闭环排队理论简介

这篇具有很好参考价值的文章主要介绍了闭环排队理论简介。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

在排队理论简介一文中,笔者详细介绍了排队理论的基本内容。在该文中,申请流是来自系统外部的,其强度(或密度)并不取决于系统本身,也不取决于系统的状态。而在本文中,将探讨另一种排队理论,其申请流的强度与系统的状态有关,因而称之为闭环排队系统

1. 系统情景

设想如下情景。在一家工厂中,调试员看管 n n n架机床。每架机床可能在任意时刻发生故障并停止工作,需要调试员的维修,该故障发生的强度(密度)为 λ \lambda λ。如果此时调试员空闲,则开始维修,维修用时
t ˉ m t = 1 μ \bar t_{mt} = \frac{1}{\mu} tˉmt=μ1而如果机床故障时调试员并不空闲(处于忙状态),则故障机床加入等待队列直到调试员来维修。

针对此情景,一般我们感兴趣如下3个指标:

  • 调试员空闲的概率;
  • 出现排队队列的概率;
  • 等待维修的机床数量的平均数。

在此情景中,申请流来自于机床本身,其数量是有限的,并依据其自身的状态(正常/故障)来发出申请。因此,整个申请流的强度自然而然取决于有多少个机床与维修挂钩(不论是正在被维修的还是等待维修的)。

与排队理论简介一文不同的是,闭环排队系统中,申请流的数量是有限的(机床个数有限)。而当申请流的数量过于庞大时,实际上排队系统本身的状态将几乎不影响申请流的状态,因此可以认为二者无关。

2. 数学描述

在该情景中,根据 n n n架机床中出现故障的个数,可以定义系统的不同状态:
S 0 S_0 S0 – 所有机床正常工作,没有机床故障;
S 1 S_1 S1 – 有1个机床故障,调试员维修该机床,其他机床正常工作;
S 2 S_2 S2 – 有2个机床故障,调试员维修一个,另一个等待,而其他机床正常工作;
⋮ \vdots
S n S_n Sn – 所有 n n n个机床都故障,调试员维修一个,其余 ( n − 1 ) (n-1) (n1)个排队等待。

状态图如图所示。
闭环排队理论简介,优化方法,数学建模
从状态 S 0 S_0 S0 S 1 S_1 S1的过程中,起初是所有机床都工作的,因此该过程的强度(密度)是 n λ n\lambda 。同样,从状态 S 1 S_1 S1 S 2 S_2 S2的过程中,起初是 ( n − 1 ) (n-1) (n1)架机床工作、1架机床故障的,因此该过程的强度(密度)是 ( n − 1 ) λ (n-1) \lambda (n1)λ。该低占用向高占用转化的过程以此类推。

而由于只有1个调试员,每次只能修1个机床,因此每次从高占用向低占用转化时的强度一样,都是 μ \mu μ

这里给出不同状态 S i S_i Si出现的概率:
p 1 = n λ μ p 0 p 2 = n ( n − 1 ) λ 2 μ 2 p 0 ⋮ p n = n ( n − 1 ) ( n − 2 ) ⋯ 2 ⋅ 1 ⋅ λ n μ n p 0 p 0 = 1 1 + n ( λ / μ ) + n ( n − 1 ) ( λ / μ ) 2 + ⋯ + n ( n − 1 ) ⋯ 2 ⋅ 1 ⋅ ( λ / μ ) n p_1 = \frac{ n \lambda }{\mu} p_0 \\ p_2 = \frac{ n (n-1) \lambda ^2 }{\mu^2} p_0 \\ \vdots \\ p_n = \frac{ n (n-1) (n-2) \cdots 2 \cdot 1 \cdot \lambda ^n}{\mu ^n} p_0 \\ p_0 = \frac{1}{ 1 + n \left( \lambda / \mu \right) + n (n-1) \left( \lambda / \mu \right)^2 + \cdots + n (n-1) \cdots 2 \cdot1 \cdot \left( \lambda / \mu \right)^n } p1=μp0p2=μ2n(n1)λ2p0pn=μnn(n1)(n2)21λnp0p0=1+n(λ/μ)+n(n1)(λ/μ)2++n(n1)21(λ/μ)n1
λ / μ = ρ \lambda / \mu = \rho λ/μ=ρ则上式可以写为
p 0 = 1 1 + n ρ + n ( n − 1 ) ρ 2 + ⋯ + n ( n − 1 ) ⋯ 2 ⋅ 1 ⋅ ρ n p_0 = \frac{1}{ 1 + n \rho + n (n-1) \rho^2 + \cdots + n (n-1) \cdots 2 \cdot1 \cdot \rho^n } p0=1+nρ+n(n1)ρ2++n(n1)21ρn1 p 1 = n ρ p 0 p_1 = n \rho p_0 p1=nρp0 p 2 = n ( n − 1 ) ρ 2 p 0 ⋮ p n = n ( n − 1 ) ⋯ 2 ⋅ 1 ⋅ ρ n p 0 (1) p_2 = n (n-1) \rho^2 p_0 \\ \vdots \\ p_n = n (n-1) \cdots 2 \cdot 1 \cdot \rho^n p_0 \tag{1} p2=n(n1)ρ2p0pn=n(n1)21ρnp0(1)式中,进入每个方块的强度为乘,出每个方块的强度为除。

对于该系统来说,绝对通过性指的是单位时间内故障的平均次数。当没有故障时的概率为 p 0 p_0 p0,那么显然,有故障的概率(也是调试员不空闲的概率)为
P = 1 − p 0 P = 1 - p_0 P=1p0如果调试员为忙,则单位时间内他可修理的机床数为 μ \mu μ,因此绝对通过性为
A = ( 1 − p 0 ) μ A = \left( 1 - p_0 \right) \mu A=(1p0)μ而调试员空闲的概率即为没有故障发生的概率 p 0 p_0 p0

故障机床的平均个数可以用如下期望来计算
w ˉ = 1 ⋅ p 1 + 2 ⋅ p 2 + ⋯ + n ⋅ p n = ∑ i = 1 n i ⋅ p i \bar w = 1 \cdot p_1 + 2 \cdot p_2 + \cdots + n \cdot p_n = \sum_{i=1} ^n i \cdot p_i wˉ=1p1+2p2++npn=i=1nipi此数值也可以通过绝对通过性来计算。我们知道,每架机床发生故障的强度为 λ \lambda λ;同时,平均来说系统中将正常工作有 ( n − w ˉ ) \left( n - \bar w \right) (nwˉ)架机床;因而这些正常工作的机床发生的故障数应该为 ( n − w ˉ ) λ \left( n - \bar w \right) \lambda (nwˉ)λ;根据绝对通过性的定义,有
( n − w ˉ ) λ = ( 1 − p 0 ) μ \left( n - \bar w \right) \lambda = \left( 1 - p_0 \right) \mu (nwˉ)λ=(1p0)μ由此得到
w ˉ = n − μ λ ( 1 − p 0 ) = n − 1 − p 0 ρ \bar w = n - \frac{\mu}{\lambda} \left( 1 - p_0 \right) = n - \frac{1 - p_0}{\rho} wˉ=nλμ(1p0)=nρ1p0接下来计算等待队列中等待修理的机床的个数。设所有与“修理”相关的机床数为 W W W,包括队列中等待的个数 R R R与正在修理的个数 Ω \Omega Ω
W = R + Ω W = R + \Omega W=R+Ω显然,由于只有一个调试员,因此 Ω \Omega Ω只能取1或0。相应地,其期望为
Ω ˉ = 0 ⋅ p 0 + 1 ⋅ ( 1 − p 0 ) = 1 − p 0 \bar \Omega = 0 \cdot p_0 + 1 \cdot \left(1 - p_0 \right) = 1 - p_0 Ωˉ=0p0+1(1p0)=1p0那么队伍中等待修理的机床的平均个数为
R ˉ = w ˉ − Ω ˉ = n − 1 − p 0 ρ − ( 1 − p 0 ) = n − ( 1 − p 0 ) ( 1 + 1 ρ ) \bar R = \bar w - \bar \Omega = n - \frac{1 - p_0}{\rho} - \left(1 - p_0 \right) = n - \left(1 - p_0 \right) \left( 1 + \frac{1}{\rho} \right) Rˉ=wˉΩˉ=nρ1p0(1p0)=n(1p0)(1+ρ1)最后来看产能相关的指标。设一架机床的产能为 l l l,则可以计算出单位时间内因故障而造成的产能损失为
L = w ˉ l L = \bar w l L=wˉl文章来源地址https://www.toymoban.com/news/detail-611401.html

