Documente Academic
Documente Profesional
Documente Cultură
Emilian GUULEAC
Chiinu 2010
Catedra Calculatoare
Prezentul ciclu de prelegeri la disciplina "Procese stochastice" este destinat studenilor din anul I cu specializrile 526.1 "Calculatoare" i 526.2 "Tehnologii informaionale", Facultatea Calculatoare, Informatic i Microelectronic. Tematica prelegerilor a fost stabilit n conformitate cu programa de nvmnt. Sunt prezentate unele consideraii teoretice ale lanurilor i sistemelor de ateptare markoviene i semi-Markov, metode de analiz numeric a proprietii lor i aspecte aplicative ale teoriei fenomenelor de ateptare. Scopul lucrrii const n familiarizarea studenilor cu metodele de analiz a lanurilor Markov i a sistemelor de ateptare care pot fi aplicate la modelarea i evaluarea performanelor calculatoarelor, sistemelor i reelelor de calculatoare. Pentru atingerea obiectivului respectiv poate fi utilizat pachetul de programe QM i mediul de modelare VPNP.
Elaborare: conf. univ., dr. hab. Emilian GUULEAC Recenzent: conf. univ., dr. . Sergiu ZAPOROJAN
Aprobat la edina Consiliului tiinific al Facultii Calculatoare, Informatic i Microelectronic din 20 octombrie 2009 Redactor responsabil: conf. univ., dr. Victor ABABII
U.T.M., 2010
Prefa
Sistemele de calcul, reelele de calculatoare sau de telecomunicaii sunt sisteme complexe formate dintr-o multitudine de sisteme elementare de tipuri diferite, interconectate dup o structur convenabil, avnd caracteristici proprii ce decurg att din arhitectura lor fizic, precum i din natura proceselor la care sunt supuse. Teoria proceselor stochastice markoviene i semi-Markov reprezint un domeniu relevant n asamblul matematicilor aplicate, care necesit rezolvarea problemelor practice de modelare i evaluare a performanelor sistemelor de calcul cu stri i evenimente discrete. Actualmente teoria proceselor stochastice ocup o arie att de mare nct este puin probabil de a o percepe integral, innd contul n mod deosebit de faptul c aceast teorie este n continu dezvoltare. Metodele fenomenelor de ateptare descriu sisteme i procese de servire cu caracter de mas care intervin n diferite domenii ale activitii practice. Teoria lanurilor Markov i a sistemelor de ateptare este acea ramur a matematicii ce studiaz fenomenele de ateptare, principalele elemente ale creia sunt: sursa - mulimea unitilor (cererilor, clienilor) ce solicit un serviciu la un moment dat, care poate fi finit sau infinit; sosirea unitilor n sistemul de ateptare determin o variabil aleatoare, care reprezint numrul de uniti ce intr n sistem n unitatea de timp. Este necesar s se cunoasc repartiia acestei variabile aleatoare. La originea teoriei ateptrii se gsete determinarea ncrcrii optime a unei server. Pentru a rezolva aceast problem, este necesar s se determine cererile de servicii (apelurile) care sosesc n mod ntmpltor i s se nregistreze timpul necesar pentru prelucrarea acestora. Un astfel de model n care se urmrete satisfacerea ct mai prompt a cererilor de servicii n condiii economice ct mai avantajoase se numete model (sistem) de ateptare (servire). ncercrile de a prezenta esena i materia respectiv a acestor teorii ntr-un volum relativ mic sunt supuse ntru totul gusturilor, preferinelor autorilor i programei de
3
nvmnt a disciplinii predate. Astfel i noi am fost forai s selectm anumite elemente de consideraii teoretice din aceast teorie pentru a le aduce la cunotin studenilor nainte de a efectua anumite aplicaii practice prevzute n form de lucrari de laborator. Fiind, n general, subordonate unor anumite programe analitice, noiunile i conceptele prezentate n acest volum apar, n mod firesc, ntr-o succesiune logic i sunt supuse unor restricii temporale i de spaiu inevitabile care conduc adeseori la dezvoltri teoretice limitate. Vom mulumi anticipat acelora, care vor dori s fac observaii constructive asupra prezentei lucrri i vor manifesta nelegere pentru eventualele abateri remarcate n text, formule sau figuri.
Cuprins
Prefa 1. Procese stochastice i lanuri Markov ..................................................................4 1.1. Noiuni i definiii generale ...............................................................................4 1.2. Clasificarea strilor unui lan.............................................................................6 1.3. Lanuri Markov n timp discret..........................................................................7 1.4. Lanuri Markov n timp continuu ......................................................................8 1.5. Agregare markovian ......................................................................................10 1.6. Procese semi-Markov ......................................................................................11 1.7. Rezolvarea numeric a lanurilor Markov .......................................................15 1.8. Algebra Kronecker i lanuri Markov................................................................ 2. Elemente de teoria ateptrii...............................................................................17 2.1. Generaliti......................................................................................................17 2.2. Sistem de ateptare elementar .........................................................................20 2.3. Legi probabilistice ale sosirilor i servirilor ....................................................24 2.4. Deducerea ecuaiilor de stare pentru un fenomen de ateptare n regim staionar...............................................................................28 2.5. Modele de ateptare.........................................................................................30 2.6. Modele cu restricii..........................................................................................35 3. Aplicaii .................................................................................................................38 3.1. Lanuri Markov timp discret............................................................................38 3.2. Analiza sistemelor de ateptare multicanal......................................................41 3.3. Analiza sistemelor de ateptare prioritare........................................................43 3.4. Analiza reelelor stochastice model Jakson .....................................................45 Bibliografie..52
De obicei precizarea mulimii coincide cu intervalul de timp al evoluiei diverselor clase de procese stochastice. Astfel, dac ={1,2,...,n} este o mulime finit, atunci procesul stochastic este echivalent cu un vector aleator , care determin vectorul de stare al sistemului studiat. n termeni probabilistici, a descrie evoluia unui proces stochastic nseamn cunoaterea probabilitilor tuturor evenimentelor de forma : " la momentul procesul stochastic se gsete n starea (X=x) ", precum i a probabilitilor de realizare simultan a unui numr de astfel de evenimente pentru diverse momente i i diverse mulimi eiR, 1in . Cu alte cuvinte, este necesar s fie cunoscute probabilitile de forma :
Pr ( X e1 ,..., X en )
1 n
(1.2)
pentru orice nN, orice i i orice eiR, 1in . Acest fapt se manifest prin cunoaterea funciilor de repartiie n - dimensionale
(1.3)
n acest context se mai spune c legea probabilistic a unui proces stochastic este dat de legea de repartiie a tuturor vectorilor aleatori cu probabilitile (1.2). n ipoteza c parametrul este timpul, se poate face i presupunerea particular c momentele 0,1,...,n sunt ordonate i anume c 0<1<2<...<n<, fapt care apare natural. ntr-o astfel de situaie, dac observm procesul stochastic la momentul n, pe care l considerm ca "prezent", putem presupune "trecutul" procesului pentru i<, 0in i n mod firesc ne intereseaz "viitorul" acestui proces pentru . Un astfel de interes ne conduce n mod natural i direct la evaluarea probabilitilor condiionate de forma
Pr( X x | X = xn ,..., X x0 )
n 0
(1.4)
care nseamn probabilitatea, ca procesul stochastic s se afle la momentul viitor n starea X=x, condiionat de faptul c la momentele trecute 0<1<...<n< s-a aflat succesiv n strile X 0 = x0 ,...., X = x n starea x0 fiind starea iniial a acestui proces.
n
Probabilitile de forma x()=Pr(X=x), 0<1<...<n< se numesc, n contextul de mai sus, probabiliti absolute de stare i se refer la evenimente de forma: " procesul se gsete la momentul n starea X=x ", fr a se face vreo referire la trecutul procesului stochastic. Ca i alte concepte matematice, nici procesele stochastice nu pot fi studiate global, fiind necesar o clasificare a acestora dup anumite criterii. O prim clasificare poate fi fcut pe baza mulimii parametrilor procesului stochastic:
a) dac este un interval mrginit al dreptei reale , atunci avem procese stochastice de tip continuu n raport cu parametrul timp; b) dac este o mulime discret, spre exemplu =Z (numere ntregi) sau =R+ (mrimi reale), atunci avem procese stochastice de tip discret n raport cu parametrul i care se mai numesc lanuri. O alt clasificare poate fi fcut n funcie de mulimea valorilor procesului i anume: a) dac mulimea valorilor procesului este nenumrabil (spre exemplu, un interval real), atunci avem procese cu valori continue; b) dac mulimea valorilor procesului este cel mult numrabil, atunci avem procese cu valori discrete. Cel mai important criteriu de clasificare se refer la modul n care sunt legate ntre ele variabilele aleatoare X, ceea ce permite i un studiu adecvat al diferitelor tipuri de procese stochastice. Definiia 1.2. Un proces stochastic X este un proces Markov ( sau markovian ) dac i numai dac are loc relaia numit proprietatea lui Markov:
Un lan Markov este un proces Markov cu un spaiu discret de stri. N+ este mulimea numerelor naturale La baza conceptului de proces Markov se afl imaginea pe care o avem despre un sistem dinamic fr postaciune, adic un sistem al crui evoluie viitoare (la momentul ) nu depinde dect de starea prezent a procesului (cea de la momentul n ) dar i de ceea ce s-a petrecut n trecutul su (la momentele premergtoare 0<1<...<n-1). Altfel spus, pentru astfel de procese stochastice, ultima stare cunoscut determin complet, din punct de vedere probabilistic, comportarea viitoare
8
a sistemului. Pentru exemplificare putem considera cazul transmisiei informaiei cnd, n anumite condiii, noul semnal care este emis are n vedere semnalul precedent emis i nu toat emisiunea realizat pn n acel moment. Cu alte cuvinte, procesele Markov sunt procese fr memorie. Se spune c un proces ( sau lan ) Markov X este omogen ( adic cu probabiliti de trecere staionare) dac, Pr( X x | X n = xn ) = Pr( X x | X 0 = xn ) ceea ce implic
n
faptul c aceste probabiliti de trecere staionare nu depind explicit de timpul considerat , ci numai de ecartul - n. n continuare vom folosi pentru studiul comportrii sistemelor de calcul numai lanuri Markov omogene (LM). Probabilitatea ( condiionat ) de trecere spre starea j la momentul , tiind c lanul Markov se afl n starea i la momentul s, este rij( s, )=Pr( Xt=j / Xs=i ) sau rij()=rij(s,s+) dac lanul este omogen. Prin convenie se presupune c rij(0,0)=1 dac i=j. Vom nota R(s,) i R() matricele stochastice respective care verific proprietile urmtoare:
s, , i, j , rij ( s, ) 0,
r ( s , ) = 1
j ij
su, i,j,
Probabilitatea (necondiionat) ca lanul LM s se afle n starea i la momentul este i(). Vom nota vectorul-linie respectiv al probabilitilor de stare, iar -
distribuia iniial a probabilitilor de stare a lanului. Timpul petrecut de un lan LM ntr-o stare dat i, numit durata de aflare n starea i are o lege de distribuie exponenial-negativ pentru lanuri Markov n timp continuu (LMTC) i o lege de distribuie geometric pentru lanuri Markov n timp discret (LMTD). Durata de aflare n orice stare a lui LMTD este strict egal cu o unitate de
9
timp, numit epoc, perioad sau tact. Numai aceste legi de distribuie posed proprietatea de a fi "fr memorie": x>0, y>0, Pr(Xx+y / xy)=Pr(Xx). De aceia lanurile LMTD i LMTC sunt folosite foarte des ca modele matematice simple de analizat ce descriu funcionarea diferitor sistema cu evenimente discrete [?] Studiul comportrii lanurilor Markov n funcie de timp poate fi efectuat n dou direcii mari:
studierea n regim tranzitoriu, adic determinarea probabilitilor de aflare n
stare starea sau o submulime de stri pentru orice >0. Pentru aceasta se vor folosi i matricele stocastice R(s,) pentru orice (s,), n particular R(0,) i relaiile :
lim i () = i
n cele ce urmeaz ne vom interesa numai de studiul regimului de echilibru al lanurilor Markov ce descriu comportarea sistemelor de calcul respective. Un lan Markov care posed o astfel de distribuie - limit a probabilitilor staionare de stare independent de distribuia lor iniial este numit lan Markov ergodic. 1.2. Clasificarea strilor unui lan Markov Strile unui lan Markov sunt clasificate n conformitate cu modul cum ele sunt "vizitate" n cursul timpului funcionrii lanului. Prima clasificare este fondat pe momentele de rentoarcere n starea dat. Notm
i momentul de a i-m schimbare de stare, iar ij = min{ / > i X =j /X0=i}
Definiia 1.3. O stare i este: a) tranzitorie dac Pr(ii<)<1; b) recurent - nul dac Pr(ii<)=1 i E[ii]=; c) recurent - nenul dac Pr(ii<)=1 i E[ii], unde E[ii] este numit durata medie de recuren a strii i. Pentru o stare recurent i a unui lan Markov n timp discret, dac este cel mai mare divizor comun (c.m.d.c.) al numerelor ntregi n, astfel nct Pr(Xn=i/X0=i)>0, atunci starea i este numit periodic de perioada , dac >1, i aperiodic dac =1. Fr a meniona contrariul, n continuare vom folosi lanuri Markov n timp discret aperiodice, adic strile cruia sunt toate stri aperiodice. A doua clasificare este fondat pe mulimea trecerilor dintr-o stare n alta. Astfel, subansamblul de stri este numit nchis dac:
i , > 0, rij () 0 j
adic este imposibil de a prsi. Fie E o relaie n : iEj dac i numai dac lanul poate trece din i la j i invers, adic dac exist cel puin un 0 astfel c rij()>0 i un astfel c , ceea ce determin o relaie de echivalen E, adic fiecare clas constituie un ansamblu de stri astfel nct din fiecare se poate, pe parcursul timpului, s se ating toate alte stri ale acestei clase. Definiia 1.4. O stare i este absorbant dac ea este singurul element din clasa sa de echivalen E i c aceast clas este nchis. Un lan Markov este ireductibil dac ansamblul de stri formeaz o singur clas de echivalen E. Asfel, ndat ce un lan atinge o stare absorbant, acolo pentru totdeauna el i va rmne. Legtura ntre aceste dou clasificri este dat de faptul c toate strile unei clase de echivalen pentru E sunt de acelai tip, adic tranzitorii, recurent - nule sau recurent - nenule. Pentru un lan Markov n timp discret ele, de asemenea, toate sunt aperiodice sau periodice de aceeai perioad.
