Математические основы теории

ЧАСТЬ 1.

МАТЕМАТИЧЕСКИЕ ОСНОВЫ ТЕОРИИ

МАССОВОГО ОБСЛУЖИВАНИЯ

Уравнения Колмогорова непрерывной

Марковской цепи

Диаграммой переходов состояний марковской цепи в целом (как непрерывной, так и дискретной) является направленный (ориентированный) граф состояний, вершины которого соответствуют состояни-

ям, а ребра – переходам между этими состояниями. Каждое ребро должно быть помечено интенсивностью математические основы теории - student2.ru (для непрерывной марковской цепи) или вероятностью математические основы теории - student2.ru (для дискретной марковской цепи) соответствующего перехода в потоке событий. Цепь Маркова полностью определяется ее диаграммой переходов между состояниями, то есть ее графом состояний.

Понятие интенсивности математические основы теории - student2.ru марковского случайного процесса вводится следующим образом. Пусть вероятность перехода из состояния i в состояние j за время от t до математические основы теории - student2.ru есть

математические основы теории - student2.ru ,

согласно формуле (1.1.1). Тогда по определению

математические основы теории - student2.ru lim математические основы теории - student2.ru

при математические основы теории - student2.ru . Для так называемых однородных марковских процессов вероятности переходов не зависят от времени, так что математические основы теории - student2.ru , и тогда математические основы теории - student2.ru const. Для систем массового обслуживания понятие состояния определяется, как правило, общим числом заявок или требований, находящихся в системе (как в очередях, так и на обслуживании).

Исчерпывающей количественной характеристикой марковского процесса является совокупность вероятностей состояний системы, то есть вероятностей математические основы теории - student2.ru того, что в момент времени t процесс будет находиться в состоянии j (j = 0, 1, 2, …). Таким образом, наша задача заключается в том, чтобы научиться рассчитывать математические основы теории - student2.ru по заданным интенсивностям переходов математические основы теории - student2.ru .

Рассмотрим, как определяются вероятности состояний по графу состояний [12], приведенному на рис. 2, считая данный случайный процесс марковским. В случайный момент времени t система может находиться в одном из пяти состояний j с вероятностями математические основы теории - student2.ru (j = 0,

математические основы теории - student2.ru

Рис. 2

1, 2, 3, 4). Придадим времени t малое приращение математические основы теории - student2.ru и найдем, например, математические основы теории - student2.ru – вероятность того, что в момент времени математические основы теории - student2.ru система будет находиться в состоянии 1. А это может произойти в одном из трех взаимоисключающих друг друга случаях: во-первых, если система в момент времени t была в состоянии 1 и за время математические основы теории - student2.ru не вышла из него, а также, если в момент t система была в состояниях 0 или 4и за время математические основы теории - student2.ru перешла в состояние 1.

В этой связи напомним известный результат из курса теории вероятностей: для того чтобы найти полную вероятность какого-либо состояния j, нужно сложить вероятности всех тех событий, которые приводят к этому состоянию, точнее говоря, заканчиваются его исходом, так что

математические основы теории - student2.ru

(формула полной вероятности [3; 6]). В нашем случае применение этой формулы, очевидно, будет следующим:

математические основы теории - student2.ru (1.2.1)

математические основы теории - student2.ru .

Здесь первое слагаемое означает вероятность перехода за время математические основы теории - student2.ru в состояние 1 из состояния 0, если в момент t система находилась в состоянии 0 с вероятностью p0(t). Второе слагаемое означает аналогичную вероятность, но уже не для состояния 0, а для состояния 4. Последнее же третье слагаемое есть, очевидно, вероятность того, что за время математические основы теории - student2.ru система не выйдет из состояния 1, то есть не перейдет за это время в состояния 0, 2 или 3. Вследствие этого, для того чтобы найти вероятность математические основы теории - student2.ru , нужно просто вычесть из единицы вероятности всех тех событий, которые выводят систему из состояния 1*. Вероятность же того, что за время математические основы теории - student2.ru система выйдет из состояния 1, в данном случае есть, очевидно, p10 + p12 + p13, то есть

математические основы теории - student2.ru ,

и тогда

математические основы теории - student2.ru

математические основы теории - student2.ru .

Раскроем теперь квадратные скобки в правой части этого соотношения, перенесем p1(t) в левую часть и разделим обе части на время математические основы теории - student2.ru . Получим

математические основы теории - student2.ru

математические основы теории - student2.ru

Если теперь устремить время математические основы теории - student2.ru к нулю, то слева получим производную функции p1(t), а справа – интенсивности марковского процесса λij(t):

математические основы теории - student2.ru .

Аналогичные уравнения можно вывести и для всех остальных состояний системы, так что в итоге мы получим следующую систему квазилинейных дифференциальных уравнений для безусловных вероятностей pi(t):

математические основы теории - student2.ru ;

математические основы теории - student2.ru ;

математические основы теории - student2.ru ;

математические основы теории - student2.ru ;

математические основы теории - student2.ru .

Эта система уравнений дает возможность найти вероятности pj(t) состояний системы, если заданы их начальные условия pj(0).

В левой части каждого из этих уравнений стоит производная вероятности j-го состояния системы, в правой части – сумма произведений вероятностей тех состояний, из которых ведут стрелки в j-е состояние, на интенсивности соответствующих переходов (соответствующих случайных процессов) минус суммарная интенсивность всех процессов, выводящих систему из j-го состояния, умноженная на вероятность этого состояния. В общем виде такую систему уравнений можно записать как систему с переменными коэффициентами

математические основы теории - student2.ru , j = 0, 1, 2, … n (1.2.2)

или для однородных марковских процессов как

математические основы теории - student2.ru , j = 0, 1, 2, … n, (1.2.3)

и в этом случае система (1.2.2) становится системой линейных дифференциальных уравнений (1.2.3).

Заметим, что в этих записях учтено то очевидное обстоятельство, что для состояний системы, не связанных непосредственными переходами друг с другом, можно считать λji = λij = 0.

Уравнения (1.2.2), (1.2.3) носят название уравнений Колмогорова и являются управляющими уравнениями для непрерывного случайного марковского процесса (непрерывной марковской цепи).

Системы дифференциальных уравнений (1.2.2), (1.2.3) решают при начальных условиях, задающих вероятности состояний системы в начальный момент времени при t = 0: p0(0), p1(0), … pn(0), причем для любого момента времени t должно быть выполнено условие нормировки

математические основы теории - student2.ru , математические основы теории - student2.ru .

Это условие можно использовать вместо одного (и при этом любого) из дифференциальных уравнений систем (1.2.2) и (1.2.3).

При составлении уравнений Колмогорова по графу состояний системы удобно ввести понятие потока вероятности. А именно будем называть потоком вероятности, переводящим систему из состояния i в состояние j, произведение вероятности pi(t) состояния, из которого исходит стрелка на графе, на интенсивность λij(t) марковского процесса, переводящего систему по этой стрелке. Уравнения Колмогорова в этом случае составляются по следующему мнемоническому правилу. Производная вероятности любого из состояний системы равна сумме всех потоков вероятности, переводящих систему в это состояние, за вычетом суммы всех потоков вероятности, выводящих систему из этого состояния.

В пределе при математические основы теории - student2.ru в системе, описываемой линейными дифференциальными уравнениями (1.2.3), в некоторых случаях может установиться режим, в ходе которого система случайным образом меняет свои состояния (или, как говорят, бесконечно блуждает по всем своим состояниям), но их вероятностные характеристики уже не зависят от времени. Говоря другими словами, в этом случае существуют так называемые предельные (или финальные) вероятности стационарных состояний системы pj, и при этом

lim математические основы теории - student2.ru , j = 0, 1, 2, … n.

Заметим, что предельную вероятность состояния j в этом случае можно трактовать и как среднее относительное время пребывания системы в этом состоянии.

Для вычисления предельных вероятностей нужно, очевидно, все левые части в уравнениях Колмогорова (1.2.3) положить равными нулю и решить полученную систему линейных, но уже алгебраических, а не дифференциальных уравнений

математические основы теории - student2.ru , j = 0, 1, 2, … n (1.2.4)

(уравнения равновесия соответствующего марковского процесса). При этом стационарный режим существует тогда и только тогда, когда данная система уравнений имеет хотя бы одно ненулевое и вместе с тем не обращающееся в бесконечность решение математические основы теории - student2.ru , j = 0, 1, 2, … n. Легко видеть, что система (1.2.4) представляет собой систему линейных однородных, то есть не имеющих свободного члена, алгебраических уравнений для вероятностей стационарных состояний p0, p1, … pn. Но, как известно из линейной алгебры, такая система уравнений имеет бесчисленное множество решений и позволяет определить неизвестные величины pj только с точностью до некоторого произвольного множителя. В рассматриваемом случае решение, оче-

видно, становится единственным, если добавить к системе (1.2.4) условие нормировки

математические основы теории - student2.ru ,

взамен которого можно из системы (1.2.4) устранить любое другое, поскольку одно из уравнений этой системы зависит от остальных.

В курсах линейной алгебры доказывается, что такая система имеет одно единственное решение, то есть однозначно определяет вероятности p0, p1, …, дающие в сумме единицу. Заметим, что с точки зрения математики вышеописанные действия эквивалентны следующей, подчас более простой, процедуре. А именно, если существует хотя бы одно такое решение математические основы теории - student2.ru системы уравнений (1.2.4), для которого выполнено неравенство

математические основы теории - student2.ru ,

то стационарное распределение вероятностей определяется однозначно по формуле

математические основы теории - student2.ru , i = 0, 1, 2, … n.

Марковской цепи

Иногда, особенно в зарубежной литературе, уравнения Колмогорова непрерывной марковской цепи принято записывать несколько другим способом.

Вернемся еще раз к формуле (1.2.1). Имеем

математические основы теории - student2.ru

математические основы теории - student2.ru

математические основы теории - student2.ru

математические основы теории - student2.ru ,

и тогда

математические основы теории - student2.ru

математические основы теории - student2.ru .

Если теперь при Δt→0 объявить предел отношения математические основы теории - student2.ru интенсивностью перехода i → i, то получим систему уравнений

математические основы теории - student2.ru

или для однородной цепи Маркова –

математические основы теории - student2.ru .

В матричном виде это будет математические основы теории - student2.ru , где

математические основы теории - student2.ru

– матрица интенсивностей переходов между состояниями, математические основы теории - student2.ru – вектор вероятностей состояний системы. В стационарном случае, очевидно, должно быть

математические основы теории - student2.ru или математические основы теории - student2.ru

и так далее. При таком определении λij интенсивности переходов будут удовлетворять условию

математические основы теории - student2.ru (i =0, 1,2, … n ),

то есть в этом случае значения λjj(t) нужно искать по формуле

математические основы теории - student2.ru

в согласии с системой уравнений Колмогорова (1.2.2).

Простейший поток событий

Потоком событий называется последовательность однородных событий, появляющихся одно за другим в случайные моменты времени. При этом среднее число событий, приходящееся на единицу времени, называется интенсивностью математические основы теории - student2.ru этого потока событий.

С точки зрения математики поток событий может быть описан как случайный процесс X(t), принимающий только целочисленные неубывающие значения 0, 1, 2, … Применительно к системам массового обслуживания процесс X(t) есть просто число заявок или требований, поступивших в СМО за промежуток времени от 0до t.

Введем понятие простейшего потока событий. Простейшим называется поток событий, для которого выполняются следующие три условия, которые мы сформулируем здесь в соответствии с принятой в теории массового обслуживания инженерной терминологией.

Отсутствие последствия (lack of memory). Отсутствие последствия в потоке означает, что для любого момента времени t будущие моменты наступления событий не зависят от того, в какие моменты наступали аналогичные события в прошлом, то есть будущее зависит от прошлого только через настоящее (на языке математики – обычное марковское свойство).

Ординарность. Поток событий называется ординарным, если в каждый момент времени может произойти только одно событие (может появиться только одна заявка). Говоря другими словами, события в таком потоке появляются поодиночке, а не группами.

Стационарность. На языке теории массового обслуживания поток событий называется стационарным, если его вероятностные характеристики, то есть интенсивность и закон распределения промежутков времени между событиями, не меняются со временем. В противном случае поток является нестационарным. На языке теории цепей Маркова это свойство, в соответствии со сказанным выше, означает просто однородность соответствующего марковского процесса по времени.

Говоря другими словами, простейший поток событий представляет собой однородную цепь Маркова с непрерывным временем, обладающую дополнительно еще и свойством ординарности. Граф такой марковской цепи изображен на рис. 3. На этом рисунке λ – это некоторая пока еще не определенная интенсивность соответствующего марковского процесса. Найдем закон распределения вероятностей событий в этом потоке.

математические основы теории - student2.ru

Рис. 3

Очевидно, что для графа состояний, изображенного на этом рисунке (точнее говоря, для случайного марковского процесса, соответствующего этому графу состояний), уравнения Колмогорова (1.2.2) примут следующий вид:

математические основы теории - student2.ru , k = 1, 2, … математические основы теории - student2.ru . (1.4.1)

Здесь pk(λ) – вероятность того, что за время от 0 до t в систему поступит ровно k заявок (или, что то же самое, произойдет ровно k событий).

Начальные условия к этим уравнениям:

математические основы теории - student2.ru ; математические основы теории - student2.ru , k=1, 2, …, (1.4.2)

то есть математические основы теории - student2.ru или математические основы теории - student2.ru , где математические основы теории - student2.ru – символ Кронекера:

математические основы теории - student2.ru = математические основы теории - student2.ru

Условия (1.4.2), очевидно, означают, что на начальный момент времени заявки в системе отсутствуют.

Для решения системы уравнений (1.4.1) произведем замену, введя новую функцию Uk(t) по правилу математические основы теории - student2.ru . Тогда уравнения (1.4.1) примут вид

математические основы теории - student2.ru , k =1, 2, … математические основы теории - student2.ru . (1.4.3)

Начальные условия к этим уравнениям, очевидно, задаются равенствами

математические основы теории - student2.ru ; математические основы теории - student2.ru , k = 1, 2, …

Теперь из системы (1.4.3) имеем

математические основы теории - student2.ru ; математические основы теории - student2.ru ;

математические основы теории - student2.ru ; математические основы теории - student2.ru

и так далее. В итоге для всех k =1, 2, … получим формулу

математические основы теории - student2.ru ,

так что

математические основы теории - student2.ru . (1.4.4)

Это и есть знаменитое распределение Пуассона, или, точнее говоря, стационарное распределение Пуассона, поскольку в общем случае для этого распределения математические основы теории - student2.ru const. Итак, простейший поток событий описывается вероятностным распределением Пуассона, вследствие чего его часто так и называют – поток Пуассона.

Заметим, что если в начальный момент времени в системе имеются i > 0 требований, а под pk(t) по-прежнему понимается вероятность того, что за время от 0 до t поступит ровно k заявок, то, как можно показать, в этом случае решение уравнений (1.4.1) даст нам распределение

математические основы теории - student2.ru , k = i +1, i +2, …

которое также является одной из разновидностей классического распределения Пуассона.

Далее обозначим через k(t) общее число заявок (требований), поступивших в систему в промежутке времени от 0до t. В этом случае

математические основы теории - student2.ru

математические основы теории - student2.ru

Таким образом, мы получили, что среднее число требований (заявок), поступивших в систему за промежуток времени от 0 до t, есть просто математические основы теории - student2.ru . Отсюда в свою очередь следует, что интенсивность λ марковского процесса, описываемого соответствующим графом состояний, определяется формулой математические основы теории - student2.ru .

Как видим, для простейшего потока событий, рассматриваемого как марковский случайный процесс, физическая интенсивность поступившего в систему потока требований (среднее число этих требований в единицу времени) совпадет с интенсивностью марковского процесса, соответствующего этому потоку заявок. Дисперсия же числа событий (в данном случае – числа заявок, поступивших в систему за интервал времени от 0 до t), очевидно,

математические основы теории - student2.ru

математические основы теории - student2.ru

математические основы теории - student2.ru

математические основы теории - student2.ru .

Таким образом, среднее значение и дисперсия общего числа заявок в простейшем потоке событий одинаковы и равны математические основы теории - student2.ru . Отсюда следует, что коэффициент вариации математические основы теории - student2.ru , равный отношению дисперсии к математическому ожиданию и характеризующий степень нерегулярности потока заявок, в данном случае равен единице. Заметим, что для регулярного или детерминированного потока, то есть потока, в котором промежутки времени между двумя последовательными заявками являются постоянными величинами, коэффициент вариации v равен нулю, для большинства же других законов распределения 0 < v < 1.

Вернемся еще раз к потоку Пуассона и зададимся целью определить закон распределения вероятностей для интервалов, которые разделяют два последовательных события в этом потоке.

Рассмотрим случайную переменную математические основы теории - student2.ru , представляющую собой промежуток времени между двумя последовательными требованиями, поступающими в систему массового обслуживания. По определению искомая функция распределения

математические основы теории - student2.ru

– это вероятность того, что интервал времени между двумя последовательными событиями не превзойдет t или, говоря другими словами, F(t) – вероятность того, что хотя бы одно событие произойдет в некотором интервале времени от 0 до t, если оно произошло в начальный момент времени при t = 0.

Применим эту формулу к потоку Пуассона. Ясно, что в этом случае

математические основы теории - student2.ru ,

где математические основы теории - student2.ru – вероятность того, что промежуток времени между двумя последовательными событиями в потоке, напротив, превзойдет t, то есть вероятность того, что на интервале длины t (от 0 до t) не произошло ни одного события. В силу же формулы (1.4.4) вероятность отсутствия событий за время t есть просто математические основы теории - student2.ru и, значит,

математические основы теории - student2.ru , (1.4.5)

а соответствующая плотность вероятности

математические основы теории - student2.ru (1.4.6)

(напомним в этой связи, что по определению

математические основы теории - student2.ru ).

Это распределение (1.4.6) хорошо известно в теории вероятностей и носит название показательного (или экспоненциального) распределения случайной величины. Следовательно, если моменты наступления требований в систему распределены по закону Пуассона, то промежутки времени между этими моментами имеют экспоненциальный закон распределения.

Покажем, что верно и обратное утверждение, то есть из формулы (1.4.6) можно в свою очередь вывести обратным ходом и закон распределения (1.4.4). В самом деле, очевидно, что

математические основы теории - student2.ru .

Далее, пусть p1(t) – вероятность того, что за время t в систему придет только одна заявка или, что то же самое, в системе произойдет только одно случайное событие. Пусть это событие произошло в некоторый момент времени τ < t. Это, в свою очередь, означает, что за время t–τ, оставшееся до конца рассматриваемого интервала, в системе не произойдет ни одного случайного события. Вероятность этого для каждого отдельного момента времени (в интервале от τ до t) есть, очевидно, математические основы теории - student2.ru .

В этом случае средняя вероятность отсутствия случайных событий за время от τ до t для всех τ ( математические основы теории - student2.ru ) согласно определению средней величины есть просто

математические основы теории - student2.ru .

Точно так же очевидно, что

математические основы теории - student2.ru

математические основы теории - student2.ru

и так далее. В результате мы снова получим распределение чисел появления случайных событий в простейшем потоке (1.4.4).

Как видим, распределение Пуассона и показательное распределение взаимно однозначно связаны между собой или, говоря другими словами, равносильными являются утверждения о том, что процесс является пуассоновским по распределению числа событий и что распределение длительности интервалов этого процесса показательное.

Так, например, если время обслуживания какой-либо системы массового обслуживания имеет экспоненциальное распределение, то число обслуженных за время t заявок также подчиняется закону Пуассона со своей средней интенсивностью обслуживания μ:

математические основы теории - student2.ru ,

то есть можно говорить о том, что навстречу потоку поступающих в систему заявок движется встречный поток обслуживаемых заявок, выводящий заявки из данной системы.

Определим теперь на основе показательного распределения (1.4.6) математическое ожидание (среднее значение) и дисперсию интервала времени между двумя последовательными событиями в простейшем потоке. По определению

математические основы теории - student2.ru .

Проинтегрировав это выражение по частям, получим

математические основы теории - student2.ru .

Дисперсия показательно распределенной величины

математические основы теории - student2.ru

математические основы теории - student2.ru .

Интересно выяснить, какая доля промежутков времени между двумя последовательными требованиями в такого рода потоке имеет длину, меньшую, чем ее математическое ожидание, то есть меньшую, чем математические основы теории - student2.ru . Это, очевидно, будет

математические основы теории - student2.ru

математические основы теории - student2.ru .

Доля промежутков времени, которые, наоборот, длиннее, чем математические основы теории - student2.ru , в этом случае есть математические основы теории - student2.ru , и тогда их отношение математические основы теории - student2.ru – довольно значительная величина.

Для полноты картины, а также для проверки и подтверждения истинности полученных результатов необходимо еще продемонстрировать марковское свойство (на языке теории массового обслуживания – свойство отсутствия последствия) полученного нами распределения интервалов между событиями в простейшем потоке (1.4.5). Проще всего это сделать следующим образом. Найдем еще раз F(t) – функцию распределения интервалов времени между событиями в потоке (1.4.4). Для этого повторим вывод формулы для F(t), но уже не для рассмотренного выше отрезка между начальным моментом времени t = 0 и некоторым t, а рассматривая произвольный, в том числе и достаточно удаленный от начальной точки, отрезок времени от t0 до

t0 + t, где t0 – любое фиксированное число. В данном случае событие (приход заявки в систему) происходит внутри отрезка времени от t0 до t0 + t (то есть за время, меньшее, чем t0 + t), но лишь при условии, что это случится не раньше момента времени t0 (все события, которые имели место до этого времени, нас не интересуют). Очевидно, что тогда функция распределения F(t) будет описываться условной вероятностью

математические основы теории - student2.ru .

Отсюда по формуле для условной вероятности имеем

математические основы теории - student2.ru

математические основы теории - student2.ru

– уже известный нам закон распределения (1.4.5). Или, говоря другими словами, будущее показательно распределенной случайной величины (после момента времени t0) не зависит от прошлой истории этой величины (до момента времени t0), и это распределение остается неизменным во времени. Подчеркнем при этом, что показательное распределение является единственным непрерывным распределением, обладающим этим свойством. В случае же дискретных случайных величин единственным распределением с таким же свойством является геометрическое распределение случайной величины.

ЧАСТЬ 1.

МАТЕМАТИЧЕСКИЕ ОСНОВЫ ТЕОРИИ

МАССОВОГО ОБСЛУЖИВАНИЯ

Наши рекомендации