5. СИСТЕМА ОБСЛУЖИВАНИЯ M/G/1/ 5.1. Предварительные замечания СМО M / G / 1 / будем исследовать, как это принято, с помощью математического аппарата полумарковских процессов, которые подробно будут рассмотрены в п. 5.2. Для лучшего понимания необходимости введения процессов такого типа рассмотрим здесь иной, нежели в п. 4.1, способ представления ЦМ с непрерывным временем. Рассмотрим стохастически непрерывную консервативную ЦМ (t ) с непрерывным временем и конечным или счетным множеством состояний X {0, 1, ...}. Пусть i – интенсивность выхода из состояния i X , i j – интенсивность перехода из состояния i X в состояние j X . Данную ЦМ можно представить в следующем виде. Пусть 1 , 2 , ... – случайные моменты изменения состояний процесса (t ) ( ( n ) ( n ), n 0, 1, ...). Обозначим через n ( n ) состояние, в которое в момент n переходит процесс (t ) . Пусть Tn n 1 n . Предположим, что 0 0 , 0 (0) . Очевидно, последовательности {( n , n ), n 0, 1, ...} и {( n , Tn ), n 0, 1, ...} полностью характеризуют ЦМ (t ) . При этом Tn является случайным временем пребывания процесса (t ) в состоянии, в которое процесс перешел в момент времени n . Легко показать, что для анализируемой ЦМ (t ) случайная последовательность {( n , Tn )} для произвольных натуральных n и произвольных положительных t 0 , t1 , ..., t n 1 , t удовлетворяет следующему равенству: P{ n j , Tn t | 0 i0 , T0 t 0 ; 1 i1 , T1 t1 ; ...; n 1 i, Tn 1 t n 1} P{ n j, Tn t | n1 i} Qi j (t ) pi j (1 e it ) , i0 , i1 , ..., in 2 , i, j X, pi j P{ n j | n 1 i} (5.1) i j , i j, pi i 0 i ( pi j – вероятность того, что ЦМ, находящаяся в состоянии i, в очередной где момент изменения состояния перейдет в состояние j). Из формулы условной вероятности следует, что Qi j (t ) P{ n j , Tn t | n 1 i} P{ n j | n 1 i}P{Tn t | n j , n 1 i} pi j Fi j (t ) , 55 (5.2) где Fi j (t ) – ФР времени пребывания процесса (t ) в состоянии i при условии, что в очередной момент смены состояния процесс перейдет в состояние j. Из соотношений (5.1) и (5.2) следует (5.3) Fi j (t ) P{Tn t | n j, n1 i} 1 e it . Следовательно, для анализируемого процесса (t ) время пребывания в произвольном состоянии i X не зависит от того, какое состояние процесса будет следующим. Более того, время пребывания процесса в состоянии i подчиняется экспоненциальному распределению, параметр которого i зависит исключительно от состояния i X . Легко убедиться, что в этом случае случайная последовательность { n } определяет ЦМ с дискретным временем, характеризуемую матрицей переходных вероятностей (стохастической матрицей) ( p i j ) . Последовательность { n } называется вложенной в процесс (t ) (по моментам времени n ) цепью Маркова. Справедливо также и обратное утверждение. Пусть дана случайная последовательность {( n , Tn )} , удовлетворяющая соотношению (5.1), причем ( p i j ) представляет собой стохастическую матрицу и pii 0 , а i являются положительными числами. Если предположить, что n 1 0 0 , n Ti , n 1 ; (t ) n , если n t n 1 , (5.4) i 0 то процесс (t ) представляет собой стохастически непрерывную консервативную ЦМ с непрерывным временем и интенсивностями переходов i j i pi j . При этом, очевидно, моменты n , n 1 , определяемые соотношениями (4), являются моментами «скачков» процесса (t ) , а n – состояниями, в которые переходит процесс в моменты n . Рассмотрим, например, одну из простейших марковских СМО M / M / 1 / и характеризующую ее ЦМ (t ) (где (t ) является, как известно, числом требований в системе в момент времени t). Пусть a – параметр входного потока, параметр времени обслуживания. Известно, что процесс (t ) является в нашем случае процессом рождения и гибели. Следовательно, ij 0 , если i j 2 . Очевидно, i i 1 a , i 0, 1, ... ; i i 1 , i 1, 2, ... ; 0 0 1 ; i i i 1 i i 1 a , i 1, 2, ... , как видно из графа состояний анализируемой СМО, изображенного на рис. 8. 56 Вложенная в процесс (t ) по моментам поступления и моментам окончания обслуживания требований ЦМ определяется в таком случае переходными вероятностями p ii 0 ; p ij 0 , если i j 2 ; p 0 1 1 ; pi i 1 a (a ) ; pi i 1 (a ) , i 1, 2, ... . a 0 a 1 a a 2 … i 1 … i 1 i … Рис. 8. Граф состояний СМО M / M / 1/ Приняв обозначение n ( n ) , получаем P{ n i, Tn t | n1 i 1} Qi 1 i (t ) (1 e ( a )t ) , если i 0 ; a P{ n 1, Tn t | n1 0} Q0 1 (t ) 1 e at ; a (1 e ( a )t ) , если i 2, 3, ... . a Вложенная по моментам времени n ЦМ в нашем случае характеризуется стохастической матрицей 0 1 0 0 a 0 0 a a a 0 0 . a a 0 0 0 a Анализируя и несколько обобщая сказанное, можно утверждать, что процесс (t ) представляет собой однородную ЦМ с непрерывным временем и множеством состояний X , в случае если: 1) в начальный момент времени t 0 процесс находится в одном из состояний из множества X ; 2) в каждом из состояний i X процесс пребывает случайное время, подчиняющееся экспоненциальному распределению с параметром P{ n i, Tn t | n1 i 1} Qi 1 i (t ) 57 i 0 ; 3) в момент завершения пребывания в