11
Restricia unui lan la o clas de echivalen E nchis duce la un lan ireductibil. Din aceste considerente, n afara unei meniuni explicite, n continuare ne vom restrnge la lanuri ireductibile. 1.3. Lanuri Markov n timp discret Un lan Markov n timp discret este totalmente determinat de distribuia iniial i matricea sa stochastic R(1), notat simplu R i numit matrice de probabiliti de trecere ale lanului: rij=Pr(Xn+1=j / Xn=i). Astfel, pentru orice n>0 : R(n)=Rn. Dac ne vom interesa de un regim tranzitoriu, atunci ne vom folosi de relaia [1,8,9]:
= R, i = 1.
i
(1.5)
r r
Distribuia probabilitilor de stare care verific = *R este numit staionar, r r r deoarece pentru orice n este verificat relaia *Rn= .R.Rn-1= . Deci dac o distribuie
r
este staionar, atunci pentru orice moment de timp n are loc relaia :
i = 1, | | ,
12
1.4. Lanuri Markov n timp continuu Echivalentul de matrice R al lanurilor LMTD pentru lanuri Markov n timp continuu LMTC este noiunea de generator sau matrice dinamic. Teorema 1.2. Fie X un lan LMTC omogen cu un spaiu finit de stri discrete, redat de o matrice R(), ce este derivabil la dreapta n 0. Matricea D = numit matrice generatoare sau matrice dinamic a lui X, astfel nct :
dR () = D R( ) = R ( ) D d
dR(0) este d
de unde : R()=exp(D.). Astfel, un lan LMTC este totalmente definit de matricea sa dinamic D i distribuia probabilitilor de stare iniial. Matricea dinamic D verific relaiile :
i, j , i j , 0 d ij < +, i , d ij = dij , d ii < 0,
j i j
i, j , 0 = d ij ,
j
unde elementul dij este interpretat ca rata de trecere din starea i spre starea j, iar durata de aflare n starea i este o variabil aleatorie distribuit conform legii exponenial negative de parametrul i=-1/dii, numit rata de ieire din starea i. Notm c suma elementelor situate pe fiecare linie a matriciei D este egal cu 0. O matrice care verific aceste proprieti este numit D - matrice dinamic. Dac se va studia un regim tranzitoriu al unui lan LMTC se vor utiliza relaiile : r d() r = () D d i deci
( ) = (0) e D .
Condiiile suficiente de ergodicitate al lanurilor LMTC sunt rezumate de urmtoarea teorem [3,12].
13
Teorema 1.3. Orice lan LMTC omogen cu un spaiu finit de stri discrete i ireductibil este ergodic. Distribuia limit a probabilitilor de stare este independent de distribuia iniial. Ea este unica soluie a sistemului de ecuaii Kolmogorov:
r D = 0,
= 1, 0 < i < 1
Cu orice lan CLM se pot asocia dou tipuri de lanuri DLM : un lan inclus i/sau un lan uniformizat. Definiia 1.5. Fie n momentul n al schimbrii strii procesului X. Procesul X(E)
(E) definit de X n = X n este un lan DLM numit lan inclus (Embedded Markov Chain)
de X redat de o matrice dinamic U. Se poate demonstra [12,14] c U = I + diag D , unde diag{ai} este o matrice
i 1
diagonal, elementele creia sunt ai, iar I este o matrice unitar. Lanul X(E) corespunde schimbrilor de stare ale lui X, ignornd timpul decurs de X n fiecare stare (care este distribuit conform legii exp(i.)). Dac se va nota (E) distribuia de echilibru a lanului X(E), obinem:
1 i i = 1 i( E ) i i i( E )
Fie pe de alt parte, max{i } i X(Z) este procesul stochastic obinut pentru lanul
i
[12] de parametrul , matricea stochastic de trecere R (Z)() a cruia este definit de:
R ( Z ) ( ) = () n exp () n K n! n 0
14
Definiia 1.6. Procesul X(Z) are aceleai probabiliti de trecere n regim de echilibru ca i procesul X. Lanul DLM definit de Z este numit un lan uniformizat de X. Lanul Z corespunde unei discretizri sau unei uniformizri ale lanului X, n instantanee distincte de intervale de timp suficient de mici pentru ca probabilitatea a mai mult de o schimbare de stare a lui X n acest interval de timp s fie mic, de ordinul O(), astfel nct lim
0
este o variabil aleatoare distribuit dup legea exp(.), iar distribuia de echilibru de X este, de asemenea, ca i a celui de Z astfel nct: = ( I + deseori d posibilitate de a uura analiza acestor tipuri de procese. 1.5. Agregare markovian
1
D) , ceea ce
Principiul de agregare exact, const n a partiiona spaiul de stri ale unui lan n subansambluri (k)k=1,...,K n aa mod nct comportamentele de stri a unor i aceleai k s fie stochastic echivalente. La evaluarea performanelor unui sistem se va folosi o agregare, subansambluri de stri ale creia au o interpretare n termeni de comportare a acestui sistem, considerat ca o macrostare. Metoda de agregare, n particular, este folosit n analiza markovian a unor modele ale proceselor de calcul [9,14]. Definiia 1.7. Un lan Markov X poate fi agregat, urmnd partiia (k)k=1,...,K , dac procesul X(A) cu un spaiu de stri definit astfel nct: 0, X(A)=k, Xk este , de asemenea, un lan Markov. I. G. Kemeny i J. L. Snell [9] au demonstrat rezultatul urmtor, care determin condiia de agregare a unui lan Markov.
15
Teorema 1.4. Un lan Markov poate fi agregat, oricare ar fi distribuia iniial, dac
wh ( h )
wh ( h )
d w,w =
h
wh ( h )
[ ]
~ R
( respectiv
~ D
) dect
pentru R ( respectiv D ). Invers, aceste probabiliti nu permit, dect n cazuri particulare, determinarea probabilitilor pentru fiecare stare a lanului original n regim de echilibru. 1.6. Procese semi-Markov n practic deseori se ntlnesc sisteme dinamice cu stri discrete, pentru care durata de aflare ntr-o oarecare stare i, fiind o variabil aleatoare, depinde de aceast stare i de starea urmtoare de trecere i ea nu este necesar distribuit conform legii exponenial-negative. Evoluia sistemului este astfel definit de starea curent i de starea ce urmeaz. Acest tip de procese stochastice sunt numite procese semiMarkov. Definiia 1.8. Un proces stochastic X, cu un spaiu finit de stri discrete, este numit proces semi-Markov (Semi-Markov Process, SPM) dac exist o suit cresctoare de instantanee (n)nN astfel nct este o variabil aleatoare definit ca :
i, j , n N , 0 < 1 < ... < n , 0, i0 ,...,in 1 , Pr ( X = j , n+1 n / X = i, X = in 1 ,..., X = i0 )
n +1 n n 1 0
= Pr ( X = j , n +1 n / X = i ),
n+1 n
n +
lim n = +
16
Aceast probabilitate de trecere este notat hij(), iar matricea stochastic H()=(hij()) este numit nucleu semimarkovian. Notm c n este instantaneul n de tranziie dintr-o stare oarecare, ns procesul X totui poate s rmn n aceeai stare pe parcursul acestei tranziii. Studiul n regim de echilibru al proceselor semi-Markov SPM este facilitat de existena, ca i pentru lanuri CLM, al unui lan DLM derivat de SPM, numit, de asemenea, lan inclus, care corespunde observrii procesului X n instantaneele de tranziie. Propoziia 1.1. Procesul stochastic n timp discret X(E) definit de X n( E ) = X este un
n
lan DLM cu o matrice stochastic de treceri R = lim H ( ) , numit lan inclus ( LMI ) al
+
procesului X. Proprietile strilor : tranzitorii, recurent - nule sau recurent - nenule, astfel ca i caracterul ireductibil sau nu, sunt aceleai pentru procesul semi-Markov X i lanul su inclus. Din contra, periodicitatea unei stri este o proprietate distinct pentru X i X(E) : starea i poate fi periodic pentru X de perioada :
i( E ) E (i ) i = i( E ) E (i )
j
(1.6)
17
Rezultatele acestei teoreme, care vor fi folosite la analiza semimarcovian a proceselor de calcul, permit calcularea distribuiei probabilitilor de stare n regim de echilibru al procesului SPM, referindu-ne la lanul su inclus. Cum deja s-a menionat procesele semi-Markov descriu mai adecvat funcionarea sistemelor reale. Un proces markovian cu probabilitile de trecere rij dintr-o stare i n alt stare j, (i,jJ) devine un proces semi-Markov dac distribuia duratei de aflare n fiecare stare este Fi(t). Cu scopul de a determina probabilitile staionare qi de aflare a unui lan semi-Markov n starea iJ cu n=| J | stri finite vom considera un lan Markov DLM cu aceleai probabiliti de treceri. Pentru acest lan DLM sunt verificate ecuaiile (1.6) cu condiia de normalitate:
n
i =1
=1
.
Vom considera n lanul semi-Markov cu un numr N de treceri suficient de mare. n timpul efecturii a N treceri lanul DLM n mediu Ni=i.N ori se va afla n starea iJ. Dac este cunoscut durata medie i de aflare a lanului semi-Markov n starea i:
0 < i = (1 Fi ())d
0
< +
atunci se poate de calculat durata medie de aflare i a acestui lan n starea i pentru acelai numr N de treceri:
i = i N i .
