Математическая модель задержки на базе системы с распределениями Эрланга
- Авторы: Тарасов В.Н.1
-
Учреждения:
- Поволжский государственный университет телекоммуникаций и информатики
- Выпуск: Том 24, № 2 (2021)
- Страницы: 62-67
- Раздел: Статьи
- URL: https://journals.ssau.ru/pwp/article/view/9358
- DOI: https://doi.org/10.18469/1810-3189.2021.24.2.62-67
- ID: 9358
Цитировать
Полный текст
Аннотация
Настоящая статья посвящена анализу системы массового обслуживания, образованной двумя потоками с функциями плотности закона распределения Эрланга второго порядка с целью вывода решения для средней задержки требований в очереди, являющейся главной характеристикой для любых систем массового обслуживания. По этой характеристике, например, оценивают задержки пакетов в сетях пакетной коммутации при их моделировании с помощью системы массового обслуживания. В теории массового обслуживания исследования систем G/G/1 особо актуальны в связи с тем, что не существует решения в конечном виде для общего случая. Поэтому в качестве произвольного закона распределения G при исследовании таких систем используют различные частные законы распределений. В исследовании систем G/G/1 важную роль играет метод спектрального разложения решения интегрального уравнения Линдли, и большинство результатов в теории массового обслуживания получены именно с помощью данного метода. В статье представлен вывод расчетной формулы для средней задержки требований в очереди в рассматриваемой системе также на основе метода спектрального разложения.
Полный текст
Введение
Настоящая статья посвящена анализу системы массового обслуживания (СМО), образованной двумя потоками с функциями плотности распределения Эрланга второго порядка, для которого в открытом доступе не обнаружены результаты по средней задержке требований в очереди, являющегося главной характеристикой для любых СМО. В исследовании систем G/G/1 важную роль играет метод спектрального разложения решения интегрального уравнения Линдли (ИУЛ) и большинство результатов в теории массового обслуживания получены именно с помощью данного метода. Используемый в работе метод спектрального разложения решения интегрального уравнения Линдли впервые подробно представлен в классике теории массового обслуживания [1], а впоследствии применялся во многих работах, включая [2–4]. Другой подход к решению ИУЛ использован в [5]. Здесь вместо термина «спектральное разложение» использована факторизация, а вместо функций и – компоненты факторизации и функции
Такой подход для получения конечных результатов для рассматриваемых систем менее удобен, чем подход, описанный в [1] и проиллюстрированный многочисленными примерами для лучшего понимания. Метод спектрального разложения решения ИУЛ также применен для исследования систем с гиперэкспоненциальными входными распределениями в работах [6–8]. Результаты современных исследований по системам массового обслуживания приведены в работах [12–15].
Теперь перейдем к рассмотрению закона гамма распределения. Как известно, двухпараметрическое гамма распределение задается функцией плотности общего вида
где Г(α) – гамма-функция, равная для любого вещественного числа z > 0, α > 0, β > 0. Преобразование Лапласа функции f(t) имеет вид:
Анализируя преобразование Лапласа гамма распределения делаем вывод, что этот закон распределения в теории массового обслуживания можно использовать только в частных случаях при целочисленных значениях
С целью дальнейшего построения дробно-рациональной функции для спектрального разложения в последнем выражении сделаем замену переменной для функции плотности распределения интервалов входного потока, для функции плотности распределения времени обслуживания и ограничимся случаем α=2.
Таким образом, в случае целочисленных данное распределение превращается в обычное распределение Эрланга порядка α. Например, при замене получим обычное распределение Эрланга порядка k: Ограничимся распределением Эрланга второго порядка при k = 2 Это распределение отличается от рассмотренного в [11], а также в других работах автора нормированного распределения Эрлага обозначенного ранее E2.
Разница между ними заключается в том, что у нормированного распределения Эрланга математическое ожидание не зависит от порядка распределения k, следовательно, они еще отличаются и числовыми характеристиками [3]. Из-за такой разницы между распределениями, СМО, образованную двумя потоками с функциями плотности обычного распределения Эрланга второго порядка, полученного из гамма распределения обозначим Г2/Г2/1. Это будет различать СМО E2/E2/1, образованную нормированными распределениями Эрланга.
Постановка задачи
В статье ставится задача получения решения в замкнутой форме для основной характеристики системы - средней задержки в очереди для указанной СМО с помощью метода спектрального разложения решения ИУЛ. Вначале проясним различие между двумя законами распределения Г2 и E2. Для этого в табл. 1 и 2 приведем их числовые характеристики: первый начальный момент второй начальный момент квадрат коэффициента вариации а также параметр распределений λ.