определенном состоянии i процесс мгновенно переходит в новое состояние j X с вероятностью pi j 0 (причем pi j 1 для любого i X ). jX Далее мы будем заниматься исследованием СМО M / G / 1 / , для которой время обслуживания не обязательно подчиняется экспоненциальному распределению, следовательно, процесс (t ) в общем случае не является марковским. Но, с другой стороны, анализируемый процесс как бы содержит марковскую компоненту, поскольку входной поток в исследуемой СМО марковский (простейший). Действительно, в системе M / G / 1 / промежутки времени между соседними моментами поступления требований подчиняются экспоненциальному распределению. Распределению такого же типа подчиняются и промежутки времени между моментами окончания обслуживания и очередными моментами поступления требований (этот факт следует из свойства отсутствия памяти у экспоненциального распределения). Благодаря такой «частичной марковости» возможным оказывается исследование системы M / G / 1 / с помощью аппарата так называемых полумарковских процессов, представляющих собой некоторое обобщение марковских. Далее увидим, что это обобщение состоит в том, что ФР Fi j (t ) времени пребывания процесса в состоянии i при условии, что следующим его состоянием будет состояние j, может быть произвольной, в то время как в случае марковского процесса (t ) она не зависит от j и имеет вид Fi j (t ) 1 e it . 5.2. Полумарковские процессы Пусть X {0, ..., N} или X {0, 1, ...}, T [0; ) . Определение 1. Последовательность случайных векторов {( n , Tn )} , n 0, 1, ... , где n принимают значения из множества X , а Tn из множества T , называется полумарковской последовательностью, если P{ n j , Tn t | 0 i0 , T0 t 0 ; 1 i1 , T1 t1 ; ...; n 1 i, Tn 1 t n 1} (5.5) P{ n i, Tn t | n1 i} Qi j (t ) для произвольных натуральных n, произвольных t 0 , ..., t n 1 T и произвольных i, j , i0 , ..., in 2 X . 58 Функция Qi j (t ) называется переходной функцией последовательности {( n , Tn )} . Имеет место следующее утверждение, приводимое без доказательства. Лемма 1. Случайная последовательность {( n , Tn ), n 0, 1, ...} удовлетворяет свойству (5.5), если и только если выполняются следующие равенства: P{ n j | Tn t n ; n1 i, Tn1 t n1 ; ...; 0 i0 , T0 t 0 } (5.6) P{ n j | Tn t n , n1 i} , P{Tn t n | n1 i, Tn1 t n1 ; n2 in2 , Tn2 t n2 ; ...; 0 i0 , T0 t 0 } P{Tn t n | n1 i}. (5.7) Предположим, что T0 0 с вероятностью 1 (P{T0 0} 1) . Построим случайный процесс {(t ) , t T} по полумарковской последовательности {( n , Tn )} следующим образом: будем считать, что (t ) 0 , если 0 t T1 ; T1 t T1 T2 ; (t ) 2 , (t ) 1 , если если T1 T2 t T1 T2 T3 и т. д. Предположим также, что на произвольном отрезке времени [0; t ] с вероятностью 1 происходит конечное число скачков процесса (t ) . Полученный процесс {(t ) , t 0} называется полумарковским процессом, построенным по полумарковской последовательности {( n , Tn )} . Траектория построенного процесса формируется следующим образом. Пусть задано начальное распределение {Pi (0) P{ 0 i}, i X} . Пусть i0 – величина, разыгранная в соответствии с этим распределением, т. е. конкретное значение, которое принимает СВ 0 , имеющая данное распределение. Далее разыгрываем величины (реализации) (1 , T1 ) , соответствующие распределению Qi0 j (t ) . Пусть результатом такого разыгрывания является пара (i1 , t1 ) , тогда полагаем, что реализация процесса (t ) в промежутке времени [0; t1 ) принимает значение i0 . Затем разыгрываем значения вектора ( 2 , T2 ) в соответствии с распределением Qi1 j (t ) . Пусть при этом они оказались равными (i2 , t 2 ) , тогда реализация процесса (t ) интервале времени [t1 ; t1 t 2 ) принимается равной i1 и т. д. Типичная траектория процесса (t ) представлена на рис. 9. 59 Реализация процесса (t ) i1 i0 i2 i4 i3 i5 t t1 t2 t3 t4 t5 Рис. 9. Траектория полумарковского процесса Траектории полумарковского процесса представляют собой непрерывные справа ступенчатые функции. Пусть P{ n j | n1 i} pi j 0 . Тогда имеем Qi j (t ) P{ n j, Tn t | n1 i} P{Tn t | n j, n 1 i}P{ n j | n 1 i} pi j Fi j (t ) , где Fi j (t ) P{Tn t | n j, n1 i} . Функция Fi j (t ) имеет смысл ФР времени пребывания процесса (t ) в состоянии i, если известно, что следующим его состоянием будет состояние j. Рассмотрим процесс (t ) в случайные моменты времени 0, T1 , T1 T2 , T1 T2 T3 , ..., т.е. рассмотрим последовательность (0) 0 , (T1 ) 1 , (T1 T2 ) 2 , . Такой дискретный случайный процесс {() ; 0, T1 , T1 T2 , ...} или, что то же самое, { n , n 0, 1, ...