Файл: Ганин, М. П. Прикладные методы теории марковских случайных процессов учебное пособие.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 17.10.2024
Просмотров: 179
Скачиваний: 0
Интенсивность Xt — -=■ |
, |
‘ . потока Эрланга l-то порядка |
t |
I |
I |
в I + 1 раз меньше интенсивности X исходного простейшего потока. Чтобы добиться той же интенсивности, нужно интервал Т времени между поступлениями отдельных требований уменьшить в / + 1 раз. Получающийся указанным способом поток требований называется нормированным потоком Эрланга l-то порядка. Плотность распреде-
ления |
fa{t) случайного промежутка |
Гн = ^ Ту времени между лю |
||
быми |
соседними требованиями в нормированном потоке |
Эрланга |
||
/-го порядка определяется формулой |
|
|
||
|
f«{t) |
[(/ + |
0+i)Xt |
(6.19) |
|
|
l\ |
|
|
Математическое ожидание и дисперсия случайной величины Тн сле дующие:
tn~ X ’ D (T«)— (/ + 1)^ • |
(6-2°) |
Из последнего выражения следует, что при I -> со дисперсия D(Tн) стремится к нулю. Следовательно, при увеличении I норми рованный поток Эрланга l-то порядка стремится к регулярному по току, в котором интервалы между соседними требованиями равны
- у . В таком потоке моменты поступления требований определены
точно, т. е. имеется полное последействие. При I — 0 поток Эрланга совпадает с простейшим потоком, в котором последействие отсут ствует. Следовательно, порядок / нормированного потока Эрланга может служить характеристикой имеющегося в потоке последей ствия. Исходя из этого, иногда возможна замена реального потока требований с последействием нормированным потоком Эрланга. Та кая замена производится из условий совпадения математического
ожидания t и дисперсии D(T) промежутка Т между соседними тре
бованиями |
(или |
оценок |
этих |
числовых |
характеристик) |
соответ- |
ственно с |
1 |
1 |
. Тогда |
|
|
|
— и с |
|
|
|
|||
|
к |
( / + 1 ) Р |
|
|
|
|
|
|
1 |
1 = |
1 |
— 1. |
( 6. 21) |
|
|
t ’ |
X2D ( Т) |
Из простейшего потока требований можно получить и другие по токи. Пусть, например, любое требование этого потока остается с вероятностью р и теряется с вероятностью q — 1 — р. Вероятность
45
Pq (i) того, что в новом потоке в интервале длительностью t не бу дет ни одного требования, определяется по формуле
k-0 k—О
_ _ e - U V ’ |
_ e - M e q lt _ _ e - p X t |
k=0 k\
Из этого выражения следует, что получающийся при указанном «разрежении» поток также простейший, причем его интенсивность равна рК.
Если случайное разрежение произвести в стационарном регуляр ном потоке требований, то его интенсивность также уменьшится с А до рХ. При многократном разрежении такого потока получается поток, близкий к простейшему. Когда р < 0,8, исходный рекуррент ный поток становится близким к простейшему уже при четырех пятикратном разрежении.
Пусть имеется п независимых простейших потоков с интенсив ностями As (s = 1, 2, ... , п). Обозначим через Zs число требований,
поступивших за время t из s-ro потока. Суммарное число требова-
П
ний из п потоков за указанное время будет Z = 2 |
Zs. Так как слу- |
S = |
1 |
чайная величина Zs имеет распределение Пуассона и все эти вели чины независимые, то суммарная случайная величина Z также
_ |
П |
П |
Сле- |
распределена по закону Пуассона, причем z |
= 2 |
zs = 2 (Кt)- |
|
довательно, суммарный поток требований |
S = I |
S=1 |
его |
также |
простейший; |
||
П |
|
|
|
интенсивность А= 2 К-
S —1
Рассмотрим п независимых стационарных ординарных потоков. Моменты поступления требований из этих потоков будем понимать как единую последовательность требований. Получающийся таким образом поток называется суммой или объединением исходных п по токов. Так как эти потоки независимые стационарные и ординар ные, то результирующий поток стационарный и ординарный. Если отдельные потоки требований оказывают примерно равномерное влияние на общий поток, то при относительно большом п суммар ный поток почти не имеет последействия, так как требования из отдельных потоков перемешиваются с требованиями из большого числа других потоков. Поэтому при сложении большого числа неза висимых ординарных потоков с последействием получается поток, практически не имеющий последействия. Так как результирующий
поток |
стационарный и без последействия, |
то |
этот поток простей- |
|
П |
|
|
ший, |
причем его интенсивность А= 2 ^s> |
где |
Аа — интенсивность |
|
s = l |
|
|
46
s-ro потока (s = 1, 2, .. ., п) . Следовательно, в данном случае спра ведлива теорема, аналогичная центральной предельной теореме теории вероятностей. В таком же смысле можно утверждать, что среди всех потоков простейший поток требований играет такую же роль, как нормальный закон распределения среди других распреде лений случайных величин.