Таблица 1. Числовые характеристики распределений
Table 1. Numerical characteristics of distributions
Распределение | |||
Г2 | 2/λ | 6/λ2 | 1/2 |
E2 | 1/λ | 3/(2λ2) | 1/2
|
Таблица 2. Параметр распределения, полученный методом моментов
Table 2. Distribution parameter obtained by the method of moments
Распределение | Плотность | Параметр λ |
Г2 | ||
E2 |
Таким образом, указанные законы распределения отличаются как параметром, так и числовыми характеристиками, кроме коэффициента вариации.
При кратком изложении метода спектрального разложения решения ИУЛ будем придерживаться подхода и символики автора классики теории массового обслуживания [1]. Суть решения ИУЛ методом спектрального разложения состоит в нахождении для выражения представления в виде произведения двух множителей, которое давало бы рациональную функцию от s. Следовательно, для нахождения закона распределения времени ожидания необходимо следующее спектральное разложение: где и некоторые рациональные функции от s, которые можно разложить на множители. Функции и должны удовлетворять следующим условиям согласно [1]:
– для функция является аналитической без нулей в этой полуплоскости;
– для функция является аналитической без нулей в этой полуплоскости, где D – некоторая положительная константа, определяемая из условия: (1)
Кроме того, функции и должны удовлетворять следующим условиям:
(2)
Для решения поставленной задачи необходимо вначале построить для рассматриваемой системы спектральное разложение вида с учетом условий (1), (2). Тогда для системы Г2/Г2/1 законы распределения интервалов входного потока и времени обслуживания задаются функциями плотности вида:
(3)
(4)
Преобразования Лапласа функций (3) и (4) будут соответственно:
Тогда спектральное разложение решения ИУЛ для рассматриваемой системы примет вид:
где коэффициенты кубического многочлена, собранные с помощью символьных операций Mathcad
Кубическое уравнение, полученное из числителя разложения имеет два отрицательных корня и один положительный, т. к. в случае стабильной системы т. е. Обозначим их для удобства через и
Тогда нули числителя разложения
Двукратные полюсы разложения (см. рисунок). Теперь с учетом условий (1) и (2) построим функции и
Выполнение условий (1) для этих функций очевидно, что подтверждается также рисунком. Остается проверить выполнение условий (2):
Условия (2) также полностью выполнены.
Рис. Нули и полюсы функции для системы Г2/Г2/1
Fig. Zeros and poles of the function for the system Г2/Г2/1
При построении этих функций удобнее нули и полюса отношения отметить на комплексной s – плоскости для исключения ошибок построения функций и На рисунке полюсы отмечены крестиками, а нули – кружками.
Далее по методике спектрального разложения найдем константу K:
где и – абсолютные значения отрицательных корней Теперь построим промежуточную функцию
Отсюда преобразование Лапласа функции плотности времени ожидания:
(5)
Для нахождения среднего времени ожидания найдем производную от функции со знаком минус в точке s = 0:
Окончательно, среднее время ожидания для системы Г2/Г2/1
(6)
где и как корни кубического уравнения выражаются через параметры распределений (3) и (4).
Результаты вычислительных экспериментов
Ниже в табл. 1 приведены данные расчетов для системы Г2/Г2/1 для различных случаев нагрузки 0,3; 0,5; 0,7; 0,9. Для сравнения в правой колонке приведены данные для системы E2/E2/1, образованной нормированными распределениями Эрланга. Коэффициент загрузки в данном случае определяется отношением средних интервалов Расчеты, приведенные в табл. 3 проведены для удобства для нормированного времени обслуживания
Таблица 3. Результаты экспериментов для СМО Г2/Г2/1 и E2/E2/1
Table 3. Results of experiments for QS Г2/Г2/1 and E2/E2/1
Входные параметры | Среднее время ожидания | ||
ρ | λ | для системы Г2/Г2/1 | для системы E2/E2/1 |
0,1 | 0,2 | 0,017 | 0,017 |
0,3 | 0,6 | 0,131 | 0,131 |
0,5 | 1,0 | 0,390 | 0,390 |
0,7 | 1,4 | 1,039 | 1,039 |
0,9 | 1,8 | 4,359 | 4,359 |
Несмотря на большие различия между распределениями E2 и Г2, показанные в табл. 1 и 2, а также различие между преобразованиями Лапласа функции плотности времени ожидания, данные табл. 3 полностью совпадают с соответствующими данными для СМО E2/E2/1. Данные табл. 3 хорошо согласуются с результатами метода двух моментной аппроксимации [9], а также с результатами имитации [10].
Заключение
Таким образом, по результатам работы можно сделать следующие выводы:
Научная новизна полученных результатов заключается в том, что получено спектральное разложение решения интегрального уравнения Линдли для рассматриваемой системы и с его помощью выведена расчетная формула для среднего времени ожидания в очереди для этой системы в замкнутой форме. Данные численных экспериментов подтверждают с одной стороны полную адекватность полученных теоретических результатов, а с другой стороны – полное совпадение результатов по среднему времени ожидания для систем Г2/Г2/1 и E2/E2/1. Предложенный подход к анализу систем также позволяет находить джиттер через преобразование Лапласа функции плотности времени ожидания, т. к. он в [16] определен как разброс времени ожидания вокруг среднего значения.
Практическое значение работы заключается в том, что полученные результаты с успехом могут быть применены в современной теории телетрафика, где задержки пакетов входящего трафика играют первостепенную роль. Для этого достаточно знать средние значения интервалов между пакетами входящего трафика и времени обслуживания, что не вызывает трудностей при использовании современных анализаторов трафика.
Об авторах
Вениамин Николаевич Тарасов
Поволжский государственный университет телекоммуникаций и информатики
Автор, ответственный за переписку.
Email: tarasov-vn@psuti.ru
доктор технических наук, профессор, заведующий кафедрой программного обеспечения и управления в технических системах
Россия, СамараСписок литературы
- Клейнрок Л. Теория массового обслуживания / пер. с англ. под ред. В.И. Неймана. М.: Машиностроение, 1979. 432 с.
- Brännström N. A Queueing Theory Analysis of Wireless Radio Systems: master’s thesis applied to HS-DSCH. Lulea University of Technology, 2004. 79 p. URL: http://ltu.diva-portal.org/smash/get/diva2:1016709/FULLTEXT01
- Алиев Т.И. Основы моделирования дискретных систем. СПб.: СПбГУ ИТМО, 2009. 363 с.
- Myskja A. An improved heuristic approximation for the GI/GI/1 queue with bursty arrivals // Teletraffic and Datatraffic in a Period of Change, ITC-13: proc. of congress. Copenhagen, Denmark. 19–26 June 1991. P. 683–688. URL: https://gitlab2.informatik.uni-wuerzburg.de/itc-conference/itc-conference-public/-/raw/master/itc13/myskja911.pdf?inline=true
- Whitt W. Approximating a point process by a renewal process, I: Two basic methods // Operation Research. 1982. Vol. 30, No. 1. P. 125–147. DOI: https://doi.org/10.1287/opre.30.1.125
- Малахов С.В., Карташевский И.В., Тарасов В.Н. Теоретическое и экспериментальное исследование задержки в программно-конфигурируемых сетях // Инфокоммуникационные технологии. 2015. Т. 13, № 4. С. 409–413. DOI: https://doi.org/10.18469/ikt.2015.13.4.08
- Малахов С.В., Тарасов В.Н. Экспериментальные исследования производительности сегмента программно-конфигурируемой сети // Интеллект. Инновации. Инвестиции. 2013. № 2. С. 81–85.
- Тарасов В.Н., Липилина Л.В., Бахарева Н.Ф. Автоматизация расчета характеристик систем массового обслуживания для широкого диапазона изменения их параметров // Информационные технологии. 2016. Т. 22, № 12. С. 952–957. URL: http://novtex.ru/IT/it2016/it1216_web-952-957.pdf
- Тарасов В.Н. Вероятностное компьютерное моделирование сложных систем. Самара: СНЦ РАН, 2002. 194 с.
- Тарасов В.Н., Коннов А.Л., Ушаков Ю.А. Анализ и оптимизация локальных сетей и сетей связи с помощью программной системы OPNET Modeler // Вестник Оренбургского государственного университета. 2006. № 6-2 (56). С. 197–204. URL: http://vestnik.osu.ru/doc/1033/article/2762/lang/0
- Тарасов В.Н. Исследование и сравнение двойственных систем E2/M/1 и M/E2/1 // Инфокоммуникационные технологии. 2019. Т. 17, № 2. С. 157–162. DOI: https://doi.org/10.18469/ikt.2019.17.2.03
- Jennings O.B., Pender J. Comparisons of ticket and standard queues // Queueing Systems. 2016. Vol. 84, No. 1–2. P. 145–202. DOI: https://doi.org/10.1007/s11134-016-9493-y
- Gromoll H.C., Terwilliger B., Zwart B. Heavy traffic limit for a tandem queue with identical service times // Queueing Systems. 2018. Vol. 89, No. 3–4. P. 213–241. DOI: https://doi.org/10.1007/s11134-017-9560-z
- Legros B. M/G/1 queue with event-dependent arrival rates // Queueing Systems. 2018. Vol. 89. № 3–4. P. 269–301. DOI: https:// doi.org/10.1007/s11134-017-9557-7
- Jacobovic R., Kella O. Asymptotic independence of regenerative processes with a special dependence structure // Queueing Systems. 2019. Vol. 93, No. 1–2. P. 139–152. DOI: https://doi.org/10.1007/s11134-019-09606-1
- Demichelis C., Chimento P. IP Packet Delay Variation Metric for IP Performance Metrics. URL: https://tools.ietf.org/html/rfc3393