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

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

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 )

dt.

 

 

4

49