При решении задач управления, в том числе и управления войсками, часто возникает ряд однотипных задач:

• оценка пропускной способности направления связи, железнодорожного узла, госпиталя и т. п.;
• оценка эффективности ремонтной базы;
• определение количества частот для радиосети и др.

Все эти задачи однотипны в том смысле, что в них присутствует массовый спрос на обслуживание. В удовлетворении этого спроса участвует определенная совокупность элементов, образующая систему массового обслуживания (СМО) (рис. 2.9).

Элементами СМО являются:

• входной (входящий) поток требований (заявок) на обслуживание;
• приборы (каналы) обслуживания;
• очередь заявок , ожидающих обслуживания;
• выходной ( выходящий) поток обслуженных заявок;
• поток не обслуженных заявок;
• очередь свободных каналов (для многоканальных СМО).

Входящий поток - это совокупность заявок на обслуживание. Часто заявка отождествляется с ее носителем. Например, поток неисправной радиоаппаратуры, поступающий в мастерскую объединения, представляет собой поток заявок - требований на обслуживание в данной СМО.

Как правило, на практике имеют дело с так называемыми рекуррентными потоками, - потоками, обладающими свойствами:

• стационарности;
• ординарности;
• ограниченного последействия.

Первые два свойства мы определили ранее. Что касается ограниченного последействия, то оно заключается в том, что интервалы между поступающими заявками являются независимыми случайными величинами.

Рекуррентных потоков много. Каждый закон распределения интервалов порождает свой рекуррентный поток . Рекуррентные потоки иначе называют потоками Пальма.

Поток с полным отсутствием последействия, как уже отмечалось, называется стационарным пуассоновским. У него случайные интервалы между заявками имеют экспоненциальное распределение:

здесь - интенсивность потока.

Название потока - пуассоновский - происходит от того, что для этого потока вероятность появления заявок за интервал определяется законом Пуассона:

Поток такого типа, как отмечалось ранее, называют также простейшим. Именно такой поток предполагают проектировщики при разработке СМО. Вызвано это тремя причинами.

Во-первых , поток этого типа в теории массового обслуживания аналогичен нормальному закону распределения в теории вероятностей в том смысле, что к простейшему потоку приводит предельный переход для потока, являющегося суммой потоков с произвольными характеристиками при бесконечном увеличении слагаемых и уменьшении их интенсивности. То есть сумма произвольных независимых (без преобладания) потоков с интенсивностями является простейшим потоком с интенсивностью

Во-вторых , если обслуживающие каналы (приборы) рассчитаны на простейший поток заявок, то обслуживание других типов потоков (с той же интенсивностью) будет обеспечено с не меньшей эффективностью.

В-третьих , именно такой поток определяет марковский процесс в системе и, следовательно, простоту аналитического анализа системы. При других потоках анализ функционирования СМО сложен.

Часто встречаются системы, у которых поток входных заявок зависит от количества заявок, находящихся в обслуживании. Такие СМО называют замкнутыми (иначе - разомкнутыми ). Например, работа мастерской связи объединения может быть представлена моделью замкнутой СМО. Пусть эта мастерская предназначена для обслуживания радиостанций, которых в объединении . Каждая из них имеет интенсивность отказов . Входной поток отказавшей аппаратуры будет иметь интенсивность :

где - количество радиостанций, уже находящихся в мастерской на ремонте.

Заявки могут иметь разные права на начало обслуживания. В этом случае говорят, что заявки неоднородные . Преимущества одних потоков заявок перед другими задаются шкалой приоритетов.

Важной характеристикой входного потока является коэффициент вариации :

где - математическое ожидание длины интервала;

Среднеквадратическое отклонение случайной величины (длины интервала) .

Для простейшего потока

Для большинства реальных потоков .

При поток регулярный, детерминированный.

Коэффициент вариации - характеристика, отражающая степень неравномерности поступления заявок.

Каналы (приборы) обслуживания . В СМО могут быть один или несколько обслуживающих приборов (каналов). Согласно с этим СМО называют одноканальными или многоканальными.

Многоканальные СМО могут состоять из однотипных или разнотипных приборов. Обслуживающими приборами могут быть:

• линии связи;
• мастера ремонтных органов;
• взлетно-посадочные полосы;
• транспортные средства;
• причалы;
• парикмахеры, продавцы и др.

Основная характеристика канала - время обслуживания. Как правило, время обслуживания - величина случайная.

Обычно практики полагают, что время обслуживания имеет экспоненциальный закон распределения:

где - интенсивность обслуживания, ;

Математическое ожидание времени обслуживания.

То есть процесс обслуживания - марковский, а это, как теперь нам известно, дает существенные удобства в аналитическом математическом моделировании.

Кроме экспоненциального встречаются -распределение Эрланга, гиперэкспоненциальное, треугольное и некоторые другие. Это нас не должно смущать, так как показано, что значение критериев эффективности СМО мало зависят от вида закона распределения вероятностей времени обслуживания.

При исследовании СМО выпадает из рассмотрения сущность обслуживания, качество обслуживания .

Каналы могут быть абсолютно надежными , то есть не выходить из строя. Вернее, так может быть принято при исследовании. Каналы могут обладать конечной надежностью . В этом случае модель СМО значительно сложнее.

Очередь заявок . В силу случайного характера потоков заявок и обслуживания пришедшая заявка может застать канал (каналы) занятым обслуживанием предыдущей заявки. В этом случае она либо покинет СМО не обслуженной, либо останется в системе, ожидая начало своего обслуживания. В соответствии с этим различают:

• СМО с отказами;
• СМО с ожиданием.

СМО с ожиданием характеризуются наличием очередей. Очередь может иметь ограниченную или неограниченную емкость: .

Исследователя обычно интересуют такие статистические характеристики, связанные с пребыванием заявок в очереди:

• среднее количество заявок в очереди за интервал исследования;
• среднее время пребывания (ожидания) заявки в очереди. СМО с ограниченной емкостью очереди относят к СМО смешанного типа.

Нередко встречаются СМО, в которых заявки имеют ограниченное время пребывания в очереди независимо от ее емкости. Такие СМО также относят к СМО смешанного типа.

Выходящий поток - это поток обслуженных заявок, покидающих СМО.

Встречаются случаи, когда заявки проходят через несколько СМО: транзитная связь , производственный конвейер и т. п. В этом случае выходящий поток является входящим для следующей СМО. Совокупность последовательно связанных между собой СМО называют многофазными СМО или сетями СМО .

Входящий поток первой СМО, пройдя через последующие СМО, искажается и это затрудняет моделирование . Однако следует иметь в виду, что при простейшем входном потоке и экспоненциальном обслуживании (то есть в марковских системах) выходной поток тоже простейший . Если время обслуживания имеет не экспоненциальное распределение, то выходящий поток не только не простейший, но и не рекуррентный.

Заметим, что интервалы между заявками выходящего потока, это не то же самое, что интервалы обслуживания. Ведь может оказаться, что после окончания очередного обслуживания СМО какое-то время простаивает из-за отсутствия заявок. В этом случае

Краткая теория

В качестве показателей эффективности СМО с отказами будем рассматривать:

Абсолютную пропускную способность СМО, т.е. среднее число заявок, обслуживаемых в единицу времени;

Относительную пропускную способность, т.е. среднюю долю пришедших заявок, обслуживаемых системой;

Вероятность отказа, т.е. того, что заявка покинет СМО необслуженной;

Среднее число занятых каналов.

Рассмотрим классическую задачу Эрланга.

Имеется каналов, на которые поступает поток заявок с интенсивностью . Поток обслуживаний имеет интенсивность . Найти предельные вероятности состояний системы и показатели ее эффективности.

Система (СМО) имеет следующие состояния (нумеруем их по числу заявок, находящихся в системе): , где – состояние системы, когда в ней находится заявок, то есть занято каналов.

Граф состояний СМО соответствует процессу гибели и размножения и показан на рисунке.

Поток заявок последовательно переводит систему из любого левого состояния в соседнее правое с одной и той же интенсивностью . Интенсивность же потока обслуживаний, переводящих систему из любого правого состояния в соседнее левое состояние, постоянно меняется в зависимости от состояния. Действительно, если СМО находится в состоянии (два канала заняты), то она может перейти в состояние (один канал занят), когда закончит обслуживание либо первый, либо второй канал, то есть суммарная интенсивность их потоков обслуживаний будет . Аналогично, суммарный поток обслуживаний, переводящий СМО из состояния (три канала заняты) в будет иметь интенсивность , то есть может освободиться любой из трех каналов и так далее.

