Математическая модель задержки на базе системы с распределениями Эрланга

Обложка

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 ψ+s и ψs – компоненты факторизации ω+z,t и ωz,t функции 1zχ(t).

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

f(t)=βαtα1et/βΓ(α),t0;0,t<0,

где Г(α) – гамма-функция, равная Γ(z)=0tz1etdt для любого вещественного числа z > 0, α > 0, β > 0. Преобразование Лапласа функции f(t) имеет вид:

F*(s)=βαΓ(α)0+esttα1et/βdt=

=βαΓ(α)0+tα1e(s+1/β)tdt=

=(s+1/β)t=xt=ββs+1xdt=ββs+1dx=

=βαΓ(α)ββs+1α0+xα1exdx=

=βαΓ(α)ββs+1αΓ(α)=1(βs+1)α.

Анализируя преобразование Лапласа гамма распределения делаем вывод, что этот закон распределения в теории массового обслуживания можно использовать только в частных случаях при целочисленных значениях α2.

С целью дальнейшего построения дробно-рациональной функции для спектрального разложения в последнем выражении сделаем замену переменной λ=1/β для функции плотности распределения интервалов входного потока, μ=1/β для функции плотности распределения времени обслуживания и ограничимся случаем α=2.

Таким образом, в случае целочисленных α2 данное распределение превращается в обычное распределение Эрланга порядка α. Например, при замене λ=1/β, k=α   получим обычное распределение Эрланга порядка k: fλ(t)=λktk1eλt(k1)!. Ограничимся распределением Эрланга второго порядка при = 2 fλ(t)=λ2teλt. Это распределение отличается от рассмотренного в [11], а также в других работах автора нормированного распределения Эрлага fλ(t)=4λ2te2λt, 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 Г22/1. 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 τ¯λ, второй начальный момент τλ2¯, квадрат коэффициента вариации  а также параметр распределений λ.

 

Таблица 1. Числовые характеристики распределений

Table 1. Numerical characteristics of distributions

Распределение

τ¯λτλ2¯cλ2

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 fλ(t)

Параметр λ

Г2

λ2teλtλ=2/τ¯λ

E2

4λ2te2λtλ=1/τ¯λ

 

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 Fλ*sB*s1 представления в виде произведения двух множителей, которое давало бы рациональную функцию от s. Следовательно, для нахождения закона распределения времени ожидания необходимо следующее спектральное разложение: Fλ*sFμ*s1=ψ+s/ψs, где ψ+s и ψs некоторые рациональные функции от s, которые можно разложить на множители. Функции ψ+s и ψs должны удовлетворять следующим условиям согласно [1]:

– для Res>0 функция ψ+s является аналитической без нулей в этой полуплоскости;

– для Res<D функция ψs является аналитической без нулей в этой полуплоскости, где D – некоторая положительная константа, определяемая из условия: limtateDt<.   (1)

Кроме того, функции ψ+s и ψs должны удовлетворять следующим условиям:

lims,Res>0ψ+ss=1;lims,Res<Dψss=1.   (2)

Для решения поставленной задачи необходимо вначале построить для рассматриваемой системы спектральное разложение вида Fλ*sFμ*s1=ψ+s/ψsс учетом условий (1), (2). Тогда для системы Г22/1 законы распределения интервалов входного потока и времени обслуживания задаются функциями плотности вида:

fλ(t)=λ2teλt,    (3)

fμt=μ2teμt.   (4)

Преобразования Лапласа функций (3) и (4) будут соответственно:

Fλ*s=λλ+s2;Fμ*s=μμ+s2.

Тогда спектральное разложение решения ИУЛ для рассматриваемой системы Fλ*sFμ*s1=ψ+s/ψs примет вид:

ψ+(s)ψ(s)=λλs2μμ+s21=

=λ2μ2(λs)2(μ+s)2(λs)2(μ+s)2=

=s(s3c2s2c1sc0)(λs)2(μ+s)2,

где коэффициенты кубического многочлена, собранные с помощью символьных операций Mathcad

c0=2λμ(μλ),   c1=(λ24λμ+μ2),

c2=2(μλ).

