- PDF Free Download

Transcript

1 Στοχαστικά Μοντέλα Επιχειρησιακών Ερευνών Συστήματα αναμονής Ι Ιωάννης Δημητρίου Τμήμα Μαθηματικών, Πανεπιστήμιο Πατρών, Δ.Π.Μ.Σ. «Μαθηματικά των Υπολογιστών και των Αποφάσεων»

2 Περιεχόμενα 1 Εισαγωγή Στοιχεία στοχαστικών διαδικασιών Διαδικασία Poisson Διαδικασίες γεννήσεων-θανάτων 2 Το M/M/1 Χρονικά εξαρτημένη συμπεριφορά Οριακή συμπεριφορά Μέτρα απόδοσης Περίοδος συνεχούς απασχόλησης υπαλλήλου 3 Το M/M/1 retrial

3 Η στοχαστική επιχειρησιακή έρευνα αποτελεί ένα σύνολο μαθηματικών τεχνικών για την μοντελοποίηση, μελέτη και βελτιστοποίηση «συστημάτων». Οι βασικές παράμετροι των «συστημάτων» είναι τυχαίες μεταβλητές. Τα υπό μελέτη χαρακτηριστικά των εν λόγω συστημάτων μοντελοποιούνται με την εισαγωγή στοχαστικών διαδικασιών. Πολλά από τα προβλήματα που εμφανίζονται στον εν λόγω κλάδο, μοντελοποιούνται και αναλύονται με την βοήθεια διαφορικών εξισώσεων διαφορών. Στοχαστική Ε.Ε. Συστήματα αναμονής Μοντέλα ανάπτυξης πληθυσμού

4 Συστήματα αναμονής Θ.Σ.Α. παρέχει μαθηματικά πρότυπα-μοντέλα που περιγράφουν την συμπεριφορά πραγματικών συστημάτων που παρέχουν εξυπηρέτηση σε ζητήσεις που εμφανίζονται «τυχαία». Μελέτη προβλημάτων συνωστισμού Ενας πληθυσμός από οντότητες «(πελάτες») θέλει να λάβει εξυπηρέτηση απο έναν σταθμό (service system) με πεπερασμένη χωρητικότητα και απόδοση. Εφαρμογές: Καθημερινότητα (τράπεζες, ταχυδρομεία, cinema, super-market, Μ.Μ.Μ.), Συγκοινωνιακά συστήματα, Τηλεπικοινωνίες, Ασύρματα δίκτυα, Δίκτυα Η/Υ, Βιομηχανία...

5 άφιξη πελατών άφιξη πακέτων πληροφορίας, εργασιών υπάλληλοι κανάλια μετάδοσης, επεξεργαστής CPU Βασικός συμβολισμός X [Y ] /Z [W ] /n/k πειθαρχία ουράς. όπου X : Y : Z : W : n : K : αφορά την κατανομή αφίξεων. αφορά την κατανομή του αριθμού πελατών ανά άφιξη. αφορά την κατανομή του χρόνου εξυπηρέτησης. αφορά την κατανομή του αριθμού πελατών ανά εξυπηρέτηση. αριθμός υπαλλήλων. χωρητικότητα συστήματος. Μέτρα απόδοσης: 1. Κατανομή πιθανότητας αριθμού πελατών στο σύστημα, 2. Waiting time, 3. Busy period.

6 Στοιχεία στοχαστικών διαδικασιών Ασχολείται με την μελέτη συστημάτων φαινομένων που εξελίσονται στον χρόνο σύμφωνα με πιθανοθεωρητικούς νόμους. Είναι μια συλλογή τ.μ. {X (t), t T }. T : παραμετρικός χώρος (εκφράζει χρόνο). E : Χώρος καταστάσεων (τιμές της X (t)). Στόχος: Η κατανόηση της συμπεριφοράς της X (t), t T με απότερο σκοπό την πρόβλεψη και τον έλεγχο της μελλοντικής της συμπεριφοράς = Εύρεση της κατανομής πιθανότητας της {X (t), t T }. Θα ασχοληθούμε με στ. δ. συνεχούς χρόνου με διακριτό χώρο καταστάσεων.