}, называется вложенным в случайный процесс (t ) . В данном случае процесс { n } представляет собой ЦМ с дискретным временем с матрицей вероятностей перехода ( pi j ) . В случае, если pi j 0 , имеем Qi j (t ) 0 . Переходная функция Qi j (t ) произвольной полумарковской последовательности может быть поэтому представлена в виде Qi j (t ) pi j Fi j (t ) , где в качестве Fi j (t ) может выступать ФР произвольной неотрицательной СВ. 60 Из приведенных рассуждений следует, что полумарковский процесс полностью характеризуется следующими элементами: 1) матрицей переходных вероятностей ( pi j ) ; 2) матрицей ФР Fi j (t ) ; 3) начальным распределением {Pi 0, i X} . Полумарковский процесс называется вполне регулярным, если для произвольного состояния i X и произвольных n 1, 2, ... имеем P{Tn 0 | 0 i} 1 . Можно доказать, что вполне регулярный полумарковский процесс является стохастически непрерывной однородной консервативной ЦМ с непрерывным временем, не содержащей поглощающих состояний, если и только если его переходная функция Qi j (t ) для произвольных i, j X представима в виде Qi j (T ) pi j (1 e i t ) , где ( pi j ) – стохастическая матрица, такая что для произвольных i X имеем pii 0, pi j i j i , если i j . Следовательно, полумарковский процесс представляет собой однородную консервативную ЦМ с непрерывным временем и без поглощающих состояний, если и только если время пребывания в каждом его состоянии не зависит от того, каким будет следующее состояние, и распределено по экспоненциальному закону. Предположим, что mi j t dFi j (t ) 0 для произвольных i, j X . Величина mi j имеет смысл среднего времени пребывания процесса (t ) в состоянии i при условии, что следующим его состоянием будет j. В этом случае mi mi j pi j является средним вреjX менем пребывания процесса в состоянии i. Можно показать, что имеет место следующее утверждение. Теорема 1. Предположим: а) вложенная дискретная ЦМ с матрицей переходных вероятностей ( pi j ) является неприводимой и имеет стационарное распределение { p k , k X} ; б) не все функции Fi j (t ) являются решетчатыми (т. е. не все Fi j (t ) представляют собой ФР дискретных СВ, имеющие скачки в k 0, 1, 2, ...). Введем обозначение 61 точках a kh , где h 0; Pj (i ) lim P{(t ) j | (0) i} t (число Pj (i) является вероятностью того, что процесс (t ) находится в состоянии j в стационарном режиме, если начальным состоянием процесса является i). При указанных допущениях имеет место равенство Pj (i ) Pj lim P{(t ) j} t p jmj p k mk , kX где Pj есть безусловная вероятность того, что процесс (t ) в стационарном режиме находится в состоянии j. Как видим, в наших предположениях вероятность Pj не зависит от начальных условий. Заметим, что величина Pj характеризует относительную долю времени, в течение которого процесс (t ) находится в состоянии j в стационарном режиме, в то время как p j в этих условиях характеризует частоту попадания процесса в состояние j. n Обозначим через (t ) max n Ti t количество изменений со i 1 стояния (скачков) полумарковского процесса (t ) до момента времени t включительно. Процесс * (t ) t (T1 ... T (t ) ) называется циклом. Двумерный процесс ((t ), * (t )) называется линейчатым. Моменты времени 0, T1 , T1 T2 , ... называются 0-моментами. Таким образом, цикл * (t ) представляет собой длительность промежутка времени от последнего 0-момента, предшествующего моменту t, до момента t. Линейчатый процесс является марковским. Действительно, пусть известно, что для некоторого момента t имеем (t ) i, * (t ) x . Последнее равенство означает, что к моменту t цикл продолжался x единиц времени. Тогда следующим состоянием процесса будет состояние j с вероятностью pi j , j X , i j , и в таких условиях вероятность завершения цикла в промежутке времени ( x; x y) оказывается равной Fi j ( x y ) Fi j ( x) . 1 Fi j ( x) 62 Следовательно, дальнейшее поведение линейчатого процесса не зависит от его поведения до момента времени t, что означает, что процесс ((t ), * (t )) является марковским. Пусть (t ) – полумарковский процесс, * (t ) длительность промежутка времени от момента t до момента окончания цикла, имеющего место в момент t. Легко показать, что двумерный процесс ((t ), * (t )) также является марковским. Такой процесс также будем называть линейчатым. Далее в этом разделе мы будем изучать характеристики СМО M / G / 1 / , пользуясь методами введения дополнительного события и теории полумарковских процессов. Основными СВ, характеризующими эту систему, являются: 1) период занятости; 2) число требований в системе; 3) время ожидания и время пребывания. 5.3. Период занятости Определение 2. Периодом занятости системы обслуживания называется случайная величина , определяющая длительность временного интервала от момента поступления требования в систему, в которой в этот момент отсутствуют требования, до ближайшего момента времени, после которого в системе вновь не будет ни одного требования. В СМО M / G / 1 / так определенная СВ характеризует длительность непрерывной работы единственного ОП. Обозначим через (t ) P{ t} ФР СВ , а через (q) ее ПЛС. Пусть B(t ) P{ t} – ФР времени обслуживания , а (q) – ее ПЛС. Используя метод введения дополнительного события выведем соотношение для вычисления функции (q) . Предположим, что независимо от поведения анализируемой системы, происходят катастрофы, моменты наступления которых формируют простейший поток с параметром q 