Кубическое уравнение, полученное из числителя разложения s3c2s2c1sc0=0 имеет два отрицательных корня и один положительный, т. к. в случае стабильной системы λ<μ, т. е. μλ>0. Обозначим их для удобства через s1, s2 и s3:

Тогда нули числителя разложения ψ+s/ψs:

s=0,  s1,  s2,s3.

Двукратные полюсы разложения ψ+s/ψs: s=λ, s=μ (см. рисунок). Теперь с учетом условий (1) и (2) построим функции ψ+s и ψs:

 ψ+(s)=s(s+s1)(s+s2)(μ+s)2;ψ(s)=(λs)2(ss3).

Выполнение условий (1) для этих функций очевидно, что подтверждается также рисунком. Остается проверить выполнение условий (2):

limsψ+ss=1;

limsψss=lims2λs2ss3=1.

Условия (2) также полностью выполнены.

 

Рис. Нули и полюсы функции ψ+(s)/ψ(s) для системы Г2/Г2/1

Fig. Zeros and poles of the function ψ+(s)/ψ(s) for the system Г2/Г2/1

 

При построении этих функций удобнее нули и полюса отношения ψ+s/ψs отметить на комплексной s плоскости для исключения ошибок построения функций ψ+s и ψs. На рисунке полюсы отмечены крестиками, а нули – кружками.

Далее по методике спектрального разложения найдем константу K:

K=lims0ψ+ss=lims0s+s1s+s2μ+s2=s1s2μ2,

где s1  и s2 – абсолютные значения отрицательных корней s1, s2. Теперь построим промежуточную функцию

Φ+s=Kψ+(s)=s1s2s+μ2μ2s(s+s1)(s+s2).

Отсюда преобразование Лапласа функции плотности времени ожидания:

W*s=sΦ+s=s1s2s2μ2s+s1s+s2.    (5)

Для нахождения среднего времени ожидания найдем производную от функции W*s со знаком минус в точке s = 0:

dW*(s)d(s)s=0=s1+s2s1s21μ=1s1+1s21μ.

Окончательно, среднее время ожидания для системы Г22/1

W¯=1s1+1s21μ ,    (6)

где s1  и s2 как корни кубического уравнения выражаются через параметры распределений (3) и (4).

Результаты вычислительных экспериментов

Ниже в табл. 1 приведены данные расчетов для системы Г22/1 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 ρ=τ¯μ/τ¯λ.  Расчеты, приведенные в табл. 3 проведены для удобства для нормированного времени обслуживания τ¯μ=1.

 

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 Г22/1

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 Г22/1 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, Самара

Список литературы

  1. Клейнрок Л. Теория массового обслуживания / пер. с англ. под ред. В.И. Неймана. М.: Машиностроение, 1979. 432 с.
  2. 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
  3. Алиев Т.И. Основы моделирования дискретных систем. СПб.: СПбГУ ИТМО, 2009. 363 с.
  4. 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
  5. 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
  6. 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
  7. Малахов С.В., Тарасов В.Н. Экспериментальные исследования производительности сегмента программно-конфигурируемой сети // Интеллект. Инновации. Инвестиции. 2013. № 2. С. 81–85.
  8. 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
  9. Тарасов В.Н. Вероятностное компьютерное моделирование сложных систем. Самара: СНЦ РАН, 2002. 194 с.
  10. 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
  11. 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
  12. 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
  13. 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
  14. 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
  15. 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
  16. Demichelis C., Chimento P. IP Packet Delay Variation Metric for IP Performance Metrics. URL: https://tools.ietf.org/html/rfc3393

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. Нули и полюсы функции для системы Г2/Г2/1


© Тарасов В., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ФС 77 - 68199 от 27.12.2016.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах