![]() |
|
сделать стартовой | добавить в избранное |
![]() |
Система массового обслуживания с ограниченным временем ожидания |
Федеральное агентство по образованию РФ ФГОУ СПО «Перевозский строительный колледж»Курсовая работа по дисциплине «Математические методы» на тему «СМО с ограниченным временем ожидания. Замкнутые СМО»Перевоз 2008 Содержание Введение3 1. Основы теории массового обслуживания4 1.1 Понятие случайного процесса4 1.2 Марковский случайный процесс5 1.3 Потоки событий7 1.4 Уравнения Колмогорова для вероятностей состояний. Финальные вероятности состояний9 1.5 Задачи теории массового обслуживания13 1.6 Классификация систем массового обслуживания15 2. Системы массового обслуживания с ожиданием17 2.1 Одноканальная СМО с ожиданием17 2.2 Многоканальная СМО с ожиданием24 3. Замкнутые СМО33 Решение задачи41 Заключение45 Список литературы46 Введение В данном курсе мы будем рассматривать различные системы массового обслуживания (СМО) и сети массового обслуживания (СеМО). Под системой массового обслуживания (СМО) понимают динамическую систему, предназначенную для эффективного обслуживания потока заявок (требований на обслуживание) при ограничениях на ресурсы системы. Модели СМО удобны для описания отдельных подсистем современных вычислительных систем, таких как подсистема процессор - основная память, канал ввода-вывода и т. д. Вычислительная система в целом представляет собой совокупность взаимосвязанных подсистем, взаимодействие которых носит вероятностный характер. Заявка на решение некоторой задачи, поступающая в вычислительную систему, проходит последовательность этапов счета, обращения к внешним запоминающим устройствам и устройствам ввода-вывода. После выполнения некоторой последовательности таких этапов, число и продолжительность которых зависит от трудоемкости программы, заявка считается обслуженной и покидает вычислительную систему. Таким образом, вычислительную систему в целом можно представлять совокупностью СМО, каждая из которых отображает процесс функционирования отдельного устройства или группы однотипных устройств, входящих в состав системы. Совокупность взаимосвязанных СМО называется сетью массового обслуживания (стохастической сетью). Для начала мы рассмотрим основы теории СМО, затем перейдем к ознакомлению в подробном содержании к СМО с ожиданием и замкнутым СМО. Также в курс включена практическая часть, в которой мы подробно познакомимся с тем, как применить теорию на практике. 1. Основы теории массового обслуживания Теория массового обслуживания составляет один из разделов теории вероятностей. В этой теории рассматриваются вероятностные задачи и математические модели (до этого нами рассматривались детерминированные математические модели). Напомним, что: Детерминированная математическая модель отражает поведение объекта (системы, процесса) с позиций полной определенности в настоящем и будущем. Вероятностная математическая модель учитывает влияние случайных факторов на поведение объекта (системы, процесса) и, следовательно, оценивает будущее с позиций вероятности тех или иных событий. Т.е. здесь как, например, в теории игр задачи рассматриваются в условияхнеопределенности. Рассмотрим сначала некоторые понятия, которые характеризуют «стохастическую неопределенность», когда неопределенные факторы, входящие в задачу, представляют собой случайные величины (или случайные функции), вероятностные характеристики которых либо известны, либо могут быть получены из опыта.