0 . В этом случае, очевидно, (q ) e qt d (t ) является вероятностью того, что за период занятости 0 системы не произойдет ни одной катастрофы. Ясно, что очередность обслуживания требований внутри периода занятости не влияет на его продолжительность. Будем считать, что эта очередность соответствует дисциплине LIFO (требования обслуживаются в порядке, обратном очередности их поступления в систему). В таком случае каждому требованию 63 можем поставить в соответствие промежуток времени от момента начала его обслуживания до момента освобождения системы от данного требования и всех тех, что поступили после него. Такой промежуток называется периодом занятости, соответствующим данному требованию. Легко заметить, что в случае дисциплины LIFO полный период занятости состоит из времени обслуживания первого требования, которое открывает этот период, и суммарной длительности периодов занятости, соответствующих требованиям, поступившим в систему за время обслуживания первого требования. Такие периоды занятости являются, очевидно, независимыми и одинаково распределенными СВ с ФР (t ) , поскольку длительности этих периодов (в случае дисциплины LIFO) не зависят от наличия либо отсутствия в системе других требований в моменты их начала (т. е. в моменты начала обслуживания требований, открывающих эти периоды). Назовем требование плохим, если за соответствующий ему период занятости происходит, по крайней мере, одна катастрофа. Очевидно, произвольное требование является плохим с вероятностью 1 (q) . Следовательно, поток плохих требований – простейший с параметром a(1 (q)) , где a – параметр входного потока, а суммарный поток катастроф и плохих требований является простейшим с параметром q a(1 (q)) . Пусть за период занятости рассматриваемой СМО не произошло ни одной катастрофы (вероятность такого события равна (q) ). Для этого необходимо и достаточно, чтобы за время обслуживания требования, открывающего этот период, не произошло ни одной катастрофы и не поступило ни одного плохого требования (сказанное означает, что за указанное время обслуживания не должно произойти ни одного события суммарного потока катастроф и плохих требований). В том случае, если время обслуживания первого требования, обслуживаемого в периоде занятости, равно x, вероятность описанного события равна e ( q a a( q )) x . Поэтому (q ) e ( q a a( q )) x dB( x) , 0 или (q) (q a a(q)) . (5.8) Уравнение (5.8) распространяется на область комплексных q, таких что Re q 0 , методом аналитического продолжения. 64 Справедливо следующее утверждение, приводимое без доказательства. Теорема 2. Функциональное уравнение (5.8) определяет единственную функцию (q) аналитическую в полуплоскости Re q 0 и такую, что (q) 1. Функция (q) является преобразованием Лапласа – Стилтьеса ФР (t ) , собственной (т. е. такой, что () 1 ) в случае a1 1 (где 1 – первый момент времени обслуживания) и несобственной (т. е. такой, что () 1) в случае a1 1. Как следует из теоремы 2, в случае a1 1 период занятости равен бесконечности с вероятностью 1 () . В случае 1 можно с помощью дифференцирования обеих частей уравнения (5.8) найти моменты СВ . В частности, для первых двух моментов находим 2 , 1 E ' (0) 1 ; 2 E 2 ' ' (0) 1 (1 ) 3 где 2 E 2 – второй момент времени обслуживания. Очевидно, при 1 имеем 1 E . Такой же результат получаем при 1, хотя СВ в этом случае является собственной, т. е. принимает конечные значения с вероятностью 1. 5.4. Распределение числа требований. Метод вложенных цепей Маркова Пусть (t ) – число требований, находящихся в системе M / G / 1 / в момент времени t. Как уже говорилось, время обслуживания в этой СМО распределено произвольным образом, поэтому процесс (t ) в общем случае не является марковским. Обозначим через t n моменты окончания обслуживания (или, иначе, моменты выхода требований из системы), n 1, 2, ...; n (t n ) – число требований в системе непосредственно после n-го по счету момента выхода требования из нее; Tn t n t n 1 ; t 0 0 . Легко видеть, что случайная последовательность {( n , Tn )} удовлетворяет свойствам (5.6), (5.7) и, следовательно, является полумарковской последовательностью. Траектория процесса (t ) является непрерывной справа ступенчатой функци65 ей. Она возрастает на единицу в моменты n поступления требований и понижается на единицу в моменты t n выхода требований. Вместе с процессом (t ) по полумарковской последовательности {( n , Tn )} можно построить полумарковский процесс (t ) , определяемый как (t ) n для всех t, таких что t n t t n 1 ; n 0, 1, ... . Графики траекторий процессов (t ) и (t ) представлены на рис. 10. (t ), (t ) 3 2 1 0 1 2 T1 t1 3 4 T2 t2 t3 T3 5 t 4 t T4 – траектория процесса (t ) , – траектория процесса (t ) . Рис. 10. Траектории процессов (t ) и (t ) СМО M / G / 1 / можно исследовать, таким образом, путем анализа полумарковского процесса (t ) , а также при помощи анализа марковских линейчатых процессов ((t ), * (t )) или ((t ), * (t )) . Легко заметить, что процессы ((t ), * (t )) и ((t ), * (t )) также являются марковскими, поскольку (по сравнению с процессами ((t ), * (t )) и ((t ), * (t )) ), в силу того, что входной поток является простейшим, дополнительные скачки процесса (t ) в моменты поступления требований n (см. рис. 10) не нарушают марковского свойства процессов ((t ), * (t )) и ((t ), * (t )) . Поэтому процессы ((t ), * (t )) и ((t ), * (t )) также будем называть линейчатыми. В дальнейшем мы будем исследовать СМО M / G / 1 / при помощи дискретной ЦМ { n , n 0, 1, ...