Для схемы гибели и размножения получим для предельной вероятности состояния:

где члены разложения будут представлять собой коэффициенты при в выражениях для предельных вероятностей . Величина

называется приведенной интенсивностью потока заявок или интенсивностью нагрузки канала. Она выражает среднее число заявок, приходящее за среднее время обслуживания одной заявки. Теперь:

Последние формулы для предельных вероятностей получили названия формул Эрланга в честь основателя теории массового обслуживания.

Вероятность отказа СМО есть предельная вероятность того, что все каналов системы будут заняты, то есть:

Относительная пропускная способность – вероятность того, что заявка будет обслужена:

Абсолютная пропускная способность:

Среднее число занятых каналов есть математическое ожидание числа занятых каналов:

где – предельные вероятности состояний

Однако среднее число занятых каналов можно найти проще, если учесть, что абсолютная пропускная способность системы есть не что иное, как интенсивность потока обслуженных системой заявок (в единицу времени). Так как каждый занятый канал обслуживает в среднем заявок (в единицу времени), то среднее число занятых каналов:

Пример решения задачи

Условие задачи

Контроль готовой продукции фирмы осуществляют три контролера. Если изделие поступает на контроль, когда все контролеры заняты проверкой готовых изделий, то оно остается непроверенным. Среднее число изделий, выпускаемых фирмой, составляет 20 изд./ч. Среднее время на проверку одного изделия - 7 мин.

Определить показатели эффективности отдела технического контроля. Сколько контролеров необходимо поставить, чтобы вероятность обслуживания составила не менее 97%?

Оказались на этой странице, пытаясь решить задачу на экзамене или зачете? Если так и не смогли сдать экзамен - в следующий раз договоритесь заранее на сайте об Онлайн помощи по методам оптимальных решений .

Решение задачи

Контроль представляет собой открытую многоканальную систему массового обслуживания с отказом в обслуживании.

За единицу измерения времени выберем час. Будем считать, что контроль работает в установившемся режиме. По условию задачи

–число каналов обслуживания

Изделий в час –интенсивность потока заявок

Изделий в час –интенсивность потока обслуживания

Вычислим –относительные интенсивности переходов из состояние в состояние:

Вычислим :

Вероятность отказа:

Вероятность обслуживания

Абсолютная пропускная способность системы:

–среднее число заявок, обслуживаемых системой в единицу времени.

Среднее число каналов, занятых обслуживанием заявки:

Вычислим, сколько контролеров нужно поставить, чтобы вероятность обслуживания составила не менее 97%:

Таким образом, чтобы вероятность обслуживания составляла не менее 97%, необходимо иметь 6 контролеров.

Средняя стоимость решения контрольной работы 700 - 1200 рублей (но не менее 300 руб. за весь заказ). На цену сильно влияет срочность решения (от суток до нескольких часов). Стоимость онлайн-помощи на экзамене/зачете - от 1000 руб. за решение билета.

Заявку можно оставить прямо в чате, предварительно скинув условие задач и сообщив необходимые вам сроки решения. Время ответа - несколько минут.

Примеры близких по теме задач

СМО с неограниченной очередью
Приведены необходимые теоретические сведения и образец решения задачи по теме "Многоканальная система массового обслуживания с неограниченной очередью", подробно рассмотрены показатели многоканальной системы массового обслуживания (СМО) с ожиданием обслуживания - среднее число каналов, занятых обслуживанием заявки, длина очереди, вероятность образования очереди, вероятность свободного состояния системы, среднее время ожидания в очереди.

Задача оптимального распределения ресурсов
Кратко изложены основные принципы динамического программирования (динамического планирования), рассмотрены уравнения Беллмана. Подробно решена задача оптимального распределения ресурсов между предприятиями.

Метод множителей Лагранжа
На странице рассмотрено нахождение условного экстремума методом множителей Лагранжа. Показано построение функции Лагранжа на примере решения задачи нелинейного программирования. Решенную задачу предваряет краткая теория.

Вектор конечного потребления и вектор валового выпуска
На примере решения задачи рассмотрена межотраслевая модель Леонтьева. Показано вычисление матрицы коэффициентов прямых материальных затрат, матрицы «затраты-выпуск», матрицы коэффициентов косвенных затрат, векторов конечного потребления и валового выпуска.

Рассмотрим одноканальную систему массового обслуживания (СМО) с ожиданием.
Пусть входящий поток заявок на обслуживание - простейший поток с интенсивностью l .

Интенсивность потока обслуживания равна m . Длительность обслуживания - случайная величина, подчиненная показательному закону распределения. Поток обслуживаний является простейшим пуассоновским потоком событий. Заявка, поступившая в момент, когда канал занят, становится в очередь и ожидает обслуживания. Предположим, что СМО не может вместить более N заявок, т.е. заявки, не попавшие в ожидание, покидают СМО. Состояния СМО имеют следующую интерпретацию:

Канал свободен;

Канал занят, очереди нет;

Канал занят, одна заявка в очереди;

..............................

Канал занят, n-1 заявка в очереди;

Канал занят, N-1 заявка в очереди.

Стационарный процесс в данной системе будет описываться следующей системой алгебраических уравнений:

, n=0,

...................................

-( , 0

...................................

, n=N,

n - номер состояния.

Система уравнений имеет следующее решение::

,

Если , n=1, 2, ..., N,

Выполнение условия стационарности r < 1 не обязательно, поскольку число допускаемых в СМО заявок контролируется путем введения ограничения на длину очереди. Определим характеристики одноканальной СМО с ожиданием и ограниченной длиной очереди, равной (N-1):
1) вероятность отказа в обслуживании заявки:

2) относительная пропускная способность СМО:

3) абсолютная пропускная способность СМО:

4) среднее число находящихся в СМО заявок:

;

5) среднее время пребывания заявки в СМО:

;

6) средняя продолжительность пребывания клиента (заявки) в очереди:

;

7) среднее число заявок в очереди (длина очереди):

;

Задача 1 . Специализированный пост диагностики представляет собой одноканальную СМО. Число стоянок для автомобилей, ожидающих проведения диагностики, ограниченно и равно 3. Если все стоянки заняты, то очередной автомобиль, прибывший на диагностику, в очередь на обслуживание не становится. Поток автомобилей, прибывающих на диагностику, распределен по закону Пуассона и имеет интенсивность l = 0.85 (автомобиля в час). Время диагностики автомобиля распределено по показательному закону и в среднем составляет 1.05 час. Требуется определить вероятностные характеристики поста диагностики, работающего в стационарном режиме.
Решение :
1) Интенсивность прибытия автомобилей на обслуживание:

> lambda:=0.85;

2) Зададим среднее время обслуживания и выразим интенсивность потока обслуживания автомобилей:

> t:=1.05:mu:=1/t;

3) Найдем приведенную интенсивность потока автомобилей как отношение интенсивностей l и m , т.е..

> rho:=lambda/mu;

4) Вычислим финальные вероятности системы:

> N:=4:P:=(1-rho)/(1-rho^(N+1));P:=rho*P;P:=rho^2*P;P:=rho^3*P;P:=rho^4*P;

5) Вероятность отказа в обслуживании автомобиля::

> P:=P;

Отсюда следует, что пост диагностики не обслуживает автомобили в среднем в 15.8% случаев.
6) Относительная пропускная способность поста диагностики:

> q:=1-P;

7) Абсолютная пропускная способность поста диагностики (автомобиля в час):

> A:=lambda*q;

8) Среднее число автомобилей в СМО:

> L[s]:=rho*(1-(N+1)*rho^N+N*rho^(N+1))/((1-rho)*(1-rho^(N+1)));

9) Среднее время пребывания автомобиля в СМО:

> W[s]:=L[s]/(lambda*(1-P[N]));

10) Средняя продолжительность пребывания заявки в очереди на обслуживание:

> W["q"]:=W[s]-1/mu;

11) Среднее число заявок в очереди (длина очереди):

> L["q"]:=lambda*(1-P[N])*W["q"];

Для статистического моделирования работы поста диагностики составим следующую процедуру:

> p:=proc(k) global t_och1,t_och2,t_och3,sm_t_obs,post,otk,obsl:local t1,t_okon,t,rn_post,och,per:
t_och1:=0:t_och2:=0:t_och3:=0:post:=0:otk:=0:obsl:=0:t_okon:=0:sm_t_obs:=0:och:=0:rn_post:=rand(1..1200):
for t from 1 by 1 to k do
t1:=rn_post():
if och=1 then t_och1:=t_och1+1 fi:
if och=2 then t_och2:=t_och2+1 fi:
if och=3 then t_och3:=t_och3+1 fi:
if t1>=1 and t1<=17 and t_okon=0 and och>=0 and och<=3 then per:=1 fi:
if t1>=1 and t1<=17 and t_okon>0 and och>=0 and och<3 then per:=2 fi:
if t1>=1 and t1<=17 and t_okon>0 and och=3 then per:=3 fi:
if t1>17 and t_okon>0 then per:=4 fi:
if t1>17 and t_okon=0 and och>0 then per:=5 fi:
if per=1 then t_okon:=stats(): sm_t_obs:=sm_t_obs+t_okon:obsl:=obsl+1:post:=post+1 fi:
if per=2 then t_okon:=t_okon-1:obsl:=obsl+1:och:=och+1:post:=post+1 fi:
if per=3 then t_okon:=t_okon-1:otk:=otk+1:post:=post+1 fi:
if per=4 then t_okon:=t_okon-1 fi:
if per=5 then t_okon:=stats(): sm_t_obs:=sm_t_obs+t_okon:och:=och-1 fi od end:

Принятые обозначения:
t_och1,t_och2,t_och3 - количество минут, когда в очереди 1, 2 и 3 машины соответственно;
sm_t_obs - затрачено всего минут на обслуживание;
post - прибыло машин на обслуживание; otk - количество отказов в обслуживании; obsl - обслужено машин;
t_obsl - продолжительность обслуживания машины, инициализируется как случайная величина, распределенная по закону Пуассона с математическим ожиданием 65 минут (1 час 5 минут);
t1 - случайная величина, с одинаковой вероятностью принимающая целые значения из интервала от 1 до 12000. Если t1>=0 и t1<=17, то считаем, что на пункт диагностики поступила заявка (интенсивность 0.85 заявки в час = 17/12000 заявки в минуту);
t - параметр цикла (количество минут).
Проведем опыт продолжительностью в 5000 минут:
> p(5000);print("Поступило на обслуживание автомобилей ",post);print("Обслужено ",obsl); print("Отказано в обслуживании ",otk); print("Затрачено на обслуживание ",sm_t_obs,"мин."); print(t_och1," мин. 1 машина в очереди");print(t_och2,"мин. 2 машины в очереди"); print(t_och3," мин. 3 машины в очереди");

Повторите опыт 50 раз в цикле, найдите оценки характеристик СМО, сравните их с теоретическими значениями.

Задача 2 :
1) Модифицируйте процедуру для вычисления числовых характеристик СМО. Задайте продолжительность опыта в 1000 минут и повторите опыт, например, 5 раз. Затем вычислите средние значения каждой характеристики СМО. Сравните опытные данные с вероятностными характеристиками СМО.
2) Смоделируйте работу СМО для случая, когда автомобиль обслуживается ровно 1 час 5 минут, а все остальные параметры остаются прежними. Сравните полученные данные с результатами предыдущего пункта.
3) Так как интенсивность поступления заявок равна 0.85 машины в час, то в среднем промежуток времени между поступлениями заявок составляет 1/0.85=100/85 часа, или около 71 минуты. Задайте интервал между поступлениями заявок с помощью функции stats() и проведите ряд испытаний работы СМО. Сравните средние значения характеристик, полученных опытным путем, с вероятностными характеристиками.
4) Задайте интенсивность обслуживания в 70 минут, а число стоянок для машин равной 4, и проведите испытания работы поста диагностики. Повторите опыт для случая, когда интенсивность обслуживания составляет 60 минут, а число стоянок 2. Как изменятся характеристики поста диагностики?
5) Смоделируйте работу поста диагностики при условии, что число стоянок не ограниченно.

Поток заявок явл пуассоновским, если выполняются 3 условия:

Интенсивность потока событий () – это среднее число событий, приходящееся на единицу времени.

Рассмотрим некоторые свойства (виды) потоков событий.

Поток событий называется стационарным , если его вероятностные характеристики не зависят от времени.

В частности, интенсивность стационарного потока постоянна. Поток событий неизбежно имеет сгущения или разрежения, но они не носят закономерного характера, и среднее число событий, приходящееся на единицу времени, постоянно и от времени не зависит.

Поток событий называется потоком без последствий , если для любых двух непересекающихся участков времени и (см. рис. 2) число событий, попадающих на один из них, не зависит от того, сколько событий попало на другой. Другими словами, это означает, что события, образующие поток, появляются в те или иные моменты времени независимо друг от друга и вызваны каждое своими собственными причинами.

Поток событий называется ординарным , если события в нем появляются поодиночке, а не группами по нескольку сразу.

Поток событий называется простейшим (или стационарным пуассоновским), если он обладает сразу тремя свойствами:

Вероятность события (приход заявки) на малом интервале времени пропорциональна длине этого интервала.

