排队论学习笔记

排队论学习笔记

概述

排队论:又称随机服务系统理论,是通过对服务对象的到来及服务时间的统计研究得出这些数量指标(等待时间,排队长度,忙期长短等)的统计规律

根据这些规律来改进服务系统的结构或重新组织被服务对象,使得服务系统既能满足服务对象的需要,又能使机构的费用最经济或某些指标最优

它是数学运筹学的分支学科,也是研究服务系统中排队现象随机规律的学科。广泛应用于计算机网络,生产,运输,库存等各项资源共享的随机服务系统。

排队系统一般有三个基本组成部分: 1.输入过程 2.排队规则 3.服务机构

排队论学习笔记_第1张图片

 输入过程

情况一:顾客源有限还是无限

情况二:顾客是成批到达还是单个

情况三:顾客到达时间间隔是随机还是确定

情况四:顾客到达是相互独立还是关联

情况五:顾客相继到达的间隔时间分布和参数(均值,方差)与时间是否有关

排队规则

损失制:顾客到达排队系统时,若所有的服务台已被占用则该顾客离开

等待制:顾客到达系统时,所有服务台都不空闲,顾客排队等待

混合制:损失制与等待制相结合的一种服务规则,一般指允许排队但又不允许队列无限长下去

闭合制:顾客对象与服务对象相同且固定

等待制中,服务台在选择顾客进行服务时,常有如下四种规则:

先到先服务(FCFS):按照顾客到达的先后顺序对顾客进行服务,这是最普遍的情况。

后到先服务(LCFS):例如仓库中迭放的钢材,后迭放的都是先领走的。

随机服务(RAND):当服务台空闲时,不按照排队序列而随意指定某个顾客去接受服务,如电话交换台接通呼叫电话。

优先权服务(PR):如老人,儿童先进车站;危重病员先就诊。

服务机构

服务台数量及构成形式:单队——单服务台; 单队——多服务台并联式;单队——多服务台串联式; 单队——多服务台串并联混合式; 多队——多服务台并联式; 多队——多服务台串并联混合式

服务方式:指在某一时刻接受服务的顾客数,包括单批服务(银行柜台)和成批服务(公交车)

服务时间分布:顾客接受服务的时间服从什么样的概率分布如定长分布、负指数分布等

排队论模型

为区分各种排队系统,根据输入过程,排队规则和服务机制的变化对排队模型进行描述和分类,描述格式为:X/Y/Z/A/B/C

X:表示顾客相继到达间隔时间分布(M(泊松过程),D(定长输入),E(k阶爱尔朗分布),GI(一般相互独立的随机分布),G(一般的随机分布))

Y:表示服务时间分布(分布同X)

Z:表示服务台个数(1表示单个服务台,S(S>1)表示多个服务台)

A:表示系统中顾客容量限额(k=0时,不允许等待,为损失制;k=\infty时,为等待制;k为有限整数时,为混合制系统)

B:表示顾客源限额(有限,无限(\infty))

C:表示服务规则(FCFS,LCFS,RAND,PR)

排队系统的数量指标

数量指标

符号

含义

队长

L_s

系统中的平均顾客数

等待队长

L_q

系统中处于等待的顾客的数量

平均逗留时间

W_s

顾客进入系统到离开系统这段时间

平均等待时间

W_q

顾客进入系统到接受服务这段时间

平均到达率

\lambda

单位时间内平均到达的顾客数

平均服务率

\mu

单位时间内受到服务的顾客平均数

单个服务台的服务强度

\rho

每个服务台在单位时间内的平均负荷

泊松分布:

P\{X(t)=k\}=\frac{(\lambda t)^{k} \cdot e^{-\lambda t}}{k !}

表示在[0,t]时间内到达的顾客数量X(t)为k时的概率

单位时间内到达的顾客数为\lambda,在[0,t]内到达的顾客平均数为\lambda t

负指数分布:

f(t)=\left\{\begin{array}{c} \mu e^{-\mu t} t>0 \\ 0 \end{array}\right.

每个顾客接受服务的平均时间为\frac{1}{\mu }

生灭过程

生灭过程是一种马尔可夫过程。在排队论中很多过程和这个过程相仿。我们特别关心生灭过程在统计平衡时反映出来的稳态概率,并直接把这种稳态概率应用于建立各种排队模型。

设N(t)表示在t时刻系统中顾客数,若N(t)的概率分布具有如下性质:
(1)假设N(t)=n, 从时刻t起到下一个顾客到达时刻值止的时间服从参数为\lambda_n的负指数分布,n=0,1,2,3...
(2)假设N(t)=n, 从时刻t起到下一个顾客离去时刻值止的时间服从参数为\mu_n的负指数分布,n=0,1,2.,3..
(3)同-时刻只有一个顾客到达或离去则称{N(t),t≥0}为一个生灭过程。

其中:

\large \left\{\begin{array}{c} p_{n}=\left(\frac{\lambda_{n-1} \lambda_{n-2} \cdots \lambda_{0}}{\mu_{n} \mu_{n-1} \ldots \mu_{1}}\right) p_{0} \\ p_{0}=\frac{1}{1+\sum_{n=1}^{\infty} C_{n}} \end{array}\right.

eg:某小型超市有一个收款台,付款顾客以每小时30人的负指数分布到达。当收款台前只有一名顾客时,有一名收款员单独服务,收款时间为平均1.5min的负指数分布;当有2名或以上顾客时,将加一名助手为顾客服务,收款时间将缩短至平均1min的负指数分布,求收款台前有n个顾客的概率\large p_n

解:单位时间为一小时,所以:

\large \begin{array}{l} \lambda_{0}=\lambda_{1}=\lambda_{2}=\ldots \ldots \lambda_{n}=30 persons / \mathrm{h} \quad \mu_{1}=\frac{60}{1.5}=40 persons / \mathrm{h} \\\\\mu_{2}=\mu_{2}=\ldots \ldots \mu_{n}=\frac{60}{1}=60 persons/ \mathrm{h} \\\\ C_{n}=\frac{\lambda_{n-1} \lambda_{n-2} \ldots \lambda_{0}}{\mu_{n} \mu_{n-1 . \ldots} \mu_{1}}=\frac{30^{n}}{(40)(60)^{n-1}}=\frac{3}{4}\left(\frac{1}{2}\right)^{n-1} n=1,2, \ldots \ldots \\ \\p_{0}=\frac{1}{1+\sum_{n=1}^{\infty} C_{n}}=\frac{1}{1+\sum_{n=1}^{\infty} \frac{3}{4}( \frac{1}{2})^{ n-1}}=\frac{2}{5} \quad p_{n}=\frac{3}{4}\left(\frac{1}{2}\right)^{n-1} \frac{2}{5}=\frac{3}{5}\left(\frac{1}{2}\right)^{n} \end{array}

M/M/S模型

\small \rho =\frac{\lambda }{\mu } (p表示系统处于忙期的概率) ,当s= 1时,即系统内只有一个服务台,此时稳定状态下系统有n个顾客的概率为:

\large p_{n}=(1-\rho) \rho^{n} \quad n=0,1,2,3 \ldots

系统中没有顾客的概率为:

\large p_0=1-{\rho}=1-\frac{\lambda}{\mu}

系统中顾客的平均队长为:

\large L_{\mathrm{s}}=\sum_{n=0}^{\infty} n \cdot p_{n}=\frac{\rho}{1-\rho}=\frac{\lambda}{\mu-\lambda}

系统中顾客的平均等待队长为;

\large L_{\mathrm{q}}=\sum_{n=1}^{\infty}(n-1) \cdot p_{n}=\frac{\rho^{2}}{1-\rho}=\frac{\lambda^{2}}{\mu(\mu-\lambda)}

李特尔公式:

\large \begin{array}{ll} L_{s}=\lambda W_{s} & L_{q}=\lambda W_{q} \\ W_{s}=\frac{L_{s}}{\lambda} & W_{q}=\frac{L_{q}}{\lambda} \end{array}

由上述推导可以得出:

\large \begin{aligned} W_{s} &=W_{q}+\frac{1}{\mu} \\ L_{s} &=L_{q}+\frac{\lambda}{\mu} \end{aligned}

L_s=\lambda W_s表明排队系统的队长等于一个顾客 平均逗留时间内到达的顾客数

L_q=\lambda W_q表明排队系统的等待队长等于一个顾客 平均等待时间内到达的顾客数
 

系统中顾客的平均逗留时间为:

\large W_s=\frac{1}{\mu -\lambda}

系统中顾客的平均等待时间为:

\large W_{q}=\frac{1}{\mu-\lambda}-\frac{1}{\mu}=\frac{\lambda}{\mu(\mu-\lambda)}

当系统有多个服务台,即S>1时:

系统的服务能力为s\mu,服务强度为\small \rho_s=\frac{\lambda}{s\mu}

系统中顾客的平均等待队长为:

\large L_{q}=\sum_{n=s+1}^{\infty}(n-s) p_{n}=\frac{p_{0} \rho^{s} \rho_{s}}{s !\left(1-\rho_{s}\right)^{2}}

其中\small p_{0}=\left[\sum_{n=0}^{s-1} \frac{\rho^{n}}{n !}+\frac{\rho^{s}}{s !\left(1-\rho_{s}\right)}\right]^{-1}为所有服务台空闲的概率

n\geqslant S时,即系统中的顾客数大于等于服务台个数时,再到的顾客必须等待,其等待的概率为:

\large c(s, \rho)=\sum_{n=s}^{\infty} p_{n}=\frac{\rho^{s}}{s !\left(1-\rho_{s}\right)} p_{0}

该公式称为等待公式。

系统的平均队长:

\large L_{s}=L_{q}+\rho=\frac{p_{0} \rho^{s} \rho_{s}}{s !\left(1-\rho_{s}\right)^{2}}+\rho

对于顾客在系统中的逗留时间与队列中的平均逗留时间可由little公式求出:

eg:某火车站售票处有三个窗口,同时售各车次的车票。顾客到达服从泊松分布,平均每分钟到达A = 0.9 (人) ,服务时间服从负指数分布,平均服务率μ= 24 (人/h) ,分两种情况:                                  (1)顾客排成一-队,依次购票; (M/M/3/∞/∞)                                                                                    (2)顾客在每个窗口排一队,不准串队。(M/M/1/∞/ ∞三个系统并联)

求:(1)售票处空闲的概率                                                                                                                  (2)平均队长和平均等待队长                                                                                                            (3)平均等待时间和逗留时间                                                                                                            (4)顾客必须等待的概率

解:根据已知,平均到达率每分钟\lambda =0.9人,平均服务率每分钟\mu =0.4人,窗口数s=3 ,单窗口服务强度\rho=2.25,多窗口服务强度\rho_s=\frac{2.25}{3}=0.75<1,代入公式可得:

(1)整个售票处空闲的概率:

\begin{align*} p_{0}&=\left[\sum_{n=0}^{s-1} \frac{\rho^{n}}{n !}+\frac{\rho^{s}}{s !\left(1-\rho_{s}\right)}\right]^{-1}=\frac{1}{\frac{(2.25)^{0}}{0 !}+\frac{(2.25)^{1}}{1 !}+\frac{(2.25)^{2}}{2 !}+\frac{(2.25)^{3}}{3 !} \frac{1}{\left(1-\frac{2.25}{3}\right)}}\\ &=0.0748 \end{align*}

(2)平均等待队长:

L_{q}=\frac{p_{0} \rho^{s} \rho_{s}}{s !\left(1-\rho_{s}\right)^{2}}=\frac{(2.25)^{3} * 3 / 4}{3 !(1 / 4)^{2}} * 0.0748=1.70 \text { (persons) }

          平均队长:

L_s=L_q+\rho=3.95(persons)

(3)平均等待时间:

W_q=\frac{L_q}{\lambda}=1.70/0.9=1.89(minutes)

         平均逗留时间:

W_s=W_q+\frac{1}{\mu}=1.89+1/0.4=4.39(minutes)

(4)顾客到达后必须等待的概率:

\mathrm{P}(\mathrm{n} \geq 3)=\frac{\rho^{s}}{s !\left(1-\rho_{s}\right)} p_{0}=\frac{(2.25)^{3}}{3 ! 1 / 4} *0.0748=0.57


 

 

你可能感兴趣的:(数学建模,数学建模)