章来详细了解一下这些问题&#xff1a;什么是“应用数学思维”&#xff1f;我们如何在研究中使用应用数学思维&#xff1f;应用数学思维…

正则化实现降噪,分别使用最小二乘、定步长梯度下降和回溯法的梯度下降求解最优解

正则化实现降噪&#xff0c;分别使用最小二乘、定步长梯度下降和回溯法的梯度下降求解最优解 原创文章&#xff01;转载需注明来源&#xff1a;©️ Sylvan Ding’s Blog ❤️ 实验目的 参考 INTRODUCTION TO NONELINEAR OPTIMIZATION. Amir Beck. 2014 的 3.4 Denoising …

双向 RNN

1.基本理论 双向 RNN 结合时间上从序列起点开始移动的 RNN 和另一个时间上从序列末尾开始移动的 RNN 2.逻辑图 其中 h (t) 代表通过时间向前移动的子 RNN 的状态&#xff0c;g (t) 代表通过时间向后移动的子 RNN 的状态 允许输出单元 o (t) 能够计算同时依赖于过去和未来且对时…

Hadoop伪分布式配置和搭建,hadoop单机安装,wordcount实例测试,hadoop安装java目录怎么找,问题及问题解决方法

Hadoop伪分布式配置和搭建&#xff0c;hadoop单机安装&#xff0c;wordcount实例测试&#xff0c;hadoop安装java目录怎么找&#xff0c;问题及问题解决方法 环境说明 系统&#xff1a;ubuntu18.04 主机名&#xff1a;test1 用户名&#xff1a;sylvan hadoop单机安装 换源操作…

AI时代竟有智能化鸿沟,具备哪些条件才能跨过?

来源&#xff1a;CSDN移动互联网“早古”时期&#xff0c;普通人因为收入差距问题而无法做到人手一部智能手机&#xff0c;从而导致数字鸿沟。同样&#xff0c;在当前这个AI&#xff0c;也就是人工智能扮演越来越关键作用的时代&#xff0c;企业也站在了类似的抉择交接线上——…

[js] 渲染树构建、布局及绘制

渲染树构建、布局及绘制 转载于:https://www.cnblogs.com/iiiiiher/p/10065345.html

INTRODUCTION TO NONELINEAR OPTIMIZATION Excise 5.2 Freudenstein and Roth Test Function

Amir Beck’s INTRODUCTION TO NONELINEAR OPTIMIZATION Theory, Algorithms, and Applications with MATLAB Excise 5.2 INTRODUCTION TO NONELINEAR OPTIMIZATION Theory, Algorithms, and Applications with MATLAB. Amir Beck. 2014 本文主要涉及题目(ii)的MATLAB部分&…

石正丽/周鹏团队发表冠状病毒新研究,进一步证明新冠非实验室泄漏

来源&#xff1a;中国生物技术网 新冠病毒SARS-CoV-2造成了近一个世纪以来最具破坏性的大流行COVID-19&#xff0c;而其中尚未解决的科学问题之一是这种病毒的自然来源。近日&#xff0c;来自中科院武汉病毒所、中国科学院大学的研究人员在预印本网站BioRxiv上提交了一篇论文&…

L1正则化降噪,对偶函数的构造,求解含L1正则项的优化问题,梯度投影法

L1正则化降噪&#xff0c;对偶函数的构造&#xff0c;求解含L1正则项的优化问题&#xff0c;梯度投影法 本文主要实现L1正则化降噪&#xff0c;L2 正则化降噪的文章在&#xff1a; https://blog.csdn.net/IYXUAN/article/details/121565229 原创文章&#xff01;转载需注明来源…

HBase之Table.put客户端流程(续)

上篇博文中已经谈到&#xff0c;有两个流程没有讲到。一个是MetaTableAccessor.getRegionLocations&#xff0c;另外一个是ConnectionImplementation.cacheLocation。这一节&#xff0c;就让我们单独来介绍这两个流程。首先让我们来到MetaTableAccessor.getRegionLocations。1.…

普华永道:AI规模化应用,基础知识先行

来源&#xff1a;Forbes作者&#xff1a;Cindy Gordon编译&#xff1a;科技行者人工智能&#xff08;AI&#xff09;是正在改变很多行业的游戏规则。据统计&#xff0c;人工智能有望为2030年的全球经济贡献高达15.7万亿美元&#xff0c;比中国和印度目前的产出之和还要多。其中…

ADMM,ISTA,FISTA算法步骤详解,MATLAB代码,求解LASSO优化问题

ADMM,ISTA,FISTA算法步骤详解&#xff0c;MATLAB代码&#xff0c;求解LASSO优化问题 原创文章&#xff01;转载需注明来源&#xff1a;©️ Sylvan Ding’s Blog ❤️ 实验目的 了解 ADMM, ISTA, FISTA 算法的基本原理、收敛性和复杂度&#xff1b;使用上述三种算法&#…

Spring详解(八)------事务管理

目录 1、事务介绍2、事务的四个特性&#xff08;ACID&#xff09;3、Spring 事务管理的核心接口4、 PlatformTransactionManager 事务管理器5、TransactionStatus 事务状态6、TransactionDefinition 基本事务属性的定义7、Spring 编程式事务和声明式事务的区别 8、不用事务…

A股光刻胶飙涨背后:仅一家可供应高端光刻胶

来源&#xff1a;芯师爷部分素材来源&#xff1a;前瞻产业研究院、华泰证券5月27日&#xff0c;半导体光刻胶概念股开盘即走强&#xff0c;截至收盘&#xff0c;A股光刻胶板块涨幅达6.48%。其中晶瑞股份、广信材料直线拉升大涨20%封涨停&#xff0c;容大感光大涨13.28%&#xf…