}, вложенной в процессы (t ) или (t ) (такой метод называется методом вложенных цепей Маркова), либо с помощью линейчатого процесса ((t ), * (t )) (такой метод называется 66 методом дополнительной переменной, или расширения фазового пространства). Сначала методом вложенных ЦМ найдем распределение числа требований n в стационарном режиме (при n ). Пусть t1 t 2 ... – моменты выхода требований из системы, n (t n ) , где n образуют ЦМ, вложенную в процесс (t ) . Вычислим матрицу ( pi j ) переходных вероятностей этой цепи. Вероятность k j того, что за время обслуживания требования в систему поступит j требований ( j 0, 1, ... ) равна, очевидно, kj Ясно также, что (at ) j at j! e dB(t ) . 0 (5.9) p0 j k j , j 0, 1, ...; pi j 0, j i 1, i 1, 2, ... ; (5.10) (5.11) pi j k j i 1 , j i 1, i 1, 2, ... . Тогда матрица переходных вероятностей имеет вид k 0 k1 k 2 k 3 k 0 k1 k 2 k 3 0 k k k 0 1 2 . ( pi j ) 0 k 0 k1 0 0 0 0 k 0 Предположим, что выполняется условие a1 1 . Тогда, поскольку анализируемая ЦМ является однородной, неприводимой и непериодической, стационарное распределение этой цепи (если оно существует) удовлетворяет системе уравнений j i pi j , j 0, 1, ... . (5.12) i 0 Ниже мы найдем решение этой системы { i , i 0, 1, ...} , такое что i 0 для любых i 0, 1, ... и i i 0 1 . В соответствии с теоремой Фостера (теорема 4 из раздела 4), распределение i является единственным стационарным распределением цепи, которое совпадает с ее эргодическим распределением. 67 С учетом соотношений (5.10), (5.11) формулу (5.12) представим в виде j 1 j 0 k j i k j i 1 ; j 0, 1, .... (5.13) i 1 Введем в рассмотрение следующие ПФ: K ( z ) k j z ; R( z ) j z j . j j 0 j 0 Из формулы (5.9) имеем (atz) j at K ( z) e dB(t ) e ( a az ) t dB(t ) (a az) . j! j 0 0 0 Из соотношения (5.13) следует, что j 1 i 1 i 1 R( z ) 0 k j z j z j i k j i 1 0 K ( z ) i j 0 0 K ( z) 1 i z z i 1 j 0 i k j i 1 z j j i 1 1 k j i 1 z j i 1 0 K ( z) z ( R( z) 0 ) K ( z) , j i 1 откуда получаем R( z ) 0 (1 z ) K ( z ) 0 (1 z )(a az) . K ( z) z (a az) z Из условия нормировки 0 1 z 0 z 1 (a az) z 1 a' (0) 1 1 j R(1) 0 lim j 0 находим, что 0 1 . Окончательно получаем следующее соотношение для ПФ стационарного числа требований, находящихся в системе в моменты окончания обслуживания (выхода требований): (1 )(1 z )(a a z ) . (5.14) R( z ) (a a z ) z Последнее выражение называется формулой Поллачека – Хинчина. Математическое ожидание числа требований E n при n определяется следующим образом: a 2 2 . R' (1) 2(1 ) Заметим, что R' (1) при 1. 68 5.5. Распределение числа требований. Метод дополнительной переменной Методом дополнительной переменной найдем стационарное распределение { pk , k 0, 1, ...} числа требований в системе M / G / 1 / в произвольный момент времени (т. е. не обязательно в моменты выхода требований из системы). Для этого будем анализировать линейчатый марковский процесс ((t ), * (t )) , где * (t ) – длительность промежутка времени от начала обслуживания требования, обслуживаемого в момент t, до самого момента t (функция * (t ) не определена, если (t ) 0 ). Введем обозначения Pn (t ) P{(t ) n} , n 0, 1, ... ; Pn ( x, t )dx P{(t ) n, * (t ) [ x; x dx)}, n 1, 2, ... . Пользуясь теорией полумарковских процессов (см. п. 5.2), легко показать, что в случае a1 1 при t существуют пределы Pn ( x, t ) p n ( x) . ПФ числа требований, находящихся в системе в стационарном режиме, определим как P( z ) p n z n . Очевидно, что при n 1 имеет место равенство n 0 pn p n ( x) dx . (5.15) 0 Введем в рассмотрение еще одну ПФ: p( z, x) p n ( x) z n . (5.16) n 1 Тогда из формулы (5.15) следует, что P( z ) p 0 p ( z , x)dx . (5.17) 0 Найдем функцию p( z, x) . Пусть b(x) – плотность времени обслуживания (для простоты полагаем, что она существует, хотя такое предположение не является обязательным). Введем обозначение (x) b( x)[1 B( x)]1 . Функция (x) представляет собой интенсивность обслуживания (см. п. 2.8). Вычислим вероятность Pn ( x t , t t )dx в случае t 0 . Необходимым и достаточным условием того, чтобы в системе в момент времени t t было n требований (n 1) , и в этот момент имело место включение * (t t ) [ x t; x t dx) , является выполнение следующих условий: 69 1) либо в момент t в системе было n требований, * (t ) [ x; x dx) , далее в течение времени t не было завершено обслуживание требования, обслуживаемого в момент t, и не поступало в систему других требований; вероятность