Вер-ть 2 событий на малом интервале пренебрежимо мала.

Вер-ть поступления заявки не зависит от предыдущих событий.

Простейший поток имеет наиболее простое математическое описание. Он играет среди потоков такую же особую роль, как и закон нормального распределения среди других законов распределения. А именно, при наложении достаточно большого числа независимых, стационарных и ординарных потоков (сравнимых между собой по интенсивности) получается поток, близкий к простейшему.

Простейшие СМО и их характеристики. Многоканальные и одноканальные системы без потерь с неограниченным ожиданием и источником с бесконечным числом требований. Условие существования конечной средней очереди для многоканальных систем.

Примеры систем массового обслуживания (СМО): телефонные станции, ремонтные мастерские, билетные кассы, справочные бюро, станочные и другие технологические системы, системы управления гибких производственных систем и т.д.

Каждая СМО состоит из какого–то количества обслуживающих единиц, которые называются каналами обслуживания (это станки, транспортные тележки, роботы, линии связи, кассиры, продавцы и т.д.). Всякая СМО предназначена для обслуживания какого–то потока заявок (требований), поступающих в какие-то случайные моменты времени.

Обслуживание заявки продолжается какое–то, вообще говоря, случайное время, после чего канал освобождается и готов к приему следующей заявки. Случайный характер потока заявок и времени обслуживания приводит к тому, что в какие–то периоды времени на входе СМО скапливается излишне большое количество заявок (они либо становятся в очередь, либо покидают СМО не обслуженными). В другие же периоды СМО будет работать с недогрузкой или вообще простаивать.

простейшую СМО с ожиданием - одноканальная система в которую поступает поток заявок с с опр интенсивностью Заявка, поступившая в момент, когда канал занят, становится в очередь и ожидает обслуживания.

МКУ служат для моделирования нескольких параллельно работающих объектов. Моделирование МКУ подобно моделированию прибора: транзакт поступа­ет в устройство, занимает определенное кол-во каналов, обслуживается в течение некот времени, после чего покидает МКУ, освобождая занимаемые им каналы.

Условия в реальном объекте, необходимые для использования МКУ для их представления в модели:

Объекты должны иметь одинаковую функцию распределения времени обслуживания

Одинаковые параметры этой функции.

В отличие от прибора, емкость кот всегда равна единице, емкость МКУ д.б. определена программистом. Для этого применяется специ­альная команда STORAGE (ОПРЕДЕЛИТЬ МКУ).

ИмяКоманды STORAGE A

Поле ИмяКоманды - символьное имя МКУ, а поле А - его емкость (количество каналов обслуживания), операнд А м.б. задан только в виде положительного целого числа.

Пр: MKU1 STORAGE 5 TRAKT STORAGE 30 (емкость МКУ с именем MKU1 определена равной 5, МКУ с именем TRAKT - 30).

Событие, связанное с занятием каналов обслуживания, моделируется бло­ком ENTER (ВОЙТИ), а событие, состоящее в освобождении каналов, - блоком LEAVE (ВЫЙТИ).

А – имя МКУ. В – кол-во единиц емкости МКУ, кот должен занять (освободить) транзакт. По умолч =1.

Пр: 1) ENTER BLOK3 (войти в МКУ с именем BLOK3);

2)LEAVE SEANS,3 (освободить 3 единицы емкости МКУ с именем SEANS).

Между блоками ENTER и LEAVE может находиться любое кол-во бло­ков. В частности, задержка на время обслуживания в МКУ имитируется при помощи блока ADVANCE.

Если кол-во единиц емкости, заданных операндом В блока LEAVE, превышает кол-во занятых в данный момент времени каналов МКУ, интерпретатор останавливает моделирование и выдает сообщение об ошибке.

В отношении транзактов, ожидающих занятия МКУ, действует правило «первый соответствующий с пропусками».

При входе транзакта в блок LEAVE интерпретатор приостанавливает его продвижение, позволяя очередному транзакту из цепи задержки этого МКУ войти в блок ENTER, и только после этого продвигает вышедший из МКУ транзакт в модели. Транзакт, вышедший из цепи задержки МКУ, пе­реводится в ЦТС и становится в ней последним в своем приоритетном классе.