7 Στοιχεία στοχαστικών διαδικασιών Παρέχει πληροφορίες για την αποτίμηση της απόδοσης 1 συστημάτων παροχής εξυπηρέτησης, 2 τηλεπικοινωνιακών δικτύων, 3 δικτύων Η/Υ, 4 στον έλεγχο αποθεμάτων, 5 στον έλεγχο και αντικατάσταση εξαρτημάτων 6 προβλήματα ανάπτυξης πληθυσμού, 7 Προβλήματα οικολογικών αντιπαραθέσεων Διαδικασία εφαρμογής 1 Δεδομένου του δυναμικού συστήματος, όρισε μια στ.δ. που θα περιγράφει επαρκώς το χαρακτηριστικό που μας ενδιαφέρει. 2 Δοθείσης της στ.δ. εξάγουμε αποτελέσματα σχετικά με το σύστημα: 1 Προσομοίωση 2 Με χρήση κατάλληλων μαθηματικών τεχνικών

8 Στοιχεία στοχαστικών διαδικασιών Μαρκοβιανές διαδικασίες: Εστω {X (t), t T } στ.δ. με χώρο καταστάσεων E = {0, 1,...}. {X (t), t T } είναι Μαρκοβιανή αν P(X (t+s) = j X (s) = i, X (u), 0 u < s) = P(X (t+s) = j X (s) = i). Θα είναι χρονικά ομογενής αν-ν P(X (t+s) = j X (s) = i) = P(X (t) = j X (0) = i) = p ij (t), i, j E. Chapman-Kolmogorov εξισώσεις p ij (t + h) = k E p ik(h)p kj (t) p ij (t + h) = k i p ik(h)p kj (t) + p ii (h)p ij (t) p ij (t+h) p ij (t) h = p ik (h) k i h p kj (t) + p ii (h) 1 h p ij (t) h 0 p ij (t) = k i q ikp kj (t) q ii p ij (t) P (t) = P(t) = P(t)Q e Qt, (P(0) = I).

9 Στοιχεία στοχαστικών διαδικασιών Αν t, P (t) = P(t)Q πq = 0 όπου π = (π 0, π 1...), με π 1 = 1. ΒΑΣΙΚΟ ΧΑΡΑΚΤΗΡΙΣΤΙΚΟ Η {X (t)} παραμένει σε μια κατάσταση i για χρονικό διάστημα που ακολουθεί εκθετική κατανομή και ακολούθως, με δεδομένη πιθανότητα, μεταβαίνει σε μια μια άλλη κατάσταση j, j i (q ij ). Q = (q ij ), πίνακας ρυθμών μετάβασης.

10 Διαδικασία Poisson Η απλούστερη Μαρκ. διαδικασία. Διαδικασία απαρίθμησης: Μετρά αριθμό συμβάντων στο (0, t]: Εστω {X (t), t 0}, X (0) = 0. Γεγονότα που συμβαίνουν σε μη-επικαλυπτόμενα χρ. διαστήματα είναι ανεξάρτητα, χρονικά ομογενής προσαυξήσεις P(X (t + h) = n + 1 X (t) = n) = λh + o(h), P(X (t + h) = n X (t) = n) = 1 λh + o(h), P(X (t + h) = n + m X (t) = n) = o(h), m > 1. lim h 0 o(h) h = 0. Θα δείξουμε ότι P(X (t) = j) = p j (t) = e λt (λt)j. j!