到了这里,关于闭环排队理论简介的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 有趣的数学 数学建模入门二 一些理论基础

             现实世界中混乱的问题可以用数学来解决,从而产生一系列可能的解决方案来帮助指导决策。大多数人对数学建模的概念感到不舒服,因为它是如此开放。如此多的未知信息似乎令人望而却步。哪些因素最相关?但正是现实世界问题的这种开放性导致了解决问题

    2024年02月10日
    浏览(46)
  • 数学建模理论与实践国防科大版

    目录 1.数学建模概论 2.生活中的数学建模 2.1.行走步长问题 2.2.雨中行走问题 2.3.抽奖策略 2.4.《非诚勿扰》女生的“最优选择” 3.集体决策模型 3.1.简单多数规则 3.2.Borda数规则 3.3.群体决策模型公理和阿罗定理 1.数学模型的概念 2.数学建模的概念 3.数学建模的一般过程 自然界

    2024年03月13日
    浏览(84)
  • (最优化理论与方法)第一章最优化简介-第二节:最优化典型实例之稀疏优化和低秩矩阵恢复

    考虑下面线性方程组的求解问题,其中 x ∈ R n , b ∈ R m xin R^{n},bin R^{m} x ∈ R n , b ∈ R m ,矩阵 A ∈ R m × n Ain R^{m×n} A ∈ R m × n ,且向量 b b b 的维数远小于向量 x x x 的维数,也即 m m m n n n A x = b Ax=b A x = b 在相关问题中,当我们建立这样的模型后,常常希望 解出向量

    2024年02月08日
    浏览(46)
  • 数学建模 优化问题——数学规划

    优化问题 :在一系列客观或主观限制条件下,寻求使所关注的某个或多个指标达到最大(或最小)的决策 结构设计、资源分配、生产计划、运输方案中经常可见 通常的解决手段: 经验积累、主观判断 做试验、比优劣 建立数学模型,求解最优策略 解决优化问题的数学方法: 数

    2024年02月06日
    浏览(56)
  • 数学建模——公交调度优化

    本文通过建立利润阈值模型鉴定高平峰期,综合考虑公交线路资源配置与乘客候车时间,建立多目标优化模型,通过人工免疫算法算法对公交调度方案进行优化,通过建立梯度提升树模型预测客流量,从而预测“高峰”和“平峰”时期。 考虑到市民出行并不是“均匀”的,“

    2024年02月06日
    浏览(34)
  • 数学建模(二):优化

    目录  👉🏻历史回顾👈🏻 ✨前言 🔍一、什么是启发式算法?

    2024年02月02日
    浏览(52)
  • 数学建模优化问题

    一、选修课程策略问题 某学校规定,运筹学专业的学生毕业时必须至少学习过两门数学课、三门运筹学课和两门计算机课。这些课程的编号、名称、学分、所属类别和先修课要求如表1所示。那么,毕业时学生最少可以学习这些课程中哪些课程。 如果某个学生既希望选修课程

    2024年04月26日
    浏览(56)
  • 【数学建模】步长的选择(优化建模)

    人们每天都在行走,排除以运动健身为目的的走路方式,而仅仅考虑距离固定,以节省体力为最终目的的行走,那么选择多大的步长才最省力? 人在走路时所做的功等于抬高人体重心所需的势能与两腿运动所需的动能之和。在给定速度时,可以以单位时间内做功最小,即消耗

    2024年02月04日
    浏览(41)
  • 数学建模:多目标优化算法

    🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 算法流程: 两个目标权重求和,化为单目标函数,然后求解最优值 min ⁡ x ∑ i = 1 m w i F i ( x )  s.t.  g ( x ) ⩽ 0 h ( x ) = 0 begin{array}{ll}min _{x} sum_{i=1}^{m} {w_{i} F_{i}(x)} \\\\\\\\text { s.t. } g(x) leqslant 0 \\\\\\\\ h(x)=0end{array} min x ​  s.t. 

    2024年02月08日
    浏览(50)
  • 数学建模——模拟退火优化投影寻踪

    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档   在考虑综合评价的时候,我们使用了各自主观、客观的方法去求解权重,客观权重的计算依靠着数据本身的分布来决定,有时候会出现各种各样不可抗拒的意外情况,其中在熵权法的解释在就有提到

    2024年02月11日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包