МКУ имеют следующие СЧА: S - текущее содержимое МКУ; R -свободная емкость МКУ; SR - коэффициент использования в долях 1000; SA - целая часть среднего содержимого МКУ; SM - максимальное содержимое МКУ; SC - число занятий МКУ; ST - целая часть среднего времени занятия МКУ.

Для проектирования одноканальных устройств используют болоки Seize , Release

SEIZE A (занять) - занятие прибора транзактом. А - имя точки входа в устройство.

RELEASE A (освободить) – освобождение прибора транзактом, по истечении времени обслуживания.

Рассмотрим способы моделирования на ЭВМ потоков заявок, поступающих в систему массового обслуживания. Сначала остановимся на достаточно простом и вместе с тем наиболее распространенном случае, когща в систему поступает ординарный стационарный поток однородных событий с ограниченным последействием (поток типа Пальма).

Любой поток типа Пальма может быть задан функцией плотности случайных интервалов между последовательными моментами - поступления заявок. Для моделирования его на ЭВМ достаточно построить необходимое число реализаций потока, т. е. таких неслучайных последовательностей моментов

поступления заявок в систему, интервалы между которыми являлись бы возможными значениями случайных величин описываемых функцией плотности

Процедура построения последовательности состоит в следующем. Сначала формируется Функция плотности может быть определена через по формуле Пальма (4.4). Тогда, исходя из наличия в ЭВМ электронного или алгоритмического датчика случайных чисел с равномерным распределением в интервале (0,1), приступаем к формированию Для этого одним из способов, рассмотренных в главе П, преобразуем случайное число в случайное число имеющее функцию плотности Получив полагаем

В дальнейшем процедура получения любого совпадает с процедурой формирования т. е. очередное случайное число преобразуется в случайное число имеющее функцию плотности и

Рассмотрим некоторые примеры, часто встречающиеся при решении практических задач методом статистического моделирования.

Пример 1. Простейший (пауссоновский) поток.

Как отмечалось выше, простейший (пауссоновский) поток является стационарным ординарным потоком однородных событий без последействия, т. е. одним из возможных частных случаев потоков типа Пальма. Функция плотности для простейшего потока имеет вид показательного распределения (4.6):

где - интенсивность потока, определяющая среднее значение числа заявок, поступающих в единицу времени.

Чтобы определить функцию плотности для первого интервала, воспользуемся формулой Пальма.

После несложных вычислений получаем:

Отсюда следует, что функция плотности первого интервала для простейшего потока имеет тот же вид, что и Этим свойством в общем случае, не обладают другие потоки типа Пальма.

Таким образом, для формирования реализаций простейшего потока необходимо иметь последовательность случайных чисел имеющих показательное распределение (4.6) с параметром К. Методику получения такой последовательности мы рассматривали в главе II. В соответствии с (2.15) случайные числа могут быть получены по формуле

где - случайные числа с равномерным распределением в интервале (0,1).

Последовательность моментов поступления заявок будет следующей:

Пример 2. Поток с равномерным распределением интервалов

Функция плотности рассматриваемого потока имеет вид равномерного распределения:

Можно показать, что среднее значение (математическое ожидание) случайной величины равно Поэтому среднее число заявок, поступивших в единицу времени (интенсивность потока):

Определим функцию плотности для первого интервала. По формуле Пальма аналогично формуле (4.11):

Заметим, что среднее значение длительности первого интервала может быть получено как математическое ожидание случайной величины, имеющей функцию плотности (4.16):

Перейдем к формированию первого интервала Для этого, имея случайные числа с равномерным законом распределения в интервале (0,1), необходимо получить случайное число соответствующее функции плотности (4.16). Преобразуем соотношение (4.16) следующим образом. Подставим в него вместо величины ее значение из равенства (4.15). Тогда можно записать функцию плотности

Необходимо отметить, что потоки, рассмотренные в примерах 1 и 2, отличаются благоприятной особенностью: интегралы в формуле Пальма и формулах преобразования случайных чисел берутся в конечном виде. В общем случае эти интегралы могут оказаться неберущимися. Кроме того, функции плотности иногда задаются таблично по (результатам обработки статистического материала. На практике в такого рода ситуациях пользуются приближенными методами. Интеграл в формуле Пальма вычисляется обычно для заданного набора численными методами. Это не оказывается существенно на объеме вычислений, так как формула Пальма применяется только один раз для данного потока. Преобразование случайных чисел выполняется, как правило, методом кусочной аппроксимации функции плотности в соответствии с соотношениями (2.23), (2.24) и (2.25).