Синергетический эффект в сети с гиперэкспоненциальными распределениями времен обслуживания | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2016. № 1(34).

Синергетический эффект в сети с гиперэкспоненциальными распределениями времен обслуживания

В статье сеть массового обслуживания с многоканальными узлами и гиперэкспоненциальными распределениями времен обслуживания преобразована в сеть Джексоновского типа. С помощью теоремы мультипликативности установлен синергетический эффект, состоящий в исчезновении очередей при увеличении числа приборов в узлах сети.

Synergetic effect in network with hyper exponential distributions of service times.pdf В настоящей работе решается задача конструирования сети массового обслуживания с многоканальными узлами и исчезающей при большом числе каналов очередью. В системах массового обслуживания такие синергетические эффекты достаточно детально изучены. Однако в сетях обслуживания подобное явление установить сложнее из-за перемешивания потоков заявок, выходящих из узлов. Подобная постановка вопроса связана с интенсивно развивающимися работами по исследованию бесконечно-линейных сетей массового обслуживания [1, 2], в которых отсутствуют очереди. В статье делается предположение, что времена обслуживания в каналах отдельных узлов гиперэкспоненциальные, т.е. являются вероятностными смесями конечного числа экспоненциальных распределений. Каждый узел разбивается на определенное число многоканальных систем типа M | M | n | да со специально подобранным числом каналов. В результате исходная сеть преобразуется в открытую сеть Джексона, для которой мультипликативная теорема позволяет редуцировать первоначальную задачу конструирования сети, обладающей синергетическим эффектом, в отдельные многоканальные системы обслуживания (синергетический эффект для них уже установлен). Таким образом, расчетные методы сочетаются с элементами конструирования сетей обслуживания, обладающими синергетическим эффектом. Основной результат Рассмотрим открытую сеть массового обслуживания G, состоящую из m узлов, между которыми циркулируют заявки и времена обслуживания в которых являются независимыми и одинаково распределенными случайными величинами с функциями распределения (ф.р.) Г Г- F(0= £plk(1"exp(-^kO), a, = J00Fi(x)dx = £ ^, i = 1,...,m, k=1 k=1 r являющимися смесями r показательных распределений: p,k >0, £к=Рк =1. Пусть все положительные числа Rik = Р,k , k = 1,...,r, i = 1,...,m, являются рациональными и представляются равенствами V,ka, A- Rik = -k, где числитель и знаменатель - взаимно простые числа. Обозначим N наименьшее общее B,k кратное чисел Bik, k = 1,.,r, i = 1,.,m, и положим, что в каждом из узлов сети G содержится nN приборов. Динамика перемещения заявки в сети G задается неразложимой маршрутной матрицей ® =|| Qjj ||fi=o, где 9у - вероятность перехода заявки после обслуживания из узла i в узел j, 0iO -вероятность ухода заявки из сети, 0Oi - вероятность поступления заявки входного потока в узел i, 0OO =0. Обозначим (Xi,..., Xm) единственное решение системы линейных алгебраических уравнений (1, Xi,..., Xm ) = (1, V.., Xm )®, Xi,., Xm >0. (1) Предположим, что входной поток в сети G является пуассоновским с интенсивностью nN и выполнены неравенства р; = X1a1

Ключевые слова

гиперэкспоненциальное распределение, сеть массового обслуживания, теорема мультипликативности, hyperexponential distribution, queuing network, product theorem

Авторы

ФИООрганизацияДополнительноE-mail
Цициашвили Гурам ШалвовичДальневосточный федеральный университет (Владивосток); ДВО РАНпрофессор, доктор физико-математических наук, профессор кафедры алгебры, геометрии и анализа; заведующий лаборатории вероятностных методов и системного анализа Института прикладной математикиguram@iam.dvo.ru
Всего: 1

Ссылки

Назаров А. А., Моисеева С.П. Метод асимптотического анализа в теории массового обслуживания. Томск : Изд-во НТЛ, 2006.
Моисеев А.Н., Назаров А. А. Бесконечнолинейные системы и сети массового обслуживания. Томск : Изд-во НТЛ, 2015.
Jackson J.R. Networks of Waiting Lines // Oper. Res. 1957. V. 5, No. 4. P. 518-521.
Ивченко Г.И., Каштанов В.А., Коваленко И.Н. Теория массового обслуживания. М. : Высшая школа, 1982.
Ширяев А.Н. Вероятность. М. : Наука, 1989.
Feldmann A., Whitt W. Fitting mixtures of exponentials to long tailed distributions to analyze network perfomance models// Perfomance Evaluation. 1998. V. 31. P. 245-279.
Vatamidou E [et al.]. On the accuracy of phase-type approximations of heavy-tailed risk models // Scandinavian Actuarial Journal. 2014. V. 6. P. 510-534.
Embrechts P., Cluppelberg C., Mikosch T. Modelling Extremal Events: for Insurance and Finance. Berlin : Springer-Verlag 1997.
Asmussen S. Ruin Probabilities. Singapore: World Scientific Publishing Co Inc, 2000.
Боровков А.А. Предельные теоремы для сетей обслуживания // Теория вероятностей и ее применения. 1986. Т. XXXI, вып. 3. С. 474-490.
 Синергетический эффект в сети с гиперэкспоненциальными распределениями времен обслуживания | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2016. № 1(34).

Синергетический эффект в сети с гиперэкспоненциальными распределениями времен обслуживания | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2016. № 1(34).