11 Διαδικασία Poisson Απο C K, για j > 0 p j (t + h) = p j (t)p(no arrival in (t, t + h)) +p j 1 (t)p(1 arrival in (t, t + h)) = p j (t)(1 λh + o(h)) + p j 1 (t)(λh + 0(h)) p j (t+h) p j (t) h = p j (t)λ + p j 1 (t)λ + o(h) h Για j = 0 p 0 (t + h) = p 0 (t)p(no arrival in (t, t + h)) = p 0 (t)(1 λh + o(h)) p 0 (t+h) p 0 (t) h = p 0 (t)λ + o(h) h

12 Διαδικασία Poisson Αν h 0, dp 0 (t) dt = λp 0 (t), dp j (t) dt = λp j (t) + λp j 1 (t), j > 0. με p 0 (0) = 1, p j (0) = 0, j > 0. Α) Αναδρομική επίλυση του συστήματος δ.ε. Για j = 0 p 0 (t) = p 0 (0)e λt = e λt. Αντικαθιστώ την παραπάνω στην 2η για j = 1 και έχουμε p 1 (t) + λp 1(t) = λe λt p 1 (t) = e λt [p 1 (0) + t 0 λe λx e λx 1 dx] = λte λt. Χρησιμοποιώντας τις παραπάνω και αντικαθιστώντας στην 2η για j = 2: p 2 (t) + λp 2(t) = λ 2 te λt p 2 (t) =... = (λt)2 2 e λt. Ομοίως p j (t) = (λt)j j! e λt.

13 Διαδικασία Poisson Β) Γεννήτριες συναρτήσεις Εστω, G(z, t) = j 0 p j (t)z j, z 1. Εφαρμόζοντας στο σύστημα δ.ε.δ. θα έχουμε, dp 0 (t) dt z 0 = λp 0 (t)z 0, dp j (t) dt z j = λz j p j (t) + λzp j 1 (t)z j 1, j > 0. Αθροίζοντας κατά μέλη Άρα G(z, t) + λ(1 z)g(z, t) = 0. t G(z, t) = G(z, 0) exp[ t 0 λ(1 z) dx] = e λ(z 1) t, (G(z, 0) = 1). 1

14 Διαδικασία Poisson Ομως G(z, t) = e λ(z 1) t = e λt e zλ = j 0 e λt (λt)j z j, j! και επομένως p j (t) = e λt (λt)j. j!

15 Διαδικασίες γεννήσεων-θανάτων Εστω μια CTMC {X (t) t 0} με στατικές πιθανότητες μετάβασης p in (t) = P(X (t + s) = n X (s) = i) = p n (t). Οι αλλαγές των καταστάσεων στο (t, t + h) γίνονται ως εξής: 1 p n,n+1 (h) = λ n h + o(h), 2 p n,n 1 (h) = µ n h + o(h), 3 p n,n (h) = 1 (λ n + µ n )h + o(h), 4 p n,j (h) = o(h), j n, n 1, n + 1.

16 Διαδικασίες γεννήσεων-θανάτων Απο C K για n > 0 p n (t + h) = p n (t)p n,n (h) + p n 1 (t)p n 1,n (h) +p n+1 (t)p n+1,n (h) = p n (t)[1 (λ n + µ n )h + o(h)] +p n 1 (t)[λ n 1 h + o(h)] + p n+1 (t)[µ n+1 h + o(h)] p n(t+h) p n(t) h = p n (t)(λ n + µ n ) + p n 1 (t)λ n 1 +p n+1 (t)µ n+1 + o(h) h. Για n = 0, p 0 (t + h) = p 0 (t)p 0,0 (h) + p 1 (t)p 1,0 (h) = p 0 (t)[1 λ 0 h + o(h)] + p 1 (t)[µ 1 h + o(h)] p 0 (t+h) p 0 (t) h = p 0 (t)λ 0 + p 1 (t)µ 1 + o(h) h,