Сходимость суммарного потока к простейшему осуществляется очень быстро. Практически можно считать, что при сложении че тырех-пяти стационарных ординарных независимых потоков с при мерно одинаковыми интенсивностями получается простейший поток требований. Если потоки между собой слабо зависимы, то и в этом случае при достаточно большом п суммарный поток также близок к простейшему. При сложении п нестационарных потоков с при
мерно |
одинаковыми мгновенными |
интенсивностями Xs (/) |
полу |
|
чается |
поток, близкий к нестационарному простейшему |
потоку |
||
|
|
П |
|
|
с мгновенной интенсивностью !k(t) = |
2 |
(t). |
|
|
|
|
S=1 |
|
|
На основании вышеизложенного можно сделать вывод о том, что если входной поток порождается большим числом потоков, то ре зультирующий ноток требований можно считать простейшим. Ре альные потоки требований часто близки к простейшим и потому могут быть заменены соответствующими простейшими потоками, что осуществляется из условия равенства интенсивностей. Когда входной поток простейший стационарный, часто удается получить формульные зависимости для вероятностных характеристик функ ционирования системы массового обслуживания. Показано, что при расчетах средбтв обслуживания наиболее жесткие условия к их ра боте предъявляет простейший поток требований. Следовательно, если расчет произведен для простейшего потока, то обслуживание этой системой других случайных потоков с той же интенсивностью будет производиться надежнее. Это и является основной причиной того, что при практических приложениях наиболее часто исполь зуется простейший поток требований.
§ 7. ПРОЦЕСС ЧИСТОГО РАЗМНОЖЕНИЯ
Несколько более общим, чем пуассоновский процесс, марковским процессом с дискретными ординатами и непрерывным временем яв ляется процесс чистого размножения X(t). Данный процесс также
целочисленный |
с |
неограниченным числом |
возможных значений |
|
Xj — j (/ = 0, 1, |
...). Применительно к физической |
системе в дан |
||
ном случае можно говорить о состояниях С0, Сь . . . , |
причем нахож |
|||
дению этой системы в момент t в состоянии Сj |
соответствует равен |
|||
ство X(t) = j (/ = |
0, 1, ...). |
|
|
47
В процессе чистого размножения за малое время At возможен переход из любого состояния Сj только в следующее соседнее со стояние С]+1 (/ = 0, 1, ...). Соответствующая вероятность перехода
Pi.i+dt, t + lt) = ls(t)tt + 0(At), |
(7.1) |
где Xj (t) — неотрицательная функция, совпадающая с временной плотностью вероятности 7i,j+i(0 перехода из состояния С-} в С1+1. Следовательно,
|
Тк, i-И {t) — |
hH) |
при |
k — j\ |
(7.2) |
|
|
О |
при |
k ф j. |
|
||
Для |
временной плотности |
вероятности |
тк(/) |
того, что в мо |
||
мент t |
система сменит состояние Ск, согласно (4.3) |
получаем |
||||
|
Тк (0 = 2 Tw it) = Тк .к-и it) = |
К it) |
(7.3) |
|||
|
i-o |
|
|
|
|
|
|
(k — Q, 1, |
...). |
|
|
|
|
Система дифференциальных уравнений (4.8) для вероятностей |
||||||
Pj (t) нахождения физической |
системы в состояниях Cj при про |
|||||
цессе чистого размножения принимает вид: |
|
|
|
|||
|
P o ' i t ) - = - h i t ) P 0it); |
|
|
|
|
|
|
P'(t) = - X i(t)Pi ( t) + h - ii t) P i - i it) |
(7.4) |
||||
|
U = h 2,... ). |
|
|
|
||
Если при 7 = 0 случайный процесс X(t) |
равен I |
(физическая си |
стема находится в состоянии Сг), то начальные значения искомых вероятностей следующие:
1 |
при |
j — 1\ |
(7.5) |
pi (0) = hi = |
при |
j ф I. |
|
0 |
|
Уравнения (7.4) можно получить также с помощью формулы полной вероятности, не используя общей системы уравнений Кол могорова. Для этого следует воспользоваться равенствами:
|
Ро (* + |
M ) = P 0t f ) [ l - P 01 (*,Н-Д*)1; |
. |
Pi(t + |
M) = Pj( t ) [ l - P ],i+l(t, 7+д7)] + |
|
|
+ Р>-хУ)Р1-1,№, t + M) |
|
|
( / = 1 , 2 , . . . ) , |
где Pj, н-1 |
(/, t + |
At) определяется формулой (7.1). |
48
Если из правой части (/ + 1)-го уравнения в левую часть пере нести вероятность Рj (t), затем обе части уравнения разделить на At и перейти к пределу при At -> 0, то пз (7.6) получается система уравнений (7.4).
Уравнения (7.4) могут быть проинтегрированы последовательно одно за другим. Из первого уравнения находим
=dt,
г о
поэтому
t
|
|
|
- |
J *0 (Е) dE |
|
|
|
(7.7) |
|
|
P0(t) = D0e |
о |
, |
|
|
|
|||
где D0— постоянная интегрирования. Если начальное значение слу |
|||||||||
чайного процесса |
X(t) отлично |
от 0, то |
Р о ( 0 ) = 0 . |
Тогда |
Do = 0, |
||||
а потому Po{t) = |
0. |
что |
|
|
|
|
|
|
|
Аналогично получаем, |
|
|
|
|
|
|
|
||
Ps( t ) ^ 0 |
(у = |
0, |
|
1........ / — 1); |
|
(7.8) |
|||
|
|
|
|
- |
t |
|
|
|
|
|
|
|
|
J *,(£)« |
|
|
|
||
|
Pi(t) = Dte |
|
|
|
|
|
|||
Так как Р{ (0) = |
1, то D t— 1, а |
|
t |
|
|
|
|
||
|
|
|
- |
|
|
|
|
||
|
|
|
|
(5)dE |
|
|
|
|
|
|
P i ( t ) = e |
0 |
. |
|
|
(7.9) |
|||
Предположим, что известна функция |
|
Рj_] (t) |
при / ! > / - } - 1 . |
||||||
Тогда для определения Ру (t) имеем уравнение |
|
|
|||||||
Р{ |
it) + Xj (t) Ptit) = |
|
XJ_ 1(t) Pj_i (t). |
|
(7.10) |
||||
Отбрасывая правую часть этого уравнения, находим |
|
|
|||||||
|
|
|
t |
|
|
|
|
|
|
|
|
- |
J'X.(E) dE |
|
|
|
|
||
|
Piit) = D^e |
0 |
|
. |
|
|
|
(7.11) |
|
Считая в этом выражении произвольную постоянную Dj |
функ |
||||||||
цией времени t, после подстановки |
(7.11) |
в |
(7.10) получаем |
|
|||||
|
dDy |
|
|
|
|
t |
|
|
|
|
|
|
|
j |
Xj (E) UE |
|
|
||
|
-ZT = |
h - d t)P i - xit)e 0 |
|
|
|
||||
Тогда |
dt |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Dj = |
c |
|
|
|
j \ U ) d E |
|
|
||
Dj0 + J Xj_! ( t ) |
Pj_, ( t ) e° |
dt. |
|
|
4 |
49 |