(1.7)
= j = N j j .
j =1 j =1
(1.8)
Deoarece qi este probabilitatea staionar c lanul semi-Markov se va afla n starea iJ, ceea ce nseamn c pe aceast durat , durata medie de aflare n starea i a acestui lan este:
18
i = qi = qi N j j .
j =1
(1.9)
(1.10)
Substituind expresia lui i din (1.10) n ecuaia Kolmogorov (1.6) i diviznd la (cu i0, ) ambele pri ale ecuaiilor astfel obinute, determinm sistemul de ecuaii algebrice pentru calcularea probabilitilor staionare qi ale lanului semi-Markov:
n qi q = rki k , i k =1 k
i = 1,2,...,n;
q
i =1
=1 .
(1.11)
Este evident c condiia de existen a soluiei unice a ecuaiilor (1.11) este aceeai ca i condiia de ergodicitate a lanului Markov cu matricea stochastic a probabilitilor de trecere R=(rij)nn. Uneori este mai uor de a rezolva sistemul de ecuaii (1.6) dect sistemul (1.11). Atunci n acest caz din (1.10) putem determina probabilitatea staionar qi a lanului semi-Markov:
qi = i i
j j
j =1
i = 1,2,...,n.
(1.12)
Pentru un studiu mai detaliat al proceselor semi-Markov n aplicarea lor la modelarea unor procese de calcul cititorul poate consulta lucrrile [13,17]. Pentru graful unui lan semi-Markov, nodurile cruia sunt ponderate cu durata medie i de aflare n starea respectiv iJ, putem determina condiiile de conservare a fluxului de probabilitate prin metoda tieturilor. Metoda tieturilor grafului de treceri al unui lan semi-Markov se reduce la urmtoarea procedur. Notm mulimea strilor J, | J |=n ale grafului G=(J,A)
19
lanului semi-Markov, iar mulimea arcelor acestui graf este A. Astfel, dac i,jJ i ntr-un pas poate avea loc o trecere din starea i n starea j, adic ntr-o unitate de timp, atunci arcul (i,j)A. Fie r(i,j) - probabilitatea de trecere ntr-un pas din starea i n starea j, iar i este durata medie de aflare a lanului semi-Markov n starea i. Dac arcul (i,j)A, atunci r(i,j)>0 i deci r (i, j ) = 1 . Notm qi - probabilitatea staionar c
i j
procesul semi-Markov n orice moment de timp se va afla n starea i i este verificat relaia de normalitate:
q
i j
=1
n aceste condiii este necesar de a determina probabilitile staionare qi - mrimi necunoscute de aflare a lanului semi-Markov, n starea i exprimate prin mrimile cunoscute ale probabilitilor de treceri r(i,j) ale acestui lan i a duratei medie i de aflare n starea iJ. Pentru aceasta vom introduce urmtoarea definiie. Definiia 1.9. Vom numi U - tietur a mulimii arcelor grafului G=(J,A), ce are urmtoarele proprieti: 1) UA; 2) nlturarea tuturor arcelor acestei U - tieturi din graful G va transforma acest graf n dou subgrafuri G1=(J1,A1) i G2=(J2,A2), care nu sunt conectate ntre ele, adic I=I1I2, J1J2= i A=A1A2, A1A2=; 3) dac (i,j)U, atunci nu este o tietur a grafului G. Din aceast definiie reiese c o U - tietur nu va conine nici o bucl, adic (i,i)U. Deci o U - tietur poate fi redat n modul urmtor:
U=U1U2, U1U2=; dac (i,j)U1, atunci jJ2, iJ1; dac (i,j)U2, atunci iJ2, jJ1.
20
Teorema 1.6 Pentru orice U - tietur U=U1U2 n graful lanului semi-Markov este verificat relaia: (1.13)
( i , j )U1
r (i, j )
qi q = r (k , l ) k i ( k ,l )U k
2
Demonstraie. Vom considera un lan Markov cu aceeai mulime de stri J i cu aceleai probabiliti de treceri r(i,j), (i,jJ), (i,j)A ca i n lanul semi-Markov dat. Conform [3] pentru orice S - tietur n graful de treceri al lanului Markov este verificat urmtoarea relaie:
( i , j )S1
r (i, j )
( k ,l )S 2
r (k , l )
(1.14)
unde i este probabilitatea staionar c n orice moment de timp, lanul Markov se va afla n starea iJ. Legtura dintre probabilitile staionare i respective ale lanului Markov i a probabilitilor staionare qi ale lanului semi-Markov este determinat de relaia [1]:
i = (qi / i ) j m j
jJ
(1.15)
Substituind expresia (1.15) n relaia (1.14) obinem relaia (1.13). Formula (1.13), folosit pentru diferite tieturi posibile, d posibilitatea de a obine ecuaii recursive de un rang mai mic n raport cu expresiile similare obinute din ecuaiile de stare tradiionale ce descriu comportarea lanului semi-Markov [1,17]:
qj q = r (i, j ) i j iJ i
jJ .
(1.16)
Este uor de verificat c expresia (1.16) este un caz particular al ecuaiei (1.13) n cazul cnd mulimea J de stri n tietura considerat degenereaz ntr-o singur stare a grafului de treceri al lanului semi-Markov.
21
1.7. Rezolvarea numeric a lanurilor Markov Problema const, fiind dat un lan CLM cu matricea sa dinamic D de dimensiunea (nn), n a calcula vectorul probabilitilor staionare de Rn, astfel nct : r D = 0, n r 0, i = 1 i =1 (1.17) Mrimea i este probabilitatea staionar c sistemul se va afla n starea i. Pentru un lan DLM, cu matricea sa stochastic a probabilitilor de trecere R , se poate formula cutarea soluiei de echilibru a sistemului de ecuaii (1.17) sub aceeai form, dac vom pune D=R - In, unde In este matricea unitar de dimensiunea (nn). Reamintim c, n majoritatea cazurilor n este foarte "mare" (de exemplu, n102) i deci matricea D are o talie "mare". ns n general, ea posed multe elemente nule i astfel deseori se vor implementa scheme de stocare a numai elementelor nenule ale matricei dinamice D. Exist numeroase metode de rezolvare. Recenta carte a lui W. J. STEWART [15,16] conine unele din lucrrile de referin n acest domeniu. Aici vom descrie numai n linii mari metodele numerice ce se impun, lund seama de situaiile care se vor ntlni n lucrarea dat. Astfel, analiza lucrrilor n acest domeniu d posibilitate de a distinge trei mari clase de metode ce pot fi folosite pentru matricele dinamice D, fr a meniona anumite proprieti particulare: metode directe, metode iterative, metode de proiecie i metode specifice. La folosirea metodelor directe: metoda eliminrii GAUSS, factorizrii LU, de iterare invers etc, se vor calcula dintr-o dat valorile lui i. Metodele iterative sunt mai simple i mai uor accesibile dect metodele directe. Ele se folosesc, n general, pentru sisteme de ecuaii mari ( n>50 ) i n mod special pentru sisteme cu matrice rare, respectiv i cu muli coeficieni nuli. Ideea de baz a acestor metode const n folosirea unei expresii de tipul ( k +1) = f ( ( k +1) ) , unde (k )
22
r r
este aproximaia mrimii obinut la pasul k. Funcia f determin metodele folosite: 1) metoda puterii iterate, JACOBI, 4) metoda suprarelaxrii (SOR) etc. Metoda puterii iterate const n a regsi valoarea proprie cu modulul cel mai mare a unei matrice R i un vector propriu asociat ei. Deoarece R este o matrice stochastic, se tie c aceast valoare proprie este 1 i dac matricea este ireductibil, atunci exist un singur vector propriu la stnga >0, ei asociat, care verific relaia i = 1 . Se obine astfel , utiliznd iteraiile
i =1 n
r r ( k +1) = ( k ) R .
n cazul lanurilor DLM incluse matricea R este definit de relaia:
R=I+
1 D, +
unde marimea este aleas astfel ca R s fie o matrice stochastic, adic max
i j =1, j i
ij
r r ( k +1) = ( k ) +
1 r (k ) D + .
Pe plan teoretic dac R este ireductibil atunci convergena este asigurat, ns ea poate fi lent i depinde de modulul cel mai mare al valorilor proprii ce sunt subunitare (inferioare lui 1): cu ct mai aproape de 1 este valoarea acestui modul, cu att convergena va fi mai lent.
- n aceste metode se folosesc numai produse vector cu matricea D sau matrice precondiionate de D. Acest tip de operaii propag caracterul rarifiat al matricei D la matricele introduse, care permit astfel de a efectua implementri reale, innd cont de acest caracter. Aceasta este mult mai dificil pentru metodele directe ; - eventual se poate folosi o valoare iniial
r ( 0 ) ,
sistemului de ecuaii, care duce la o convergen rapid a acestor metode ; - este posibil oprirea calculului printr-o metod iterativ ndat ce precizia dorit este atins, pe cnd trebuie de terminat calculul cu o metod direct ; - matricea D nu este niciodat modificat, ceea ce mpiedic producerea i creterea erorilor de rotunjire. ns inconvenientul major al metodelor iterative este convergena posibil lent i faptul c nu se tie de a enuna condiia suficient de convergen, n afar de cea a metodei puterei iterate sau pentru unele cazuri particulare de matrice D. Metodele specifice sunt fondate pe proprietile matricei dinamice D (sau matricei stochastice R ) deduse, fie direct din analiza lui D, fie din proprietile modelului, care genereaz D. Ele pot fi particulare unui tip dat de matrice sau constituie adaptri la unele metode generale. n [14] autorii menioneaz trei mari clase de proprieti: matrice aproape complet decompozabile (descompuse), matrice - ciclice i matrice ce posed o expresie tensorial. 1.8. Algebra Kronecker i lanuri Markov Metoda de compunere Kronecker a matricelor dinamice generatoare ale proceselor stocastice pentru rezolvarea lor n regim de echilibru a fost folosit n [13, 14]. n continuare vom vedea c ele permit de a scrie aceste matrice cu ajutorul unei colecii de matrice de dimensiuni cu mult mai mici i de a folosi aceast scriere n form de produs sau sum Kronecker pentru rezolvarea numeric a lanurilor LMTC, fr a manipula matricea dinamic global.
24
Pentru a aplica rezultatele sublanurilor LMTC, folosind algebra Kronecker, este indispensabil de a elabora o metod de nivel nalt care va genera automat astfel de compuneri ale submodelelor. n cele ce urmeaz vom considera K procese stochastice ( X 1,t ), ( X 2,t ),..., ( X K ,t ) , fiecare din ele primete valori ntr-un spaiu finit S K , de cardinalul l K ( pentru a facilita scrierea n continuare, K va nsemna, n dependen de context, ca i aici, un ntreg K sau un ansamblu de K numere ntregi {1,...,K} ), dac nu intervine nici o confuzie. Pentru a reda interaciunile proceselor, este necesar de a considera procesul rezultant X = ( X 1, , X 2, ,..., X K , ) care primete valorile sale n spaiul produsului cartezian ale acestora, adic S = S K . Vom ordona, n mod lexicografic,
k =1 K
componentele lui S. O stare e = (e1 ,..., eK ) a lui S, componentele creia sunt ek indexate
ik , are ca indice un numr ntreg:
i = (ik 1)( j ) + iK .
k =1 j = k +1
K 1
Pentru aceasta vom identifica strile cu numere ntregi, astfel nct starea i va fi scris ca (i1 ,..., iK ) ntr-o "multibaz" (a1 ,..., aK ) . n acelai mod proiecia lui i pe S K va fi notat ik . De asemenea, vom preciza dou tipuri de tranziii (treceri) n evoluia procesului X.
Definiia 1.10. O tranziie t este local n X, dac i t j k k , jk = ik . O
Toate matricele dinamice considerate n continuare au valori reale. Vom nota mulimea acestor matrice de dimensiunea n m prin D[ n ,m ] .
*
markoviene n timp discret cu K componente. ns, n acelai timp, el traduce, la nivelul generatoarelor lanurilor LMTC, efectele tranziiilor de sincronizare. Anume aceast proprietate va fi folosit, deoarece vom studia modele ale sistemelor de calcul cu un spaiu de stri discrete ce evolueaz n timp continuu. Definiia 1.11. (Produsul Kronecker). Fie date dou matrice A D[*n ,m ] i
1 1
j = ( j1 , j2 ) n multibaza (m1 , m2 ) .
Exemplul 1.1. Dac A = 1,1 1, 2 1,3 i B = 1,1 1, 2 1,3 1, 4 , b2,1 b2, 2 b2,3 b2, 4 a2,1 a2, 2 a2,3
atunci: A B = [ai , j B] ,
i, j = 1, 2 .
Astfel, produsul Kronecker reprezint procesul de nmulire a fiecrui element al unei matrice cu fiecare element al altei matrice [18]. Fie dou matrice A IR mn i
B IR pq :
a0 ,0 A= M a m 1,0
b0 ,0 a0 ,n 1 O M i B = M b p 1,0 M a m 1,n 1
L
L b0 ,q 1 O M . M b p 1,q 1
26
n loc s memorm A B explicit, ceea ce necesit o memorie de O(m n p q) , noi am putea stoca A i B i apoi calcula elementele A B dup necesitate n conformitate cu formula:
p , j mod q ] ,
ce necesit doar o memorie de O(m n + p q) cu preul creia se va complica procesul de calcul. Acest proces poate fi generalizat prin produsul Kronecker a K matrice:
k
A = AK L A1 = Ak
k =1
Expresia pentru un element al lui A este n relaie cu noiunea de sistem de reprezentare a numerelor n baza mixt. Dac matricea Ak are rk rnduri i ck coloane, atunci un element din A poate fi calculat prin:
A[i , j ] = Ak [i k , j k ],
k =1 K
(1.18)
unde i = [iK ,K, i1 ] este reprezentarea n baza mixt a lui i cu respectarea bazei
r = [rK ,K, r1 ] , iar j = [ jK , K , j1 ] este reprezentarea n baza mixt a lui j cu respectarea
bazei c = [cK ,K, c1 ] . n figura 1.1 este prezentat un exemplu de produs Kronecker
27
1 0 A3 = , 0 1
0 4 7 0 1 7 4 A= 0 0 0 0 0 0 1 2 3 0 5 6 8 0 9
1 4 1 2 5 4 3 4 3 2 9 4
1 A2 = 1 4
0
4 3 7 3
1 2 1 5
1 6
1 3
1 3 2 3 5 3
0 1 2 3 A1 = 4 0 5 6 A = A3 A2 A1 7 8 0 9
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 2 3 4 0 5 6 7 8 0 9 0 1 1 4 2 1 0 5 4 7 2 0 4
3 4 3 2 9 4
0 1 1 3 2 2 5 2 0 2 3
7 2
0
8 3
1 2
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 3 2 2 2 0 5 3 2
7 2
4 0
1 5 2 5
9 2
0 3
1 3 5 6 1 2
0
4 5 7 5
3 5 6 5 9 5
0
2 3 7 6
1 6
0 2 0
0 1 8 0 5
0
4 3
1
3 2
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4 0
1 5 2 5
9 2
0
4 5 7 5
3 5 6 5 9 5
0 1 8 0 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 2 0 3 3 1 4 0 5 2 3 3 7 8 0 3 3 3 0 1 1 1 6 3 2 2 0 5 1 3 6 7 4 0 3 6 3 2
Un exemplu de produs Kronecker a trei matrice este prezentat n Fig. A3.1. Menionm c stocarea explicit a lui A necesit un spaiu de 288 valori n virgul mobil, pe cnd stocarea matricelor A3, A2 i A1 necesit doar 22 valori n virgul mobil. Calcularea unui element din A necesit 2 multiplicri n virgul mobil i cteva calcule aritmetice cu numere ntregi pentru a determina reprezentarea n baza mixt. Este evident, c odat cu mrirea numrului de matrice implicate n produsul Kronecker, crete att volumul de memorie necesar pentru stocarea lor, ct i cheltuielile de prelucrare a acestora. n continuare, vom considera doar produsul Kronecker a matricelor ptrate. n particular, considerm produsul Kronecker a dou matrice unitare:
28
I m 0 0 I m In Im = M M 0 0
L L O L
0 0 . M Im
Aadar, produsul Kronecker al matricelor unitare este o matrice unitar, a crei dimensiune este produsul dimensiunilor matricelor iniiale:
I n K L I n1 = I K
k = 1 nk
C D[ n, m ] : C = A B = A I m + I n B , astfel nct:
ai1 , j1 + bi2 , j2 , (i1 = j1 ) & (i2 (i1 = j1) & (i2 bi , j ci j = 2 2 (i1 j1) & (i2 ai1 , j1 0 (i1 j1 ) & (i2 = j2 ) j2 ) = j2 ) j2 )
unde I m i I n sunt matrice unitare de dimensiunea respectiv. Suma Kronecker permite de a determina o expresie compact a generatorului lanurilor LMTC, constituite din K componente. Ea descrie funcionarea autonom a componentelor LMTC care rezult din tranziiile locale. n [18] sunt prezentate mai detaliat proprietile acestei operaii i unele exemple de aplicare. De asemenea, suma Kronecker se extinde i la K matrice DK :
29
k =1
Dk = I k Dk I k = I k Dk IU k ,
k =1 1 k < k k < k < K k =1
unde k = k i U k = k .
k < k k > k
ntr-un lan LMTC cu un generator D, componentele cruia nu mai sunt independente, tranziiile locale genereaz n expresia lui D o sum Kronecker, care traduce independena acestor tranziii, iar tranziiile de sincronizare genereaz un produs Kronecker care traduce modificarea simultan a mai multor componente. Urmtoarele rezultate stau la baza descrierilor structurale ale generatoarelor lanurilor
LMTC, folosite pentru compoziia modelelor de reele Petri stocastice. Generatorul unui lan LMTC cu K componente dependente. Fie X = ( X 1 ,..., X K ) un
lan LMTC i Ts mulimea tranziiilor sale de sincronizare. Generatorul lui X este:
K K K D = Dk + (t ) Ck Ak , k =1 k =1 k =1 tTs
(1.18)
S k i, dac durata de
unde
i t j , atunci:
C k = Ak = I k , dac t (ik ) = ik , C k = 1 k (ik , jk ) i
Ak = 1 k (ik , ik ) ,
dac
* t (ik ) = jk ik , unde 1n ( j, j) este o matrice de D[n ] , toi termenii creia sunt nuli,
n afara celui cu indice 1( j , j ) , care este egal cu 1. Matricile I k "propag" n D salturile de ieire din fiecare S k , unde tranziia t produce o schimbare de stare.
30
n general, compunerea Kronecker reprezint o structur constituit din mai multe submodele RMG ale subsistemelor ce interacioneaz ntre ele, fiecare posednd totodat o autonomie, mai mic sau mai mare, de funcionare. Modelul este atunci construit, innd cont de aceast structur i de condiiile care trebuie impuse pentru a obine o expresie tensorial factorizat. Pentru orice matrice A, B, C i D produsul lor Kronecker, dac aceste expresii au un sens practic, are urmtoarele proprieti :
( A B) C = A ( B C ) ;; ( A + B) C = ( A C ) + ( B C )
( A B) (C D) = ( A B) (C D) ; ( A B) n = An B n ;
( A B ) n = A n B n ; ( A B) 1 = A1 B 1 .
Suma Kronecker este definit [29] n termeni ai produsului Kronecker ce implic
matrice, ca:
K K K
(1.19)
unde matricea Ak este o matrice ptratic de dimensiunea nk. Un exemplu de sum Kronecker a trei matrice este prezentat n figura 1.2, n care se indic fiecare termen al sumei din ecuaia (1.19) i suma lor total.
de memorie foarte mic, indiferent de structura de date utilizat. Cu mrirea dimensuiunii matricei Ak aceast alegere, desigur, va avea un impact apreciabil.
2 2 2 A2 = 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 A3 I 3 I 2 = 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 I 2 I 3 A1 = 4 4 4 4 4 4 4 4 4 4 4 4 2 2 A3 = 2 2 4 4 A1 = 4 4 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 I 2 A2 I 2 = 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 9 4 2 4 9 2 2 3 2 9 4 2 3 2 3 2 4 9 2 2 9 4 3 2 2 4 9 3 3 Ak = k =1 3 9 4 2 2 4 9 2 2 3 3 2 9 4 2 3 2 4 9 2 3 2 2 9 4 3 2 2 4 9
Utilizarea stocrii matricelor rarefiate poate aduce la o diminuare considerabil a complexitii multiplicrilor vector-matrice. Aceasta este n special adevrat pentru o reprezentare produs Kronecker. De exemplu, presupunem c trebuie s nmulim un vector cu o matrice A = AK L A1 , unde A IR N N . Pentru simplitate, vom utiliza metoda direct-nainte, n care fiecare element al coloanelor matricei A este calculat explicit i nmulit cu elementul-vector cel mai apropiat. Dac fiecare matrice Ak este complet stocat, atunci costul multiplicrii vector-matrice este exact KN 2 nmuliri n
32
virgul mobil. n cazul n care vom memora matricele Ak utiliznd metoda coloanelor rarefiate, costul multiplicrii vector-matrice este exact K(A) nmuliri n virgul mobil. Aadar, pentru orice element nul din A, vom efectua cu K nmuliri mai puine, n cazul n care alegem stocarea rarefiat a matricelor pariale. Desigur, necesitatea accesrii elementelor matricei A impune metoda de stocare a matricelor pariale Ak,, A1. Dac dorim accesul la A pe rnduri (coloane), vom stoca fiecare matrice Ak pe rnduri (coloane). n cazul n care avem nevoie de a accesa matricea A att pe rnduri, ct i pe coloane, va trebui s utilizm un format rarefiat, ce permite accesul pe rnduri i coloane pentru orice matrice Ak. Stocarea complet va fi necesar, doar dac avem nevoie de acces la anumite elemente ale matricei A. La implementarea lui poate fi utilizat att accesul pe rnduri, ct i pe coloane. Aadar, vom considera c fiecare matrice Ak este stocat sau prin metoda rndurilor rarefiate sau prin metoda coloanelor rarefiate.
determin o variabil aleatoare X care reprezint numrul de uniti ce intr n sistem n unitatea de timp. Este necesar s se cunoasc repartiia variabilei X. La originea teoriei ateptrii se gsete determinarea ncrcrii optime a unei centrale telefonice. Pentru a rezolva aceast problem, este necesar s se determine
de intrare caracterizat prin numrul de cereri care intr n sistem n unitatea de timp.
ntr-un sistem de ateptare exist elemente care efectueaz serviciile, numite servere sau canale de servire. Pentru servirea fiecrei uniti (cerere, client), este necesar un timp oarecare n cursul cruia serverul este ocupat i nu poate servi alte uniti.
iar n, n = 1,2,... , fiind variabile aleatorii identic repartizate. Timpul necesar pentru servirea unei uniti se numete timp de servire. Presupunem c duratele de servire sunt variabile aleatoare pozitive, identic repartizate, independente i, de asemenea, independente de 1,2,... Notnd cu un timpul de servire al cererii de-a n-a uniti,
funcia de repartiie a timpului de servire este H(x) = P(un x), 0 x < . irul de ateptare este determinat de numrul locurilor de ateptare i numrul
unitilor care ateapt i poate fi finit sau infinit (limitat, respectiv nelimitat).
clienilor se poate face n paralel, n cascad sau n serie-paralel. Disciplina de servire a unitilor poate fi primul venit, primul servit, disciplina prin excepie i disciplina dup gradul de urgen etc. - Schemele de ateptare pot fi cu circuit nchis sau cu circuit deschis. Dac unitile care prsesc sistemul nu se rentorc la punctul de intrare, atunci schema sistemului de ateptare este cu circuit deschis. n caz contrar schemele sistemelor de ateptare sunt cu circuit nchis. - Grupurile funcionale ale teoriei ateptrii sunt: sursele care genereaz i trimit dup anumite legi n sistem unitile care particip la fenomenul de ateptare; irurile de ateptare care se formeaz din cauza neregularitilor dintre sosiri i serviri i servirile care pot fi individuale n grup i n mas. Modelele de ateptare denumite i sisteme de ateptare (SA) se regsesc n diverse sisteme tehnice, sub forme caracteristice cum ar fi: ateptrile mesajelor pentru a fi prelucrate de diverse calculatoare; depanarea programelor etc. Funcionarea optim a sistemelor n care apar fenomene de ateptare se realizeaz pe baza minimului cheltuielilor de funcionare n condiii restrictive impuse. Aceasta reclam reglamentarea fluxului de intrare, micorarea cozilor de ateptare, verificarea serverilor n vederea funcionrii continue la un ritm impus i coordonarea cantitii i calitii serverilor cu cerinele formulate de beneficiari. Modelele SA de servire a unitilor care ateapt pot fi cu unul sau mai muli serveri. Cnd exist doi sau mai muli serveri, acetea pot funciona n paralel sau n serie (cascad). Servirile se execut fie n ordinea intrrilor unitilor n sistem fie n ordinea de gravitate a defeciunilor. Fluxul de intrare descrie modul n care sosesc n sistem unitile ce solicit servicii. Rata sosirilor i servirilor unitilor n sistem ntr-o unitate de timp se noteaz () i respectiv (). Numrul unitilor din fluxul de intrare poate fi finit sau infinit. Sistemele de ateptare a unitilor solicitante pot fi cu sau fr pierderi. Sistemele de ateptare cu pierderi pot fi cu refuzuri directe i refuzuri ntrziate. n primul caz
36
unitatea solicitant care sosete n sistem observ c serverul este ocupat i neavnd timp s atepte prsete sistemul fr s revin vreodat la punctul de intrare n sistem. n cazul al doilea, cnd se aplic schema mixt de ateptare, unitatea solicitant dispune de un anumit timp pentru ateptare i dac nu este servit n acest interval ea prsete sistemul. Aceste situaii se studiaz cu ajutorul sistemelor de ateptare cu restricii de timp i (sau) de loc (cnd n sistem nu exist loc pentru noile uniti care vin i au timp s atepte). n cazul mai multor iruri de ateptare, unitile se servesc dup urmtoarele reguli: primul venit, primul servit, ultimul venit, primul servit i pe baza regulilor de prioritate relativ sau absolut.Organizarea servirilor poate fi realizat individual, n grup i servire n mas. Dac fluxul ieirilor din staiile de servire nu este organizat corespunztor atunci la sistemele de ateptare i servire n cascad apare fenomenul de blocaj.
Aplicaiile practice ale teoriei ateptrii se regsesc n situaii diverse i anume: ciclul lung ntre emiterea ideilor noi i aplicarea lor n vederea asimilrii de noi produse, ateptarea mesajelor prelucrate etc. Procesele de ateptare pot fi staionare i nestaionare. Pentru cunoaterea legii dup care au loc sosirile i servirile probabiliste ale unitilor ce sosesc n sistem trebuie studiate fenomenele din punct de vedere statistic, precizndu-se legea de probabilitate care le guverneaz. Fenomenele de ateptare din cadrul sistemelor informatice genereaz cheltuieli care greveaz preul de cost al prelucrrii informaiei. Stabilirea structurii acestor cheltuieli pentru diverse situaii din cadrul sistemelor de ateptare i precizarea mrimilor care au ponderi semnificative n modelul cheltuielilor se face analiznd relaiile de cost specificate de beneficiar. Restriciile pentru aplicarea modelelor matematice se refer la respectarea cantitii i calitii serviciilor i la evitarea fenomenului de blocaj. Dac o unitate vine n sistem i constat c timpul de ateptare este mai mare dect timpul de care dispune, atunci ea prsete sistemul i nu mai revine niciodat. n acest caz modelul de ateptare este un SA cu pierderi. Cnd exist diferene mari ntre timpul de serviciu i intervalul dintere dou sosiri se formeaz iruri mari de ateptare, ceea ce creeaz condiii favorabile blocajului. Cele mai frecvente situaii de ateptare ntlnite n practic sunt: un sistem SA cu numr limitat sau nelimitat de clieni, mai muli serveri cu un numr limitat i nelimitat de clieni. Cele patru situaii se regsesc att n procese staionare ct i n procese nestaionare. Relaiile de calcul ale probabilitilor (n) se deduc din studierea proceselor generalizate de natere i moarte ale cererilor i pot fi de tip Poisson, Erlang etc., caracteristicile numerice ale crora pot fi determinate prin soluionarea ecuaiilor
38
2.2. Procese de rennoire Timpii care se scurg ntre producerea evenimentelor succesive sunt variabile aleatoare independente i identic repartizate, supunndu-se unei legi exponeniale de parametru . O generalizare natural a unui proces Poisson este cea n care, renunnd la cazul particular al repartiiei exponeniale, se presupune c timpii dintre evenimentele succesive sunt variabile aleatoare independente i identic repartizate, avnd o lege de repartiie arbitrar. Un asemenea proces de numrare este cunoscut sub numele de proces de rennoire, denumirea de rennoire nsemnnd apariia (producerea) unui nou eveniment. Definiia 2.1. Un proces de numrare {N(t), t < 0}, pentru care timpii inter-sosire sunt variabile aleatoare independente i identic repartizate cu funcia de repartiie arbitrar F(t), se numete proces de rennoire. sosire este repartiia exponenial: Aa cum am artat mai sus, procesul Poisson a crui repartiie a timpilor inter-
F(t) = 1et, t 0
reprezint cazul tipic de proces de rennoire.
Exemplul 2.1.S considerm cazul unui nod de comutare a pachetelor de date ntro reea de calculatoare, la care timpii de prelucrare sunt independeni i identici repartizai. S presupunem c atunci cnd un pachet prsete nodul, cel ce ateapt la rnd intr imediat. n aceste condiii, procesul {N(t), t 0}, unde N(t) reprezint numrul pachetelor pn la momentul t, reprezint un proces de rennoire. La fel ca i n cazul particular al procesului Poisson, vom vorbi att de timpii intersosire Tn, n = 1,2,, ct i de timpii de ateptare Sn = T1+T2++Tn, S0 = 0, interesul nostru focalizndu-se pe repartiiile acestora. n figura 2.1 ilustrm grafic reprezentarea timpilor specifici unui proces de rennoire. n cele ce urmeaz vom presupune c funcia de repartiie a timpilor inter-sosire este F(t) = P{Tn t}, n = 1,2,, cu F(0) = P{Tn = 0} < 1 i s notm cu = E[Tn]
39
media corespunztoare acestora. Deoarece Sn reprezint suma a n variabile nenegative, independente i identic repartizate, rezult c funcia de repartiie corespunztoare este dat de:
S1
S2
S3
Timp(t)
Sn t N(t) n, care implic: P{N(t) = n} = P{N(t) n}P{N(t) n+1} = F(n) (t) F(n+1) (t)
Tot n acest context vom remarca i faptul c:
N(t) = max{nSn t}
Media variabilei N(t), notat m(t) = E[N(t)], se numete funcie de rennoire i reprezint numrul mediu de rennoiri nregistrate pn la momentul t. Printr-un simplu calcul, observm c:
Funcia de rennoire este poate mai important din alt punct de vedere dect acela c reprezint media unei variabile aleatoare, ea determinnd n mod unic procesul de rennoire, n sensul c exist o coresponden biunivoc ntre funcia de repartiie F i
40
funcia de rennoire m(t). Fr a intra n amnunte privind demonstraia acestui rezultat, vom meniona doar ecuaia integral:
numit i ecuaia de rennoire, n care funcia de rennoire m(t) este necunoscut, precum i relaia dintre transformatele Laplace-Stieltjes ale celor dou funcii:
m* ( s ) = F * ( s) 1 F * ( s)
relaia ce ilustreaz afirmaia fcut mai sus privind faptul c fiecare dintre ele o determin unic pe cealalt.
m(t ) =
t
2
1 1 2 t + e , 4 4
de relaia: F * ( s ) = (
+s
) 2 , ceea ce implic: m * ( s ) =
m(t ) =
1 2 , 2 s 4 s + 2
b) S considerm c de unde
t
2
1 1 2 t + e . 4 4
m(t) = 2t, t 0. Deoarece funcia de rennoire corespunde unui proces Poisson, avnd
rata = 2, rezult c funcia de repartiie a timpilor inter-sosire este o repartiie exponenial de medie 1/2. n general, deoarece transformata Laplace-Stieltjes a repartiiei exponeniale:
41
s+
, obinem: m * ( s) =
m* ( s ) =
Dac considerm N(t)/t ca fiind rata de rennoiri pn la momentul t, rezult c aceasta converge, cu probabilitatea egal cu 1, ctre numrul 1/ ,cunoscut sub denumirea de rata procesului de rennoire, adic rata numrului mediu de rennoiri converge, de asemenea, la rata 1/ a procesului. O generalizare a noiunii de proces de rennoire este urmtoarea. S presupunem existena unui proces de rennoire {N(t), t 0}, cu urmtoarea proprietate: de fiecare dat cnd apare o rennoire se ofer o recompens Rn. S presupunem c recompensele Rn reprezint variabile aleatoare independente i identic repartizate. De asemenea, nu vom ignora cazul n care Rn poate depinde de Tn. Un asemenea proces se numete proces de rennoire cu recompens. Se poate arta c, dac notm: R(t ) = Rn recompensa total obinut pn la
n =1 N (t )
n cazul proceselor de rennoire cu recompens este introdus noiunea de ciclu, privit ca momentul n care apare un nou eveniment (vom spune c un ciclu s-a ncheiat atunci cnd n cadru procesului un nou eveniment i-a fcut apariia). Rezultatul de mai sus se poate traduce prin aceea c, pentru un interval de timp suficient de mare, astfel nct procesul s fie stabilizat, recompensa medie pe unitatea de timp este egal cu raportul dintre media recompensei obinute ntr-un ciclu i media duratei ciclului, ceea ce, intuitiv, era de ateptat.
reprezentnd un prag de limitare a numrului de pachete n ateptarea prelucrrii lor. S presupunem c pentru un numr de n pachete sosite, costul pe unitate de timp este de nc lei. Se cere costul mediu cerut de sistem, n regim stabilizat de funcionare. Vom presupune n acest caz c un ciclu este ncheiat atunci cnd pachet este deservit, un loc se elibereaz. Rezult c media duratei unui ciclu este egal cu produsul dintre numrul necesar de locuri ce implic o deservire i media timpului dintre dou sosiri a pachetelor.
Conform rezultatului de mai sus, rezult c raportul dintre costul mediu al unui ciclu i media duratei ciclului reprezint costul mediu corespunztor nodului, deci:
cos tul mediu al nodului = c( N 1) . 2
Ca o aplicaie numeric pentru situaia de mai sus, s considerm cazul n care rata de sosire a pachetelor pentru internare este de = 2.4 pachete / s, costul normalizat pe unitate de timp este c = 10 u.m (uniti monetare), iar de fiecare dat cnd un loc se elibereaz, se acord o recompens de 48 u.m. Se cere, n acest context, s se gseasc numrul N de p pachete care s minimizeze costul mediu al nodului, n regim stabilizat de funcionare. Pentru a rspunde la aceast ntrebare, s observm c funcia ce d costul mediu pe unitate de timp este, n ipoteza de mai sus:
C= 5 N 2 5 + 20 N
43
Aplicnd acum aparatul clasic al Analizei matematice, obinem valoarea lui N care
minimizeaz costul mediu, N = 2, costul mediu pe unitate de timp astfel obinut fiind egal cu 15 u.m. 2.3. Sistem de ateptare elementar n forma sa cea mai general un sistem de ateptare elementar compus din surse, iruri i serveri, plasai n zona de servire, cu circuit nchis sau deschis se poate urmri ca n fig. 2.2. Un numr de uniti intr n sistem pentru a obine un serviciu. Ele sunt produse de surse exterioare sistemului, surse ce pot fi ntr-un numr finit sau infinit. Sursele funcioneaz deci ca un generator, ce poate furniza un numr limitat sau nelimitat de uniti. Unitile intr n sistem i gsesc aici, n zona de servire, un numr de elemente ce trebuie s le asigure serviciul, numite serveri (resurse). Dac numrul acestora este limitat, atunci unitile pot fi ndrumate spre o ateptare, formnd unul sau mai multe iruri de ateptare. irurile sunt organizate dup anumite reguli de
- disciplina de servire, care precizeaz ordinea n care sunt servii clienii ce ajung n ir (FIFO, LIFO etc.)
Putem face o clasificare a fenomenelor de ateptare fie dup numrul unitilor din surs i numrul serverilor, fie dup natura sosirilor sau a servirilor. Astfel avem situaiile: un ir, un server; un ir, mai muli serveri; mai multe iruri, un server; mai multe iruri, mai muli serveri sau sosiri constante, servicii constante; sosiri constante, servicii aleatoare; sosiri aleatoare, servicii constante, servicii aleatoare etc. Datorit diversitii lor, sistemele au trebuit s fie categorisite i n acest scop se folosete clasificarea i notaia Kendall, corespunztor creia fiecrui sistem i se ataeaz o formul cu 6 caractere alfanumerice SA : A / B / k / m / N / (Disciplin), care au urmtoarele semnificaii:
45
A: natura procesului de sosire a cererilor, B: natura procesului de servire a cererilor, k: numrul serverilor n zona de servire a sistemului, N: numrul maxim al unitilor n sursa generatoare, m: numrul total al locurilor disponibile n irul de ateptare, Disciplin: disciplina de servire a cererilor n sistem.
M: lege exponenial, Cv = 1. D: lege constant, Cv = 0. Ek: lege Erlang de ordin k, 0 < Cv < 1. Hr: lege Hiperexponenial de ordin r, 0 < Cv < +. G: lege general, 0 Cv < +,
unde C = D[X ] / M [X ] este coeficientul de variaie respectiv, D[X] este dispersia, iar
FiFo (first in first out) sau (paps) - primul ajuns, primul servit (premier arrive
premier servi),
LiFo (last in first out) sau (daps) - ultimul sosit, primul servit (dernier arrive
premier servi),
ntr-o problem de ateptare se ntlnesc urmtorii indicatori numerici de performan principali: 1) m - numrul locurilor de ateptare ale unitilor populaiei din surs care sosesc n sistem, m poate fi finit sau infinit; 2) k - numrul serverilor (unitilor de serviciu); 3) n(t) - probabilitatea ca n sistemul de ateptare s se gseasc n uniti la momentul t oarecare. Pentru simplificarea scrierii n cele ce urmeaz vom nota doar prin n. 4) n(t) - numrul de uniti ce se gsesc n sistemul de ateptare (ir + serviciu) la momentul t i care este o variabil aleatoare cu distribuia discret
0 n(t ) : 0
1 1
2 2
5) nSA (t ) - numrul mediu de uniti n sistem la un moment t, care este valoarea medie a variabilei n(t), adic: Evident cnd m = , nSA (t ) = n n, ceea ce impune ca aceast serie s fie
n =0 m
convergent. 5) n(t) - numrul de uniti din irul de ateptare, la un moment t; n(t) este o variabil aleatoare cu distribuia:
n (t ) =
n = s +1
(n k ) .
n
47
Pentru
m = , n (t ) =
n = s +1
(n k )
7) (n(t) > l) - probabilitatea ca numrul unitilor n sistem la momentul t s fie mai mare dect l. Dar (n(t) > l) = 1 - (n(t) l) = 1 - (0+1+...+l). 8)
9) t SA - timpul mediu de ateptare a unei uniti n sistemul de ateptare. Ultimii doi indicatori depind de legile serviciului i a sosirilor i vor fi determinai pentru fiecare model n parte n conformitate cu legea lui Little a SA:
m
t SA = nSA / , unde
= i i
i =1
este rata medie de sosire a unitilor (cererilor, clienilor, tasck-urilor) n SA. 2.3. Legi probabilistice ale sosirilor i servirilor Fie X variabil aleatoare discret ce reprezint numrul de uniti sosite n unitatea de timp, ntr-un sistem de ateptare. Ne propunem s cercetm repartiia variabilei X n urmtoarele condiii: a) probabilitatea sosirii unei uniti la un moment dat este constant i nu depinde de ceea ce s-a ntmplat anterior. b) probabilitatea unei sosiri ntr-un interval de timp foarte mic (t, t+t) este proporional cu lungimea intervalului t, oricare ar fi t, adic este
t + 0(t ) , unde lim 0(t ) = 0 i lim
t 0
0(t ) = 0. t 0 t 48
c) probabilitatea ca n intervalul de timp (t, t+t) s avem mai mult dect o sosire este aproximativ egal cu zero, cnd t ndeplinete condiia b). Propoziia 2.1. Variabila aleatoare X ce reprezint numrul de uniti sosite pe
unitatea de timp ntr-un sistem de ateptare are repartiia Poisson. Demonstraie. Vom determina probabilitatea evenimentului An(t), ca ntr-un
interval de timp (0, t) s avem n sosiri, adic Pn(t) = P(X = An(t)), procednd din aproape n aproape pentru n= 0,1,... S notm cu A0(t+t) evenimentul ca n intervalul de timp de lungime t+t s avem zero sosiri. Acest eveniment are loc atunci, cnd nu avem nici o sosire n intervalul de timp (0 + t) i (t, t+t) i scriem:
A0 (t + t ) = A0 (t ) A0 (t ).
Din condiia a) rezult:
P( A0 (t + t )) = P( A0 (t )) P( A0 (t ))
Din c) rezult:
(2.1)
P( A0 (t )) = 1 P( A1 (t )),
iar din b) deducem c:
P( A0 (t )) = 1 t.
Atunci relaia (2.1) se va scrie
P0 (t + t ) = P0 (t )(1 t ),
de unde
P0 (t + t ) P0 (t ) = P0 (t )t ,
deci
P0 (t + t ) P0 (t ) = P0 (t ). t
Pentru
t 0 obinem ecuaia diferenial linear de ordinul nti n
P0(t): Po(t ) = P0 (t ) .
49
(2.2)
P0 (t ) = Ce t .
(2.3)
Pentru determinarea constantei C din ecuaia (2.3), inem seama c la timpul t = 0, evenimentul de a nu avea nici o sosire este eveniment sigur, deci P0(0) = 1. nlocuim n (2.3) pe t = 0 i avem
P0(0) = C, deci C = 1.
Aadar, probabilitatea de a avea zero sosiri n intervalul (0, t) este
P0 (t ) = Ce t .
S determinm acum Pn(t+t), adic probabilitatea ca n intervalul de timp (0,
t+t) s avem n sosiri. n intervalul (0, t+t) conform condiiei c) poate sosi una sau
nici o unitate, de aceea vom scrie:
An (t + t ) = ( An (t ) A0 (t ) An1 (t ) A1 (t )),
de unde
Pn (t + t ) = Pn (t ) P0 (t ) + Pn1 (t ) A1 (t )
sau
Pn(t ) = Pn (t ) + Pn1 (t ).
Pentru n = 1 obinem
(2.4)
P(t ) + P (t ) e t = 0, 1 1
ecuaie diferenial de ordinul nti n P1(t) a crei soluie este:
dt dt P (t ) = e (C + e t e dt ) = et (C + t ). 1
50
Pentru determinarea constantei C, folosim egalitatea P1(0) = 0, adic evenimentul c la momentul iniial t = 0 s avem o unitate sosit este imposibil. Atunci, fcnd t = 0 n soluia general, avem:
P (t ) = te t . 1
Analog pentru n = 2 obinem
P2(t ) + P2 (t ) P (t ) = 0 1
sau
P2(t ) + P2 (t ) 2te t = 0,
a crei soluie general este
1 P2 (t ) = e t (c + 2t 2 ) 2
i cum
1 P2 (t ) = 2t 2e t . 2 P2(0)=0, avem
Prin generalizare putem scrie:
Pn (t ) =
1 n n t t e . n!
(2.5)
Pentru a accepta aceast form, vom recurge la inducia matematic. i cum etapa de verificare a fost efectuat, presupunem adevrata relaie (2.5) pentru n natural oarecare. S demonstrm c este adevrat i pentru n + 1, pentru care relaia (2.4) se va scrie astfel:
Pn'+1 (t ) = Pn +1 (t ) + Pn (t )
51
Pn'+1 (t ) + Pn+1 (t )
1 n +1 n t t e = 0, n!
formul ce confirm valabilitatea relaiei (2.5) pentru orice n natural. Cu expresia obinut pentru Pn(t), putem afirma c ntr-un fenomen de ateptare n care sunt ndeplinite condiiile a), b), c) numrul de sosiri n intervalul de timp (0, t) este o variabil aleatoare poissonian, cu parametrul t. Evident pentru t = 1 (unitatea de timp) avem:
Pn (1) = 1 n t e n!
i rezult c coeficientul de proporionalitate introdus prin condiia b) reprezint numrul mediu de uniti sosite n unitatea de timp.
Propoziia 2.2. Variabila aleatoare Y are repartiia exponenial. Demonstraie. Considernd c momentul iniial, momentul n care a sosit prima
din cele dou uniti, s calculm probabilitatea ca timpul Y dintre cele dou sosiri s fie mai mare dect un timp oarecare t > 0. Aceast probabilitate va fi evident P0(t) adic probabilitatea ca n timpul t s nu avem nici o sosire. Deci
52
P (Y > t ) = P0 (t ) = e t ,
de unde
P(Y t ) = 1 e t
egalitate ce ne spune c funcia de repartiie a variabilei Y este
F (t ) = 1 e t
specific variabilei Y de repartiie exponenial, cu densitatea de repartiie
f (t ) = F ' (t ) = e t
i deci
M (Y ) = tf (t )dt = te t dt =
0 0
Aadar, intervalul mediu dintre dou sosiri consecutive este inversul numrului mediu de sosiri n unitatea de timp.
54
Observm c probabilitatea evenimentului contrar celui din cazul 1 (n sistemul de ateptare exist n uniti i nu sosete nici o unitate n intervalul de timp (t, t+t)) va fi evident 1 - nt + 0(t), iar probabilitatea evenimentului contrar celui din cazul 2 (n sistemul de ateptare exist n uniti i nu pleac nici o unitate n intervalul de timp (t, t+t)) va fi 1 - nt + 0(t). Din prezentarea indicatorilor unui fenomen de ateptare am vzut c majoritatea dintre ei se exprim n funcie de n(t) - probabilitatea c n sistemul de ateptare, la momentul t s existe n uniti. De aceea ne propunem determinarea acestei probabiliti pentru diferite valori ale lui n = 0,1,2,...
0 (t + t ) 0 (t ) = 0 0 (t )t + 11 (t )t 111 (t )(t )2 .
Se mparte apoi cu t i se trece la limit
t 0
lim
0 (t + t ) 0 (t )
t
55
= 0 0 (t ) + 1 1 (t )
sau
' 0 (t ) = 0 0 (t ) + 1 1 (t ).
(2.6)
lim
n (t + t )
t
= ( n + n ) n (t ) + n+1 n+1 (t ),
adic
' n (t ) = n 1 n 1 (t ) (n + n ) n (t ) + n +1 n +1 (t ).
(2.7)
Relaiile (2.6) i (2.7) formeaz sistemul ecuaiilor de stare care n cazul unui regim staionar n care probabilitile n(t) nu depind de momentul t, deci sunt constante la orice moment de timp, adic k(t) = k, i deci , k = 0,1,2,... devine
56
0 0 + 1 1 = 0 n 1 n 1 (n + n ) n + n +1 n +1 = 0
(2.8)
cunoscut sub numele de sistemul ecuaiilor de stare n regim staionar. Convenim ca n acest caz nici ceilali indicatori s nu se mai scrie funcii de t. Din prima ecuaie a sistemului (2.8) avem
1 = 0 , 1 0
01 . 1 2 0
(2.9)
' 0 (t ) = 0 0 (t ) + 1 1 (t ),
57
unde n i n sunt funcii de n. Din aceste ecuaii rezult diverse cazuri particulare ale fenomenelor de ateptare.
n 1 + n +1 ( + ) n = 0, n > 0, 0 + 1 = 0
cu condiia < . innd cont c 0+1+...=1 deducem
0 = 1 , = , < 1,
n = n (1 ), < 1,
unde se numete factorul traficului (0 < < 1). innd cont de expresia densitii
de probabilitate
n = n (1 ),0 < < 1,
rezult c
max n ( ) = (
n n 1 ) . n +1 n +1
deci
P (k > n) = 1 (1 n +1 ) = n +1 ,
Numrul mediu de uniti din sistemul de ateptare, adic din irul de ateptare i
n curs de servire, este
nSA = n n =
n 1
58
n = (n 1) n =
n=2
2 2 = ( ) 1
, = ( ) (1 )
(1 )
1 , (1 )
Probabilitatea ca o unitate s atepte n irul de ateptare un timp mai mare dect un timp t dat este
P (t s > t ) =
( )t e ,
S considerm un alt caz particular al procesului de natere i moarte corespunztor unei rate medii de sosire constant i unei rate medii de servire proporional cu numrul de uniti din sistemul de ateptare, adic n = , n = n. n regim permanent avem
0 = e , n = ne
n!
, =
Modelul unui sistem cu un ir de ateptare cu mai muli serveri i populaie infinit. Fie n numrul de uniti din sistem i s numrul de serveri care asigur
servirea. Presupunem c sosirile sunt poissoniene, iar serviciul este exponenial cu < s. n acest caz n = , n = n, 0 n < s,
59
n = s, n s. n regim permanent n(t) = n = const. pentru orice n. Din sistemul liniar de ecuaii:
0 = 1 ,
( + n ) n = n 1 + (n + 1) n +1 ,1 n < s, ( + s ) n = n 1 + s n +1 , n s,
rezult
n =
n =
n!
0, =
,1 n < s,
, n s.
n
s!s
ns
0, =
n=0
s 1
s + n! s!(1 / s )
n
de unde lim 0 = e .
s
(n s)
(n s) n s +1 0 = 0. s!s n s s * s!(1 / s ) n = s +1
s 0. s!(1 / s )
60
s 0. s!(1 / s )
1 t SA = t + .
Modelul unui sistem cu un ir de ateptare, server unic, populaie finit (numr limitat de clieni). Dac m este numrul de clieni (solicitani), atunci procesul de
natere i moarte conine parametrii n i n pentru care
n = m, n = 0, n = 0,
n = (m n), n = , 0 < n m.
m0 = 1 ,
[(m n) + ]n = (m n + 1)n 1 + n +1 , 0 < n < m,
m1 = m .
Din relaia de recuren
n = (m n + 1)n 1 , 0 < n < m, = /
rezult
m! n n = 0 , 0 < n m, (m n)!
iar
61
0 =
1 . m!n 1+ n =1 ( m n )!
m
1+ (1 0 ).
nSA = n + 1 .
n f = (m n )t f ,
de unde
tf =
m 1 1 m 1+ (n 1)n = 1 , (m nSA ) n = 2 0
m0 = 1 ,
62
sm = m 1.
innd cont de formulele de recuren
n =
n =
m n +1 n1 , 0 n < s, n
m n +1 n 1 , s n m, s
rezult
n = Cnmn 0 , Cnm =
n =
m! , n < s, (m n)!n!
n! m n Cn 0 , s n m, s!s n s
iar
0 = 1 s m 1 C + s! (m n)! s n =0 n =1
s 1 s m n n n
(n s )
2.6. Modele cu restricii Sistemele tehnice, informatice, sistemele de calcul i reelele de calculatoare n care att timpul de ateptare n ir (la coad) sau timpul de ateptare total (ir+server) ct i numrul locurilor de ateptarte sunt limitate se numesc sisteme cu restricii. Pentru sosiri Poisson i serverii de forma F(t)=(1-e-x), cnd unitatea sosit n sistem poate atepta un anumit timp constant i mrginit, el se aeaz la coad i
63
ateapt. Dac timpul de ateptare este mai mare dect timpul de care dispune unitatea sosit, atunci ea prsete sistemul. Uneori unitatea prsete sistemul fr s fie servit. Sisteme SA cu astfel de caracteristici sunt denumite sisteme de ateptare cu
n general valorile lui (numrul mediu de uniti n ir) i (numrul mediu de uniti n SA) se calculeaz astfel:
n = 2
nSA =
(1 N ) N +1 + ( N 1) N (1 )(1 N )
1 ( N + 1) N + N N +1 (1 )(1 N +1 )
n care: N - numrul maxim admisibil de uniti n sistem. Modelele cu ir de ateptare limitat i cu mai muli serveri n paralel n cazul cnd intrrile i serverii sunt de tip Poisson opereaz cu relaii de forma:
j = 0 ( / ) j , 1 j < S < N j!
1
S k S N S i 0 = + k = 0 k! S ! i = 0 S
j =
s+ j
S!S j
0.
n cazul n care funcia de repartiie a duratei de servire nu este exponenial-negativ, adic coeficientul de variaie Cv 1, atunci sunt utilizate funciile de repartiie Ek (Erlang-k), Cox-k i Hk (Hiperexponenial de ordinul k). Schema sistemului de ateptare SA cu zonele de servire respective sunt prezentate n fig. 2.2. Modelele de ateptare ciclice cu (S) serveri n serie sau paralel, arat modul de stabilire a cheltuielilor cu ateptarea cnd servirea este ciclic. Aceste tipuri de modele opereaz cu relaii de forma:
(n) = K + S 1 ; ( S 1)!K ! tt S = S 1 ; K + S 1
nSA =
t =
K ( K 1) ; ( S + K 1)
tc = 1 K ( K 1) S+ S + K 1
K 1 ; ( S + K 1)
n care: K - numrul total al unitilor din irul de ateptare; - timpul ct un server este neocupat; tc - durata unui ciclu de prelucrare. Modelele de ateptare cu intrri i serviri n grup apar n diverse situaii practice cum ar fi: procesele de fisiune nuclear, procesele de numrtoare a particulelor elementare, procesele automate din cadrul centralelor de telecomunicaii i sitemelor informatice etc. Studierea acestor tipuri de procese se face, analiznd n maniera teoriei ateptrii urmtoarele situaii: - modele cu intrri n grup i serviri individuali; - modele cu intrri individuale i serviri n grup; - modele cu intrri i serviri n grup. n modelele expuse irul de ateptare se formeaz n ordinea sosirilor unitilor n sistem, iar servirea respect principiul primul venit, primul servit. Nu sunt rare
65
cazurile cnd disciplina irului de ateptare se stabilete n funcie de urgena i importana lucrrii, aplicndu-se principiul ultimul venit, primul servit. Modelele n care disciplina de servire dup alte criterii difer de disciplina intrrii unitilor n sistem se numesc modele cu prioritate.
a)
b)
66
67
3. Aplicaii
3.1. Lucrarea de laborator nr. 1
i (k ) = Pr ( xk = i ) cu
0 i (k ) 1,
( k ) = 1.
i =1 i
Probabilitatea ca sistemul s treac n starea j la momentul (k+1), tiind c n momentul precedent k el s-a aflat n starea i, adic probabilitatea condiionat
0 pij 1, pij = 1.
j =1
Relaia prin care determinm probabilitile de stare la momentul (k+1), cu ajutorul probabilitilor de trecere i a vectorului de stare corespunztor momentului
Dac la fiecare stare j se va ataa o funcie cost cj(k) de aflare a lanului DLM n aceast stare, atunci costul mediu de funcionare a lanului este:
C (k ) = [c j ( k ) j ( k )]
n i =1
n fig. 3.1 este prezentat lanul Markov DLM1 ergodic (ireductibil i aperiodic), iar n fig. 3.2 un alt lan DLM2 neergodic (reductibil i aperiodic). Aceste lanuri sunt redate fiecare de un graf orientat ponderat cu probabilitile de trecere respective i condiiile iniiale ale lui .
69
S (k ) =
B
s j S B
( k ) , iar CS (k ) =
B
s j S B
C (k )
j
(k ).
- de determinat matricea stochastic a DLM i de scris ecuaiile Kolmogorov; - de elaborat algoritmul i programul de calcul numeric al repartiiei probabilitilor de stare la momentul k; - de evaluat probabilitatea S (k ) de aflare n SB i valoarea respectiv a costului
B
3.1.4. Prezentarea i susinerea lucrrii Lucrarea se prezint n form de referat i se susine profesorului la calculator n mod practic
Coninutul referatului:
- foaia de titlu cu denumirea lucrrii; - obiectivele lucrrii de laborator, scurte date teoretice; - calcularea parametrilor respectivi ai DLM; - graficele varierii probabilitilor de stare i a costului mediu n funcie de durata observrii DLM; - concluzii. 3.1.5. ntrebri i teme - matricea stochastic a DLM; - clasificarea strilor DLM; - condiii de ergodicitate ale DLM; - metode de redare a unui DLM; - ecuaiile Kolmogorov ale unui DLM; - metode numerice de soluionare ale ecuaiilor Kolmogorov. 3.2. Lucrarea de laborator nr. 2 Analiza sistemelor de ateptare multicanal 3.2.1. Consideraii teoretice
71
Modelele fenomenelor de ateptare descriu sisteme i procese de ateptare cu caracter de mas care intervin n diverse domenii ale activitii practice. n sistemul
SA exist un flux de cereri (clieni) pentru servire, numit flux de intrare, caracterizat
de numrul de cereri care intr n sistem ntr-o unitate de timp. ntr-un SA exist elemente care efectueaz serviciile, numite staii de servire sau servere. Pentru servirea fiecrei uniti (cereri), este necesar un timp oarecare, n cursul cruia staia este ocupat i nu poate servi alte uniti. Durata servirii este ntmpltoare (aleatoare). Un model SA este descris complet prin formula lui Kendall de urmtoarele elemente: fluxul de intrare, fluxul de ateptare, staiile de servire i fluxul de ieire. Cu ajutorul fluxului de intrare putem determina modul n care sosesc unitile n SA. Presupunem c intrrile (sosirile) n SA sunt ntmpltoare i independente, deci probabilitatea ca o unitate (cerere) s vin n SA este independent att de momentul n care se produce sosirea, ct i de numrul de uniti existente deja n sistem sau numrul de uniti ce vor veni. Probabilitatea, ca n intervalul de timp (t, t+t), t > 0, s se produc o intrare n sistem, reprezint numrul mediu de intrri n unitatea de timp t i este egal cu 1/, n ipoteza c sosirile urmeaz un proces Poisson de parametru , (0<<). S presupunem c t0 i s notm cu t1,t2,...,tn,... momentele succesive n care sosesc unitile n sistem. Vom admite c intervalele de timp dintre intrrile consecutive n = tn+1-tn, t0 = 0, n = 1,2,3,... sunt variabile aleatoare pozitive independente cu funcia de repartiie:
Ultimii doi indicatori de performan depind de legile serviciului i ale sosirilor, i acetea vor fi determinai pentru fiecare model SA n parte. 3.2.2. Scopul lucrrii Studierea metodelor de descriere i de evaluare a sistemelor de ateptare multicanal elementare tip GI/G/k/n. 3.2.3. Ordinea ndeplinirii lucrrii ndeplinirea lucrrii prevede urmtoarele aciuni: - pentru sistemul SA, descris de formula Kendall dat de profesor, de construit graful ratelor de trecere ale lanului CLM; - de scris ecuaiile Chapman-Kolmogorov ale CLM pentru SA considerat. - de elaborat algoritmul i programul de calcul numeric pentru a determina repartizarea probabilitilor staionare de stare; - de evaluat indicatorii numerici ai SA pentru varianta definit de ctre profesor i de efectuat modificrile necesare, astfel nct SA < SA , unde este restricia specificat n prealabil. 3.2.4. Prezentarea i susinerea lucrrii de laborator Lucrarea se prezint n form de referat i se susine profesorului la calculator n mod practic
Coninutul referatului:
- foaia de titlu cu denumirea temei lucrrii;
73
- obiectivele lucrrii de laborator, scurte date teoretice; - schema de servire i graful ratelor de treceri al lanului CLM; - ecuaiile Chapman-Kolmogorov ale lanului CLM; - schema-bloc, programul i rezultatele numerice ale indicatorilor de performan ai SA n dependen de numrul de serveri; - concluzie. 3.2.5. ntrebri i teme - interpretarea formulelor Kendall ale SA; - echilibrul static local al fluxurilor de probabilitate n SA; - funcii de repartiii ale duratelor de intersosire i a duratei de servire a cererilor, criteriile de clasificare; - legea lui Little ce descrie durata medie de ateptare a unei uniti n SA; - ecuaiile Chapman-Kolmogorov ale lanului CLM ce descrie funcionarea SA specificat. 3.3. Lucrarea de laborator nr. 3
74
Modelele cu prioritate se mpart n modele ale SA: M r / M r / 1 cu prioritate relativ i cu prioritate absolut. Servirea cererii conform prioritii relative presupune manifestarea prioritii numai n momentul eliberrii serverului i a selectrii cererii, care va fi deservit din irul de ateptare, adic va fi deservit cererea care are cea mai mare prioritate. Fie dat un SA cu r fluxuri de cereri k , k = 1, r cu prioritile respective de la 1 pn la r. Fiecare flux k este de tip Poisson cu rata k, (k = 1,...,r). Fluxul sumar, de asemenea, este de tip Poisson cu rata = k . Vom presupune c durata de servire a
k =1 r
cererii de prioritatea k are o distribuie exponenial-negativ cu parametrul k i deci durata medie de servire a unei cereri este egal cu ser = 1/k. n cazul cnd la sosirea cererilor serverul este ocupat, n faa ei se formeaz r iruri de ateptare i n irul i plasndu-se cererile cu prioritatea i, (i = 1,...,r). Factorul sarcin exercitat de ctre fluxul k asupra sistemului SA este k = k / k . Vom nota
uk = i , i = 1 , r , iar u0 = 0.