17 Διαδικασίες γεννήσεων-θανάτων Οταν h 0, έχουμε το ακόλουθο σύστημα διαφορικών εξισώσεων διαφορών: dp 0 (t) dt = λ 0 p 0 (t) + µ 1 p 1 (t), dp n(t) dt = (λ n + µ n )p n (t) + µ n+1 p n+1 (t) + λ n 1 p n 1 (t), n > 0. Οταν t, dpn(t) dt 0, p n (t) π n και άρα, λ 0 π 0 = µ 1 π 1, (λ n + µ n )π n = µ n+1 π n+1 + λ n 1 π n 1, n > 0. Λύνοντας το παραπάνω σύστημα ε.δ. αναδρομικά π 1 = λ 0 µ 1 π 0. Αντικαθιστώντας στην 2η για n = 1... π 2 = λ 1 µ 2 π 1 = λ 0λ 1 µ 1 µ 2 π 0.

18 Διαδικασίες γεννήσεων-θανάτων Συνεχίζοντας, Ομως πρέπει π n = λ 0λ 1...λ n 1 µ 1 µ 2...µ n π 0, n 1. 1 = n π n = π 0 [1 + n 1 λ 0 λ 1...λ n 1 µ 1 µ 2...µ n ]. Αν η σειρά τότε n 1 π 0 = [1 + n 1 λ 0 λ 1...λ n 1 µ 1 µ 2...µ n <, λ 0 λ 1...λ n 1 µ 1 µ 2...µ n ] 1.

19 1 Αφίξεις: Poisson, λ > 0, 2 Εξυπηρετήσεις: exp(µ), µ > 0. 3 Απειρος χώρος αναμονής. 4 Διαδικασίες αφίξεων-εξυπηρετήσεων ανεξαρτητες. 5 Πειθαρχία ουράς: FIFO (First In First Out). Κατανομή του αριθμού των πελατών Εστω {N(t), 0 t < }, στοχαστική διαδικασία που παριστά τον αριθμό των πελατών στο σύστημα την χρονική στιγμή t, με χώρο καταστάσεων E = {0, 1, 2,...}. p n (t) = P(N(t) = n N(0) = 0), n 0. Το σύστημα αλλάζει κατάσταση: 1 όταν έρθει πελάτης, 2 όταν ολοκληρωθεί η εξυπηρέτηση ενός πελάτη και αυτόω αναχωρήσει.

20 Προφανώς η {N(t), 0 t < } είναι Μαρκοβιανή και χρονικά ομογενής (Γιατί;). Ομως p 0 (0) = 1 (p n (0) = 0, n = 1, 2,...). Ενδιαφερόμαστε για αλλαγές των καταστάσεων στο χρονικό διάστημα (t, t + dt) (Chapman-Kolmogorov). Λόγω των ιδιοτήτων της διαδικασίας Poisson και της εκθετικής κατανομής θα έχουμε τις ακόλουθες μεταβάσεις στο (t, t + dt): 1 P(1 άφιξη στο (t, t + dt)) = λdt + o(dt), 2 P(καμία άφιξη στο (t, t + dt)) = 1 λdt + o(dt), 3 P(περισσότερες από μια αφίξεις στο (t, t + dt)) = o(dt). 1 P(1 αναχώρηση στο (t, t + dt)) = µdt + o(dt), 2 P(καμία αναχώρηση στο (t, t + dt)) = 1 µdt + o(dt), 3 P(περισσότερες από μια αναχωρήσεις στο (t, t + dt)) = o(dt). lim dt 0 o(dt) dt = 0.

21 Chapman-Kolmogorov Εξισώσεις: 1 n > 0 p n (t + dt) = p n (t)p n,n (dt) + p n 1 (t)p n 1,n (dt) +p n+1 (t)p n+1,n (dt) = p n (t)[1 (λ + µ)dt + o(dt)] +p n 1 (t)[λdt + o(dt)] + p n+1 (t)[µdt + o(dt)] p n(t+dt) p n(t) dt = p n (t)(λ + µ) + p n 1 (t)λ + p n+1 (t)µ + o(dt) dt 2 n = 0 p 0 (t + dt) = p 0 (t)p 0,0 (dt) + p 1 (t)p 1,0 (dt) = p 0 (t)[1 λdt + o(dt)] + p 1 (t)[µdt + o(dt)] p 0 (t+dt) p 0 (t) dt = p 0 (t)λ + p 1 (t)µ + o(dt) dt.

22 Οταν dt 0, έχουμε το ακόλουθο σύστημα διαφορικών εξισώσεων διαφορών: dp 0 (t) dt = λp 0 (t) + µp 1 (t), dp n(t) dt = (λ + µ)p n (t) + µp n+1 (t) + λp n 1 (t), n > 0. 1 Difference-equation method. 2 z-transform method. Το M/M/1 είναι ειδική περίπτωση διαδικασίας γεννήσεων-θανάτων με λ n = λ, n 0, µ n = µ, n 1.

23 Χρονικά εξαρτημένη συμπεριφορά Difference-equation method Εστω π n (s) = L(p n (t)) = 0 e st p n (t)dt, Re(s) > 0. Χρησιμοποιώντας την ιδιότητα έχουμε L( dp n(t) ) = sl(p n (t)) p n (0), dt (s + λ)π 0 (s) = 1 + µπ 1 (s), (s + λ + µ)π n (s) = µπ n+1 (s) + λπ n 1 (s), n > 0. (1) Η δευτερη είναι εξίσωση διαφορών 2ης τάξης με γενική λύση π n (s) = Ax + (s) n + Bx (s) n, n 1, όπου A, B σταθερές και x ± (s) οι λυσεις της χαρακτηριστική εξίσωσης, µx 2 (s + λ + µ)x + λ = 0,

24 Χρονικά εξαρτημένη συμπεριφορά όπου x ± (s) = (s+λ+µ)± (s+λ+µ) 2 4λµ 2µ, x + (s) + x (s) = s+λ+µ µ, x + (s)x (s) = λ µ, x +(s) > x (s). Θεώρημα 1 (Θεωρημα Rouché) Αν f (x), g(x) είναι αναλυτικές συναρτήσεις μέσα και πάνω σε μια κλειστή καμπύλη C, και αν g(x) < f (x), x C, τότε η f (x) και η f (x) + g(x) έχουν τον ίδιο αριθμό ριζών εντός της C. Στην περίπτωση μας θεωρούμε ως C, τον μοναδιαίο κύκλο x = 1, f (x) = (s + λ + µ)x, g(x) = λ + µx 2, Re(s) > 0. Τότε, f (x) = (s + λ + µ)x = s + λ + µ λ + µ = λ + µ λ + µx 2 = g(x).

25 Χρονικά εξαρτημένη συμπεριφορά Επομένως η χαρακτηριστική εξίσωση f (x) + g(x) = µx 2 (s + λ + µ)x + λ = 0, έχει ακριβώς μια ρίζα εντός του μοναδιαίου κύκλου C. Δηλ. x (s) < 1 < x + (s). Ομως p n (t) = 1 n=0 π n (s) = 1/s, Re(s) > 0. n=0 Αρα π n (s) = (Ax + (s) n + Bx (s) n ) πρέπει να συγκλίνει και μιας και x + (s) > 1, A = 0 και π n (s) = Bx (s) n.

26 Χρονικά εξαρτημένη συμπεριφορά Χρησιμοποιώντας την 1 s = π n (s) = B x (s) n B = 1 x (s) B = 1 x (s). s n=0 Επομένως n=0 π n (s) = (1 x (s))x (s) n, n 0, Re(s) > 0. (2) s Ομως p n (t) = L 1 (π n (s)). Γνωρίζουμε ότι (x + (s) 1)(1 x (s)) = x + (s) + x (s) x + (s)x (s) + 1 = s µ 1 x (s) = s µ(x +(s) 1). Άρα, μιας και x + (s)x (s) = λ µ = ρ, π n (s) = x (s) n µ(x + (s) 1) = ρ n /µ ρn (x + (s) 1)x+ n = (s) µ m=0 1 x + (s) m+n+1. (3)

27 Χρονικά εξαρτημένη συμπεριφορά Είναι γνωστό ότι όπου L(e (λ+µ)t n t (2 λµ) n I n (2t λµ)) = 1 x n, x = s + λ + µ + (s + λ + µ) 2 4λµ και I n (s) η modified συνάρτηση Bessel n-τύπου, I n (s) = m=0 (s/2) n+2m m!(m + n)!, και η αντιστροφή της π n (s) δίνεται από p n (t) = ρn e (λ+µ)t µt (m + n + 1)ρ (m+n+1)/2 I m+n+1 (2t λµ). m=0

28 Χρονικά εξαρτημένη συμπεριφορά The z-transform method Εστω για z < 1, Re(s) > 0 P(z, t) = n=0 p n(t)z n, Π(z, s) = 0 e st P(z, t)dt. Χρησιμοποιώντας το συστημα διαφορικών εξισώσεων διαφορών, dp n(t) n 0 dt z n = (λ + µ) n=0 p n(t) + µp 0 (t) +λz n=1 p n 1(t)z n 1 + µ P(z,t) t = (λ + µ)p(z, t) + µp 0 (t) + λzp(z, t) + µ z (P(z, t) p 0(t)) n=0 p n+1(t)z n z P(z,t) t = (λz 2 (λ + µ)z + µ)p(z, t) µ(1 z)p 0 (t). Εφαρμόζοντας Laplace transform στην παραπάνω εξίσωση ) = sπ(z, s) P(z, 0)) καταλήγουμε στην, (L( P(z,t) t Π(z, s) = µ(1 z)π 0(s) zp(z, 0) λz 2 (s + λ + µ)z + µ.

29 Χρονικά εξαρτημένη συμπεριφορά Δυο άγνωστοι: π 0 (s) και P(z, 0). Αφου p 0 (0) = 1, τότε P(z, 0) = 1 και Π(z, s) = µ(1 z)π 0 (s) z λz 2 (s + λ + µ)z + µ. Απο θεώρημα Rouché, ο παρονομαστής έχει 2 ρίζες, z 1 (s), z 2 (s) με z 1 (s) = 1 x, z +(s) 2(s) = 1 x (s). Άρα, z 1 (s) < 1 < z 2 (s). Η P(z, s) είναι αναλυτική εντός του μοναδιαίου κύκλου και επομένως η μόνη ρίζα του παρονομαστή (εντός του z < 1) θα είναι και ρίζα του αριθμητή. Άρα, π 0 (s) = z 1 (s) µ(1 z 1 (s)).

30 Χρονικά εξαρτημένη συμπεριφορά Τότε, Π(z, s) = = 1 x + (s) z λ(z 1 x + (s) )(z 1 x (s) )(1 1 x + (s) ) x +(s)x (s) λ(x +(s) 1)(1 zx (s)) = x+(s)x (s) λ(x +(s) 1) n=0 (zx (s)) n = x+(s)x (s)(1 x (s)) λ(x +(s) 1)(1 x (s)) n=0 (zx (s)) n (since (x + (s) 1)(1 x (s)) = s µ ) n=0 (zx (s)) n = x+(s)x (s)(1 x (s)) λ s µ = (1 x (s)) s n=0 (zx (s)) n (since x + (s)x (s) = λ µ ) = (1 x (s))x (s) n n=0 s z n, και επομένως π n (s) = (1 x (s))x (s) n. s

31 Οριακή συμπεριφορά Εστω οτι t. Ενδιαφερόμαστε για Α) Γνωρίζουμε ότι, π n = lim t p n (t). Ομως π n = lim t p n (t) = lim s 0 sπ n (s) = lim s 0 (1 x (s))x (s) n. lim s 0 x (s) = = s+λ+µ (s+λ+µ) lim 2 4λµ { s 0 2µ ρ, λ < µ, 1, λ µ. dp Β) (Αναδρομική επίλυση) Μιας και lim n(t) t dt έχουμε λπ 0 = µπ 1, (λ + µ)π n = µπ n+1 + λπ n 1, n > 0. = 0 θα