этого события равна, очевидно, Pn ( x, t )dx[1 (a ( x)) t ] o(t )dx; 2) либо в случае n 2 в системе в момент времени t находилось n 1 требований, * (t ) [ x; x dx) и за t единиц времени после момента t в систему поступило требование; вероятность этого события равна (1 n, 1 )aPn1 ( x, t )dxt o(t )dx , где 1, если n 1, n, 1 0, если n 1. Поскольку вероятность других событий, которые переводят систему в состояние {(t t ) n, * (t t ) [ x t; x t dx)} в течение времени t , равна o(t )dx , в итоге получаем Pn ( x t , t t ) (5.18) Pn ( x, t )[1 (a ( x))t ] (1 n, 1 )aPn 1 ( x, t )t o(t ) . Найдем теперь вероятность P0 (t t ) . Для того чтобы в системе в момент времени t t отсутствовали требования, необходимо и достаточно, чтобы 1) либо в момент времени t в системе отсутствовали требования и в течение времени t новые требования не поступали в систему; вероятность такого события равна P0 (t )(1 at ) o(t ) ; 2) либо в момент t в системе находилось одно требование, которое завершило свое обслуживание в течение времени t , вероятность t такого события равна P1 ( x, t )( x)dxt o(t ) . 0 Вероятность остальных событий, переводящих систему в состояние {(t t ) 0}, равна o(t ) . Следовательно, в итоге получаем t P0 (t t ) P0 (t )(1 at ) P1 ( x, t ) ( x) dx t o(t ) . 0 70 (5.19) Вероятность того, что в момент t t в системе находилось n требований и при этом * (t t ) t , очевидно, равна t Pn (u, t t ) du. С 0 другой стороны, система попадает в это состояние, если в момент t в ней находилось n 1 требований и за время t одно требование завершило t обслуживание. Вероятность такого события равна Pn1 ( x, t )( x)dxt 0 o(t ) . Следует, однако, помнить, что в случае n 1 система может перейти в указанное состояние, если в момент t в ней отсутствовали требования и за время t поступило одно требование. Вероятность такого события равна P0 (t )at o(t ) . Окончательно имеем t t Pn (u, t t )du t Pn1 ( x, t ) ( x) dx n, 1 P0 (t ) at o(t ) . 0 (5.20) 0 Из соотношений (18)(20) обычным образом при t 0 получаем следующую систему уравнений: Pn ( x, t ) Pn ( x, t ) (a ( x)) Pn ( x, t ) (1 n, 1 ) aPn 1 ( x, t ), t x (5.21) n 1, 2, ...; t P0 (t ) aP0 (t ) P1 ( x, t ) ( x) dx ; t 0 t Pn (0 , t ) Pn 1 ( x, t ) ( x) dx n, 1 aP0 (t ), n 1, 2, ... . (5.22) (5.23) 0 Поскольку в случае 1 при t существуют пределы P0 (t ) p 0 и Pn ( x, t ) p n ( x) , n 1, 2, ... , то из соотношений (5.21)–(5.23) при t вытекает следующая система уравнений: p n ( x) (a ( x)) p n ( x) (1 n, 1 )apn 1 ( x), n 1, 2, ... ; (5.24) x 0 ap0 p1 ( x) ( x) dx ; (5.25) 0 p n (0 ) p n 1 ( x) ( x) dx n, 1 ap0 , n 1, 2, ... . 0 71 (5.26) Уравнение с номером n в формуле (5.24) умножим на z n , а далее просуммируем все полученные уравнения по n (1 n ). В результате получим уравнение для ПФ p( z, x) , определенной формулой (5.16): p( z, x) (5.27) (a az ( x)) p( z, x) . x Подобным образом, переходя к ПФ в соотношении (5.26), получаем p ( z, 0) z 1 p( z, x) ( x) dx p1 ( x) ( x) dx azp0 . 0 (5.28) 0 Из соотношения (5.25) следует, что p1 ( x) ( x) dx ap0 , поэтому фор0 мулу (5.28) можно представить в виде p ( z , 0) z 1 p ( z , x) ( x) dx a (1 z ) p 0 . 0 (5.29) С учетом определения функции (x) (см. соотношение (2.22)) находим, что решение уравнения (5.27) имеет вид p( z, x) [1 B( x)] e ( a az ) x p ( z , 0) . (5.30) Подставив полученное значение p( z, x) в соотношение (5.29), приходим к соотношению p( z, 0) p( z , 0) [1 B( x)] e ( a az ) x ( x) dx a(1 z ) p 0 . z 0 (a az) p 0 z Поскольку ( x) b( x)[1 B( x)] 1 , то p( z , 0) . Тогда из (a az) z формулы (5.30) имеем (a az) p 0 z p ( z, x) [1 B( x)] e ( a az ) x . (5.31) (a az) z Заметим, что такой же результат получается в том случае, если вместо процесса ((t ), * (t )) анализировать процесс ((t ), * (t )) , где * (t ) – длительность промежутка времени от момента t до момента окончания обслуживания требования, обслуживание которого имеет место в момент времени t. Иными словами, в том случае, если p n* ( x) dx является вероятностью того, что в системе в стационарном режиме находится n требований (n 1) , остаток времени обслуживания * обслуживаемого в этот момент требования удовлетворяет включению * [ x; x dx ) и 72 p * ( z, x) pn* ( x) z n , легко получить (аналогичным образом), что n 1 p * ( z, x) p( z, x) , где p( z, x) определяется соотношением (5.31). Из соотношений (5.17) и (5.31) находим p z (1 (a az)) P( z ) p 0 0 , (a az) z или по-другому p (1 z )(a az) P( z ) 0 . (a az) z Поскольку p 0 1 , как следует из условия нормировки 1 P(1) , то в силу соотношения (5.14) окончательно получаем вновь формулу Поллачека – Хинчина: (1 )(1 z )(a az) . (5.32) P( z ) R( z ) (a az) z Поскольку существует взаимно-однозначное соответствие между распределениями вероятностей { k } , { p k } , k 0, 1, ... , и ПФ R(z ) и P(z ) соответственно, то из равенства P( z ) R( z ) следует равенство k p k для всех k 0, 1, ... . Этот факт, доказанный иным способом А. Я. Хинчиным, называется