Оценка стационарных вероятностей состояний системы обслуживания •/G/∞ при различных видах входящего потока требований

• Published in: Кибернетика и системный анализ
• Date: 2017
• Main Authors: Кузнецов, И.Н., Шумская, А.А.
• Format: Article
• Language: Russian
• Published: Інститут кібернетики ім. В.М. Глушкова НАН України 2017
• Subjects: Системний аналіз
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/144718
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Оценка стационарных вероятностей состояний системы обслуживания •/G/∞ при различных видах входящего потока требований / И.Н. Кузнецов, А.А. Шумская // Кибернетика и системный анализ. — 2017. — Т. 53, № 2. — С. 122–133. — Бібліогр.: 30 назв. — рос.

Рассмотрены пять моделей входящего потока существенно более сложной структуры, чем пуассоновский, когда стационарные вероятности состояний системы •/G/∞ находятся в явном виде (распределение Пуассона). Для представленных моделей сочетание распределения Пуассона (аналитическая часть) со статистическим моделированием (статистическая часть) позволяет находить стационарные вероятности состояний ускоренным моделированием. Точность полученных оценок проиллюстрирована численными примерами. Розглянуто п'ять моделей вхідного потоку істотно більш складної структури, ніж пуасонівський, коли стаціонарні ймовірності станів системи •/G/∞ знаходяться у явному вигляді (розподіл Пуасона). Для наведених моделей поєднання розподілу Пуасона (аналітична частина) із статистичним моделюванням (статистична чистина) дозволяє знаходити стаціонарні ймовірності станів прискореним моделюванням. Точність оцінок проілюстровано числовими прикладами. We consider five input flow models of more complicated structure than the Poisson one, where steady-state probabilities of the queueing system •/G/∞ can be found explicitly (the Poisson distribution). For these models, the combination of Poisson distribution (analytical part) with statistical simulation (statistical part) allows us to evaluate the steady-state probabilities with the fast simulation method. The accuracy of the estimates is illustrated by numerical examples.