Такую неопределенность называют еще «благоприятной», «доброкачественной». 1.1 Понятие случайного процесса Строго говоря, случайные возмущения присущи любому процессу. Проще привести примеры случайного, чем «неслучайного» процесса. Даже, например, процесс хода часов (вроде бы это строгая выверенная работа – «работает как часы») подвержен случайным изменениям (уход вперед, отставание, остановка). Но до тех пор, пока эти возмущения несущественны, мало влияют на интересующие нас параметры, мы можем ими пренебречь и рассматривать процесс как детерминированный, неслучайный. Пусть имеется некоторая система S (техническое устройство, группа таких устройств, технологическая система – станок, участок, цех, предприятие, отрасль промышленности и т.д.). В системе S протекает случайный процесс, если она с течением времени меняет свое состояние (переходит из одного состояния в другое), причем, заранее неизвестным случайным образом. Примеры: 1. Система S – технологическая система (участок станков). Станки время от времени выходят из строя и ремонтируются. Процесс, протекающий в этой системе, случаен. 2. Система S – самолет, совершающий рейс на заданной высоте по определенному маршруту. Возмущающие факторы – метеоусловия, ошибки экипажа и т.д., последствия – «болтанка», нарушение графика полетов и т.д. 1.2 Марковский случайный процесс Случайный процесс, протекающий в системе, называется Марковским, если для любого момента времени 0 вероятностные характеристики процесса в будущем зависят только от его состояния в данный момент 0 и не зависят от того, когда и как система пришла в это состояние. Пусть в настоящий момент 0 система находится в определенном состоянии S0. Мы знаем характеристики состояния системы в настоящем и все, что было при &l ; 0 (предысторию процесса). Можем ли мы предугадать (предсказать) будущее, т.е. что будет при &g ; 0? В точности – нет, но какие-то вероятностные характеристики процесса в будущем найти можно. Например, вероятность того, что через некоторое время система S окажется в состоянии S1 или останется в состоянии S0 и т.д. Пример. Система S – группа самолетов, участвующих в воздушном бою. Пусть x – количество «красных» самолетов, y – количество «синих» самолетов. К моменту времени 0 количество сохранившихся (не сбитых) самолетов соответственно – x0, y0. Нас интересует вероятность того, что в момент времени численный перевес будет на стороне «красных». Эта вероятность зависит от того, в каком состоянии находилась система в момент времени 0, а не от того, когда и в какой последовательности погибали сбитые до момента 0 самолеты. На практике Марковские процессы в чистом виде обычно не встречаются. Но имеются процессы, для которых влиянием «предыстории» можно пренебречь. И при изучении таких процессов можно применять Марковские модели (в теории массового обслуживания рассматриваются и не Марковские системы массового обслуживания, но математический аппарат, их описывающий, гораздо сложнее). В исследовании операций большое значение имеют Марковские случайные процессы с дискретными состояниями и непрерывным временем.
Процесс называется процессом с дискретным состоянием, если его возможные состояния S1, S2, можно заранее определить, и переход системы из состояния в состояние происходит «скачком», практически мгновенно. Процесс называется процессом с непрерывным временем, если моменты возможных переходов из состояния в состояние не фиксированы заранее, а неопределенны, случайны и могут произойти в любой момент. Далее рассматриваются только процессы с дискретным состоянием и непрерывным временем. Пример. Технологическая система (участок) S состоит из двух станков, каждый из которых в случайный момент времени может выйти из строя (отказать), после чего мгновенно начинается ремонт узла, тоже продолжающийся заранее неизвестное, случайное время. Возможны следующие состояния системы: S0 - оба станка исправны; S1 - первый станок ремонтируется, второй исправен; S2 - второй станок ремонтируется, первый исправен; S3 - оба станка ремонтируются. Переходы системы S из состояния в состояние происходят практически мгновенно, в случайные моменты выхода из строя того или иного станка или окончания ремонта. При анализе случайных процессов с дискретными состояниями удобно пользоваться геометрической схемой – графом состояний. Вершины графа – состояния системы. Дуги графа – возможные переходы из состояния в состояние. Для нашего примера граф состояний приведен на рис. 1. Рис. 1. Граф состояний системы Примечание. Переход из состояния S0 в S3 на рисунке не обозначен, т.к. предполагается, что станки выходят из строя независимо друг от друга. Вероятностью одновременного выхода из строя обоих станков мы пренебрегаем. 1.3 Потоки событий Поток событий – последовательность однородных событий, следующих одно за другим в какие-то случайные моменты времени. В предыдущем примере – это поток отказов и поток восстановлений. Другие примеры: поток вызовов на телефонной станции, поток покупателей в магазине и т.д. Поток событий можно наглядно изобразить рядом точек на оси времени O – рис. 2. Рис. 2. Изображение потока событий на оси времени Положение каждой точки случайно, и здесь изображена лишь какая-то одна реализация потока. 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.