законом стационарной очереди. Заметим, что соотношению (5.32) в случае вещественных z (0 z 1) можно, воспользовавшись методом введения дополнительного события, придать определенный вероятностный смысл: пусть каждое требование, не зависимо от других, является красным с вероятностью z (0 z 1) или синим с вероятностью 1 z . Тогда P( z ) p k z k имеет k 0 смысл вероятности того, что в стационарном режиме в системе могут находиться исключительно красные требования (или, что то же самое, нет ни одного синего требования). Заметим также, что распределение числа требований в системе M / G / 1 / не зависит от очередности их обслуживания. Из формулы (5.32) вытекают следующие соотношения для стационарных моментов числа требований в системе: a 2 2 E P' (1) ; 2(1 ) 73 a 3 3 a 2 2 a 4 22 a 2 2 2 E P' ' (1) P' (1) a 2 , 2(1 ) 3(1 ) 2(1 ) 2 1 2 где 3 E 3 – третий момент времени обслуживания. 5.6. Время ожидания и время пребывания Распределение времени ожидания и времени пребывания требования в системе зависит, очевидно, от дисциплины обслуживания. Предположим, что требования обслуживаются в порядке их поступления в систему (дисциплина FIFO). Пусть n – время обслуживания n-го требования, n 1, 2, ... . Обозначим через Wn время его ожидания и через Vn время его пребывания в системе. Введем соответствующие ФР Wn (t ) P{Wn t}, Vn (t ) P{Vn t} . В случае 1 существуют пределы (это следует из теории полумарковских процессов) W (t ) lim Wn (t ), V (t ) lim Vn (t ) , n n которые представляют собой ФР СВ W и V соответственно. Функции W (t ) и V (t ) называются стационарными ФР времени ожидания и времени пребывания соответственно. Тогда W (t ) P{W t}, V (t ) P{V t}, где Wn W , Vn V при n в смысле сходимости по распределению. СВ W и V называются стационарными временем ожидания и временем пребывания соответственно. Очевидно, для анализируемой СМО имеем Vn Wn n , где n – время обслуживания n-го требования, причем СВ Wn и n независимы. Введем ПЛС СВ Wn и Vn : wn ( q ) e qt dWn (t ) , v n (q) e qt dVn (t ) . 0 0 С учетом свойств ПЛС и того факта, что обслуживание требований является рекуррентным, получаем v n (q) wn (q) (q) , (5.33) где (q) – ПЛС времени обслуживания (СВ ). Тогда для ПЛС w(q ) e qt dW (t ), v(q ) e qt dV (t ) 0 0 74 стационарного времени ожидания W и стационарного времени пребывания V получаем после перехода к пределу при n в соотношении (5.33): (5.34) v(q) w(q) (q) . Найдем w(q) . С учетом принятой дисциплины обслуживания приходим к выводу, что после окончания обслуживания некоторого требования в системе останутся те и только те требования, которые поступили в течение времени его пребывания в системе. Поэтому необходимым и достаточным условием того, чтобы в стационарном режиме в системе в момент окончания обслуживания требования находилось j других требований (вероятность этого события равна, как мы знаем, j ), есть поступление в систему за время пребывания указанного требования j требований. Отсюда следует, что (at ) j at j e dV (t ) , j ! 0 откуда ( at z ) j a t j a t R( z ) j z e e dV (t ) e ( a a z ) t dV (t ) v(a a z ) j! j 0 j 0 0 0 w(a a z ) (a a z ) . Из формулы Поллачека – Хинчина (5.14) следует, что (1 )(1 z ) , w(a a z ) (a a z ) z откуда после подстановки q a az имеем (1 )q . w(q) q a a(q) (5.35) Из формулы (5.35) вытекают следующие выражения, позволяющие вычислить два первых момента стационарного времени ожидания: w1 EW w(0) a 2 ; 2(1 ) a 3 (a 2 ) 2 w2 EW w' ' (0) . 3(1 ) 2(1 ) 2 2 Из соотношений (5.34) и (5.35) следует, что (1 )q(q) v(q ) . q a a(q) 75 Моменты стационарного времени пребывания можно определить непосредственно из последнего соотношения, а также пользуясь тем, что СВ W и (время обслуживания) независимы, а следовательно v1 EV w1 1 ; v 2 EV 2 w2 2 2w11 . Легко проверить, что для анализируемой СМО справедливы формулы Литтла. 5.7. Виртуальное время ожидания и виртуальное время пребывания Определение 3. Под виртуальным временем ожидания (пребывания), соответствующим моменту времени , понимают длительность W ( V ) времени ожидания (пребывания) в системе фиктивного требования, если предположить, что оно поступило в систему в момент времени . В ТМО понятия виртуального времени ожидания и виртуального времени пребывания вводятся с целью упрощения вычислений, поскольку для некоторых конкретных СМО вычисление виртуальных характеристик оказывается более простым. Пусть, например, имеется СМО BM / G / 1 / , в которой входной поток не является ординарным, т. е. требования поступают в систему группами случайного размера. Определение времени ожидания для такой СМО требует, очевидно, установления очередности обслуживания требований внутри каждой поступившей группы. В то же время определение виртуального времени ожидания в такой системе является простым и естественным. Найдем распределение введенных СВ в стационарном режиме для СМО M / G / 1 / в случае дисциплины FIFO. Пусть W (, t ) P{W t} , V (, t ) P{V t} – ФР виртуального времени ожидания и виртуального времени пребывания соответственно. Из теории полумарковских процессов следует, что при 1 существуют не зависимые от начальных условий пределы W * (t ) lim W (, t ), V * (t ) lim V (, t ) , которые представляют собой ФР неотрицательных СВ W * и V * , называемых стационарным виртуальным временем ожидания и стационарным виртуальным временем пребывания соответственно, так что W * (t ) P{W * t} , V * (t ) P{V * t} , т. е. W W *, V V * при 76 по распределению. Кроме того, очевидно, V * W * и СВ W * и независимы. Введем следующие ПЛС: w(, q ) e qt d t W (, t ) , w * (q ) e q t dW * (t ) . 