32 Οριακή συμπεριφορά Λύνοντας την πρώτη έξουμε π 1 = λ µ π 0. Θέτοντας n = 1 στην 2η και χρησιμοποιώντας την παραπάνω, Ομοίως Ομως π 2 = λ µ π 1 = ( λ µ )2 π 0 = ρ 2 π 0. π n = λ µ π n 1 =... = ( λ µ )n π 0 = ρ n π 0, n 0. π n = 1 1 = π 0 ρ n. n 0 n 0 Πρέπει ρ < 1 για να συγκλίνει η σειρά. Άρα όταν ρ < 1 (συνθήκη στατιστικής ισορροπίας) 1 = π ρ π 0 = 1 ρ π n = (1 ρ)ρ n.

33 Οριακή συμπεριφορά Γ) (Direct approach) λπ 0 = µπ 1, (λ + µ)π n = µπ n+1 + λπ n 1, n > 0. Η 2η είναι εξίσωση διαφορών 2ης τάξης με σταθερούς συντελεστές. Η γενική της λύση είναι π n = c 1 x n 1 + c 2 x n 2, n = 0, 1, 2,... όπου x 1, x 2 είναι ρίζες της χαρακτηριστικής εξίσωσης µx 2 (λ + µ) + λ = 0, και έξει 2 λύσεις x 1 = 1, x 2 = λ/µ = ρ. Άρα π n = c 1 + c 2 ρ n, n = 0, 1, 2,... Προσδιορισμός c 1, c 2 : Απο την 1η, λ(c 1 + c 2 ) = µ(c 1 + c 2 ρ) c 1 = c 1 ρ c 1 = 0.

34 Οριακή συμπεριφορά Άρα π n = c 2 ρ n και αφού n π n = 1 c 2 ρ n 1 = 1 c 2 1 ρ = 1 c 2 = 1 ρ π n = (1 ρ)ρ n. n Δ) (Generating function approach) Εστω Π(z) = n 0 π nz n, z < 1. λπ 0 z 0 = µπ 1 z 0, (λ + µ)π n z n = µπ n+1 z n + λπ n 1 z n, n > 0. Αθροίζοντας κατ ά μέλη καταλήγουμε στην Π(z)[(z 1)(1 ρz)] = π 0 (z 1) Π(z) = π 0 1 zρ. Ομως Π(1) = 1 και επομέμως π 0 = 1 ρ. Άρα Π(z) = 1 ρ 1 zρ = (1 ρ) n Επομένως π n = (1 ρ)ρ n, ρ n z n = n (1 ρ)ρ n z n.

35 Μέτρα απόδοσης 1 Αναμενόμενος αριθμός πελατών στο σύστημα. E(N) = nπ n = d dz Π(z) ρ z=1 = (1 ρ) (1 ρ) 2 = ρ 1 ρ. n (4) 2 Αναμενόμενος αριθμός πελατών στην ουρά: έστω π 0 = π 0 + π 1, π n = π n E(N q ) = n n π n =... = ρ2 1 ρ. (5) 3 Αναμενόμενος χρόνος αναμονής ενός πελάτη στο σύστημα: Από νόμο του Little E(W ) = E(N) λ = 1 µ(1 ρ). (6)

36 Περίοδος συνεχούς απασχόλησης υπαλλήλου Ορισμός: Η χρονική περίοδος (BP : busy period) από την στιγμή που το σύστημα ήταν άδειο και ένας πέλάτης φθάνει, μέχρι τη στιγμή που το σύστημα μένει άδειο πάλι για πρώτη φορά. C n: Ο χρόνος μέχρι να αδειάσει το σύστημα όταν υπάρχουν n πελάτες. Άρα BP = C 1. Ψαχνω την κατανομή της C 1, c 1 (t). Τότε για n > 0 C n = X + { Cn+1, with prob. λ C n 1, with prob. λ+µ, µ λ+µ, με X Χρόνος παραμονής στην κατάσταση n και X exp(λ + µ). Αν c n(s) = 0 e st c n (t)dt, f X (s) = 0 e st f X (t)dt = λ + µ s + λ + µ.