Сильно разрекламированная (очень смешно было спрашивать у девчушек-рекламщиц, а можно ли будет взять назад эти деньги?). А вот дед с бабкой купились. Отнесли сбережения. Фирма лопнула. Бабку хватил летальный инфаркт; дед после инсульта бродит, приволакивая ногу, и жалуется. Будет ли впредь штраф удерживать лихих финансистов от того, чтобы убить такую вот (не слишком умную) бабку? Или штраф в качестве наказание окажется ПОЛОЖИТЕЛЬНОЙ обратной связью Вот ещё одно кибернетическое понятие: насыщение системы массового обслуживания. Сегодня не надо приводить пример с парикмахерской. Все знакомы с DDoS-атаками, эксплуатирующими этот эффект, состоящий в том, что при достаточно большом числе запросов на обслуживание система перестает на них реагировать. Так вот, российская преступность успешно эксплуатирует его. Успешно, хотя вряд ли знакома с этим понятием. Вот ещё пример: откинувшийся с восьмой отсидки преступник в один день убивает продавщицу, забрав у нее двести рублей зарплаты, а на следующий день школьницу (тут добыча больше мобильник, стоивший новым 1400 рублей)
1. Теоретический анализ эффективности использования операционной системы ЛИНУКС
2. Спектральный анализ и его приложения к обработке сигналов в реальном времени
3. Источники анализа системы экономической информации. Задачи анализа себестоимости продукции
4. Анализ эффективности использования основоного капитала на Молодечненском заводе металлоконструкций
5. Эффективность производства. Анализ эффективности производства
9. Анализ эффективности рекламы в Интернет
10. Анализ эффективности работы современного коммерческого банка
12. Экономический анализ эффективного использования трудовых ресурсов на предприятии
13. Анализ эффективности капиталовложений
14. Анализ эффективности использования материальных ресурсов на ОАО Донецкий металлургический завод
15. Анализ эффективности вложений денежных средств в РКО
16. Расчет экономической эффективности применения ПЭВМ для решения задачи
17. Анализ эффективности интервью в омской деловой прессе
18. Анализ эффективности инвестиционных проектов и проблемы оптимизации капиталовложений
19. Анализ эффективности использования земельных ресурсов
25. Анализ эффективности использования материально-производственных запасов
26. Анализ эффективности использования основных средств организации на примере ООО "Свет–Сервис"
28. Анализ эффективности работы Общественной палаты
29. Анализ эффективности MPI-программ
30. Анализ эффективности восприятия печатной рекламы с помощью двухкомпонентной методики оценки
31. Анализ эффективности рекламной деятельности
32. Анализ эффективности деятельности ОАО "Российские железные дороги"
33. Анализ эффективности деятельности руководителя отдела пейджинговой компании
34. Анализ эффективности использования трудовых ресурсов
35. Анализ эффективности производства цифровой фоторамки Diframe
37. Анализ эффективности производства деталей на предприятии машиностроения
42. Оценка и анализ эффективности управления финансовыми результатами
43. Учет и анализ эффективности использования основных средств на примере ООО "Колос"
44. Анализ эффективного использования материальных ресурсов
45. Анализ эффективности использования имущественного комплекса
46. Анализ эффективности использования материальных ресурсов
47. Анализ эффективности использования основного капитала
50. Анализ эффективности использования ресурсов ОАО "Яранский КМП"
51. Анализ эффективности использования трудовых ресурсов
52. Анализ эффективности использования фонда оплаты труда на предприятии
53. Анализ эффективности реализации инвестиционного проекта на АОЗТ "Швея"
57. Статистико-экономический анализ эффективности продукции животноводства по группе предприятий
60. Каким видит Лермонтов героя своего времени в романе "Герой нашего времени"
61. Формирование структуры электронного учебника и решение задач на ней
63. Решение задач - методы спуска
64. Методы и приемы решения задач
65. Решение задачи линейного программирования
66. Решение задач на построение сечений многогранников
67. Теория вероятности решение задач по теории вероятности
68. Создание программных продуктов для решения задач
69. Решение задач по прикладной математике
73. Пример решения задачи по механике
75. Структура и динамика процессов решения задач
76. Решение задач транспортного типа методом потенциалов
77. Дифференциальные уравнения движения точки. Решение задач динамики точки
79. Постановка и разработка алгоритма решения задачи Учёт основных средств
80. Применение Информационной Системы «GeoBox» для решения задач автоматизации строительства скважин
82. Решение задачи о кратчайшем маршруте
83. Построение математических моделей при решении задач оптимизации
85. Решение задач по бухгалтерскому учету и аудиту
89. Примеры решения задач по программированию
90. Разработка формата хранения данных программ и решение задач
91. Решение задач исследования операций
92. Решение задач линейного программирования
94. Решение задач нелинейного программирования
95. Решение задач оформление экономической документации
96. Решение задач с помощью ЭВМ
97. Решение задачи оптимального управления
98. Решение задачи с помощью программ Mathcad и Matlab