0 0 Очевидно, w * (q ) lim w(, q ) . Найдем функцию w * (q) в случае дисци плины FIFO. Предположим, что в начальный момент времени t 0 в системе отсутствовали требования (такие начальные условия называются нулевыми), т. е. P0 (0) 1 . Очевидно, что W (, t ) является ФР длительности промежутка времени, начинающегося в момент и заканчивающегося (в случае дисциплины FIFO) в момент освобождения системы от требований, поступивших в нее до момента . Далее будем пользоваться методом введения дополнительного события. Будем считать, что независимо от поведения системы происходят катастрофы, образующие простейший поток с параметром q 0 . Назовем требование плохим, если за время его обслуживания наступит, по крайней мере, одна катастрофа (вероятность такого события равна 1 (q) ). Поток плохих требований является, очевидно, простейшим с параметром a(1 (q)) . Необходимым и достаточным условием того, чтобы во временном интервале [0; ) в систему не поступило ни одного плохого требования (вероятность такого события равна e a (1( q )) ), является наступление одного из следующих несовместных событий: 1) либо катастрофа не наступила ни за время (вероятность этого события равна e q ), ни в промежутке времени от момента до момента освобождения системы от требований, поступивших до момента (вероятность этого есть w(, q) ); 2) либо катастрофа наступила в некоторый момент времени x до момента (вероятность этого события равна d (1 e qx ) qe qx dx ), когда в системе отсутствовали требования (вероятность этого есть P0 ( x) ), а далее за время x в систему не поступали плохие требования (вероятность этого события равна e a (1( q ))( x ) ) для всех x [0; ) . В результате получаем уравнение e a (1 ( q )) e q w(, q ) q P0 ( x) e a (1( q ))( x ) e q x dx , 0 77 решение которого относительно w(, q) дает a (1 ( q ))( x ) P0 ( x)dx , (5.36) 1 q e 0 откуда при можно найти w * (q) . Для этого правую часть формулы (5.36) представим в виде 1 q e a (1( q ))( x ) P0 ( x)dx e ( q a a( q )) . 0 Пользуясь правилом Лопиталя, находим q w * (q) lim w(, q) lim P0 () , q a a(q) где, как известно, lim P0 () p 0 1 . В результате получаем w(, q) e ( q a a ( q )) (1 )q , q a a(q) и аналогично для ПЛС v * (q) стационарного виртуального времени пребывания имеем v * (q) w * (q) (q) v(q) . Следовательно, для СМО M / G / 1 / стационарные распределения виртуального времени ожидания и виртуального времени пребывания совпадают со стационарными распределениями «обычных» времени ожидания и времени пребывания соответственно. w * (q) w(q) 5.8. Частные случаи системы M/G/1/ Рассмотрим два важных случая. 1. Система M/M/1/. В этом случае ФР времени обслуживания имеет вид B (t ) 1 e t , 0 ; a ; (q ) ( q ) . Из формулы Поллачека – Хинчина (5.32) следует, что 1 P( z ) (1 ) k z k p k z k , 1 z k 0 k 0 откуда получаем p k (1 ) k , k 0, 1, ... . Отсюда вытекают следующие соотношения: (1 ) 2 2 E ; E 2 ; D E E . 1 (1 ) 2 (1 ) 2 78 Из формулы (5.35) следует, что (1 ) (q ) . w(q) q Обращением преобразования Лапласа w( q ) q можем в этом случае найти явный вид ФР стационарного времени ожидания: (1 ) (q ) e q t W (t ) Res ; 0, (1 ) 1 e (1) t . q(q ) Первые два момента времени ожидания при этом равны 2 w1 ; w2 2 . (1 ) (1 ) 2 Для ФР V (t ) стационарного времени пребывания имеем t V (t ) W (t u ) dB(u ) 1 e (1) t . 0 Заметим, что анализируемая СМО является также частным случаем системы M / M / n / . 2. Система M/D/1/. Для данной СМО имеем t 0 const. Поэтому (q) e qt (t t 0 ) dt e q t0 ; a t 0 . 0 ПФ числа требований в СМО в стационарном режиме, как следует из формулы (5.32), имеет вид (1 )(1 z ) P( z ) , 1 ze (1 z ) откуда с помощью дифференцирования функции P(z ) в точке z 0 используя свойства ПФ, получаем p 0 1 ; p1 (1 )(e 1); k i k k 1 (i) k i 1 k i i (i) p k (1 )e (1) e , k 2. ( k i ) ! ( k i 1 ) ! i 1 Из соотношения (5.35) следует, что w(q ) (1 )q q a ae qt0 79 . (5.37) Обращая преобразование Лапласа w( q ) q (например, с помощью таблиц), приходим к выводу, что ФР стационарного времени ожидания в этом случае имеет вид [a ( jt 0 t )] j , j ! j 0 где n [t t 0 ] , что означает выполнение неравенства n t 0 t (n 1) t 0 ; n W (t ) (1 ) e a t e j t0 t 02 (2 ) . w1 ; w2 2(1 ) 6(1 ) Очевидно, ФР V (t ) стационарного времени пребывания в этом случае имеет вид если t t 0 ; 0, V (t ) W (t t 0 ) , если t t 0 . 80