37 Περίοδος συνεχούς απασχόλησης υπαλλήλου Απο ιδιότητες Laplace μετασχηματισμών c n(s) = λ+µ s+λ+µ [ λ λ+µ c n+1 (s) + µ λ+µ c n 1 (s)] (s + λ + µ)c n(s) = λc n+1 (s) + µc n 1 (s). με γενική λύση c n(s) = d 1 x n 1 (s) + d 2 x n 2 (s), όπου τα x 1,2 (s) με x 1 (s) 1 < x 2 (s), λύσεις της λx 2 (s + λ + µ)x + µ = 0. Αφού 0 cn(s) 1 πρέπει d 2 = 0. Επιπλέον μιας και C 0 = 0, τότε c0 (s) = 1. Επομένως c n(s) = x1 n (s). Άρα, c 1 (s) = x 1(s) = s+λ+µ (s+λ+µ) 2 4λµ 2λ, E(BP) = d ds c 1 (s) s=0 = 1 µ(1 ρ).

38 Περίοδος συνεχούς απασχόλησης υπαλλήλου Αντιστρέφοντας τον c1 (s) θα έχουμε την κατανομή του χρόνου συνεχούς απασχόλησης f BP (t) = 1 t ρ e (λ+µ)t I 1 (2t λµ), t > 0, όπου I 1 η modified συνάρτηση Bessel 1ου τύπου, I 1 (s) = m=0 (s/2) 1+2m m!(m + 1)!.

39 Συστήματα επαναλαμβανόμενων αφίξεων: Εφαρμογές σε μοντελοποίηση τηλεφωνικών κέντρων, δικτύων Η/Υ, ασύρματων δικτύων... Αφίξεις: Poisson(λ), Εξυπηρετήσεις: exp(ν), Επαναλαμβανόμενες αφίξεις: exp(µ). N(t) : Αριθμός πελατών στο retrial box την χ.στ. t. C(t) : Κατάσταση του server την χ.στ. t. Η {(C(t), N(t)), t 0} Μαρκοβιανή διαδικασία, E = {0, 1} {0, 1, 2,...}. p i,n = lim t P(C(t) = i, N(t) = n). Εξισώσεις Ισορροπίας: p 0,n (λ + nµ) = νp 1,n, p 1,n (λ + ν) = λp 0,n + (n + 1)µp 0,n+1 + λp 1,n 1. Πως θα λυθεί το παραπάνω σύστημα εξισώσων διαφορών;

40 Εστω P 0 (z) = n 0 p 0,n z n, P 1 (z) = n 0 p 1,n z n. Τότε θα έχουμε P 0 (z)λ + P 0 (z)µz = P 1 (z)(λ λz + ν) = νp 1(z), λp 0 (z) + µp 0 (z). Λύνοντας την 2η ως προς P 1 (z) και αντικαθιστώντας στην 1η θα έχουμε την ακόλουθη δ.ε. (χωριζομένων μεταβλητών) P 0 (z) = λρ µ(1 ρz) P 0(z). Άρα, P 0 (z) = const. µ(1 ρz) λ µ

41 Αντικαθιστώντας στην 1η, P 1 (z) = P 0 (z)ρ + P 0 = ρ const µ(1 ρz) λ µ +1. (z) µz ν = P 0(z)ρ + P 0 (z) ρ2 z 1 ρz = P 0(z)ρ 1 ρz const? n 0 (p 0,n + p 1,n ) = P 0 (1) + P 1 (1) = 1 const µ(1 ρ) λ µ const = [1 + ρ 1 ρ ] = 1 const µ(1 ρ) λ µ +1.