i =1 k
Durata medie
qm
k =1
(1 um 1 )(1 um )
iar durata medie q de ateptare a cererilor n SA i numrul mediu de cereri Lq din SA este:
q =
k =1 m
q k
k
k =1
75
Lq = k q
k =1
Sistemul SA cu prioritate absolut presupune c servirea cererii curente va fi imediat ntrerupt la sosirea unei cereri cu o prioritate mai nalt i astfel serverul va ncepe ndat deservirea cererii celei din urm. Durata medie j de aflare n sistem a cererilor cu prioritatea j este determinat de urmtoarea expresie:
j =
j 1 1 + i , 1 u j 1 j i =1 j
u j = i ,u0 = 0 .
i =1
ndeplinirea lucrrii prevede urmtoarele aciuni: - pentru sistemul de ateptare cu prioritate, redat de ctre formula Kendall SA:
M r / M r / 1 , de scris ecuaiile Chapman-Kolmogorov. De construit graful lanului DLM
ce descrie comportarea sistemului SA: M 3 / M 3 / 1 . - de elaborat algoritmul i programul de calcul numeric pentru determinarea repartizrii probabilitilor staionare de stare ale acestui sistem SA.
76
qm
prealabil.
3.3.4. Prezentarea i susinerea lucrrii de laborator
Coninutul referatului:
- foaia de titlu cu denumirea lucrrii; - obiectivele lucrrii de laborator, scurte date teoretice; - schema-bloc, programul i rezultatele numerice ale indicatorilor de performan; - concluzii.
3.3.5. ntrebri i teme
- disciplinele de servire ale cererilor n SA cu mai multe clase de cereri; - SA prioritare multicanal; - SA cu pierderi ale cererilor; - legea Little pentru fluxuri de cereri prioritare; - graful ratelor de treceri ale lanului CLM pentru SA cu prioriti.
3.4. Lucrarea de laborator nr. 4
3.4.1.1. Reele stochastice deschise model Jackson. n studiul sistemelor de calcul, reelelor de telecomunicaii i al reelelor de calculatoare mrimile fundamentale de interes decurg n considerarea cererii de serviciu (oferta de apel) i a duratei de serviciu.
77
Astfel, reeaua de calculatoare este un ansamblu de sisteme elementare. Fiecare sistem este o entitate independent i poate avea o manier specific de comportament fa de cererile de serviciu, fiind un sistem cu pierderi sau cu ateptare, cu servire exponenial sau cu durat constant de serviciu, aa cum este expus n [2,10]. n cele ce urmeaz se va prezenta modelul general n form de reea stochastic discret cu subsisteme de ateptare (RSA) model Jackson, n care aceste sisteme pot coopera n cadrul unui sistem global. Structura reelei ce conine sistemele SAi elementare i = 0,1,2,3,...,n se poate reprezenta printr-un graf orientat, ponderat, ca n fig.3.3. Nodurile grafului sunt sistemele SAi elementare componente. Ele se leag prin jonciuni indexate prin cte doi indici (i,j) stabilii n funcie de sistemul SAi surs a intercomunicaiei i de sistemul SAj de destinaie i reprezint transferul de cereri (apeluri) n graf prin arcele corespunztoare (fig. 3.4). Se recomand folosirea indicelui 0 pentru nodul surs de apel din orice reea.
Un apel ce parcurge reeaua, de la nodul surs pn la cel cruia i este adresat, este dirijat fie pe un traseu dinainte stabilit, corespunztor unor restricii ferme, fie la ntmplare pe un traseu ales n momentul solicitrii, n funcie de condiiile prezentate. nseamn c apelul trebuie s traverseze mai multe noduri, n fiecare din ele executnd o alegere dirijat sau ntmpltoare a direciei urmtoare de parcurs.
78
Exist n consecin un transfer de apeluri de la un nod la altul, rij reprezentnd posibilitatea transferului unei uniti de prelucrare (apel) de la nodul i la nodul j. Dar, dac se consider ntreaga reea, atunci posibilitatea ca n intervalul de timp (, +) s soseasc un apel n nodul j este o combinaie liniar de coeficieni constani rij ai tuturor probabilitilor de ieire n (, +) a unui apel din toate nodurile i ale reelei (i = 0,1,2,...,n). nseamn c, pe ansamblul reelei, se poate forma o matrice R de transfer:
n
Deoarece dac un apel se afl n nodul i la momentul , atunci este sigur c la (, +) el va fi gsit ntr-un nod j oarecare al reelei. Este evident c dac prin reea nu exist legtura (i,j) atunci rij = 0, iar dac apelul din i nu poate evalua dect spre j atunci rij = 1. Dac pentru un sistem elementar SAi se consider c apelul i ce-l traverseaz au o rat medie i, atunci raportat la o suprafa de flux nul de probabiliti (fig. 3.4), se obine:
i rij = j rji .
j =0 j =0
Ceea ce nseamn c: - fluxul total de apeluri recepionate de un nod oarecare i din reea (traficul total
79
Rezult c fluxul de uniti prelucrate (cereri) ce traverseaz fiecare sistem SAi al reelei RSA se poate calcula cu ajutorul ecuaiei matriceale n care:
= R, D = 0
Aici = vectorul-linie a traficelor caracteristice nodurilor reelei, considerate ca sisteme SAi elementare: = (0,1,2,...,N). - D = matricea dinamic a reelei:
D=R-I={dij};
pentru i, j = 0, n cu
d
j =0
ij
= 0 , ceea ce nseamn c:
Relaia .D=0 permite scrierea unui sistem de ecuaii lineare care admite totdeauna o infinitate de soluii, dependente de un i, ales arbitrar pe lng soluia banal (=0). De regul, dac se precizeaz o anumit valoare pentru 0, atunci se obine relaia de dependen:
i = ai 0 ,
i = 1, n.
Se realizeaz chiar o clasificare a reelelor n raport cu valoarea lui 0 i anume: - reele deschise, pentru care 0 0 ; - reele nchise, pentru care
0 = 0 .
80
3.4.1.2. Aplicaie Fie o reea stochastic RSA1 (fig. 3.5) n care nodul 0 este surs i totodat destinaie final. Reeaua are dou noduri principale de transfer 1 i 2 i dou noduri intermediare 3 i 4, care ar putea fi eventual nglobate n 1, respectiv n 2 ca etaje suplimentare de ateptare. Matricea R de transfer este precizat n fig. 3.6, elementele sale reprezentnd de fapt factorii de cointeresare ntre abonaii conectai ca terminale ntr-o asemenea reea (se poate uor verifica faptul c suma elementelor unei linii din matricea R este egal cu unitatea):
0 0 1 0 .6 R = 2 0 .4 3 0 4 0 0 1
0.3 0.7 0 0 0 0 1 2
0 0 0.4 0 0 .1 0 0 .5 1 0 0 0 0 0 3 4
Fluxurile de intrare n nodurile reelei propuse se determin prin rezolvarea urmtorului sistem de ecuaii liniare, sistem ntocmit pe baza matricei dinamice D:
0 0 .3 0 0.7 0 0 0 0 0 + 0.6 1 + 0.4 2 1 + 0 2 + 0 1 0 .9 2 + 0.4 1 0 2 + 0 1 + 0.5 2 + 0 3 + 0 3 + 3 3 + 0 3 + 0 4 + 4 + 0 4 + 0 4 4 = = = = = 0 0 0 0 0
41 62 41 31 = 0 , 0 , 0 , 0 , 0 70 175 35 35
Observaie. n situaia tuturor sistemelor SAi n echilibru static s-a stabilit c
trebuie s se foloseasc un raport subunitar ntre traficul oferit i i mrimea ratei i a ratei grupului resurselor de prelucrare (serveri) [2,7,8]. Aceasta nseamn c pentru oricare dintre sistemele SAi ale reelei trebuie s fie ndeplinit inegalitatea 0 < i = ai 0 / i < 1 , ceea ce conduce la impunerea unei condiii obligatorii pentru stabilirea valorii fluxului sursei.
82
innd seama de expresia i = ai.0 care precizeaz dependena general a fluxurilor i din noduri fa de fluxul 0 al sursei, nseamn c relaia de obligativitate pentru a se obine o reea staionar este:
0 < 0 < max = min i . 0 (i ) ai
n cazul n care aceast relaie nu este verificat, adic 0 > 0 max , atunci este necesar de a modifica numrul de serveri kj n staia SAj:M/M/kj astfel nct va fi verificat relaia
0 min j ( j) aj
Pentru o reea RSA staionar caracteristicile numerice de performan sunt urmtoarele:
nSAi =
SAi = nSAi / i ,
n
i = n;i / i
83
i =1
reeaua RSA se afl cereri, adic n acelai moment n fiecare SAi sunt mi, i=1,...,n, cereri. Deseori la analiza RSA se introduc unele restricii temporale fa de durata medie de aflare a unei cereri (mesaj) n reea, ceea ce poate, de exemplu, fi redat de relaia
RSA RSA . Aici RSA = N RSA / 0 , iar RSA este specificat n prealabil de beneficiar.
n cazul n care aceast relaie nu este verificat (adic RSA > RSA ) este necesar
SAj i anume:
- determinm N max = 0 RSA ;
* SA j
= nSA j / l , l 1
* j * j
1 k = j 1 + (aici ]x[ - este numr ntreg al lui x) numrul de serveri (canale) j j nSAj
Studierea metodelor de descriere, elaborare a algoritmilor de funcionare i de evaluare a reelelor stochastice deschise cu sisteme de ateptare model Jackson.
3.4.3. Ordinea ndeplinirii lucrrii
- pentru o reea RSA deschis, model Jackson (conform variantei date), redat de matricea de transfer R i parametrii fluxurilor de intrare i de servire a cererilor (clienilor) de construit graful lanului LMC n timp continuu, ce descrie comportarea stabil a reelei date; - de scris ecuaiile de echilibru ale ratelor de probabiliti pentru fiecare macrostare a lanului LMC subiacent reelei RSA date; - de elaborat algoritmii i programul de calcul numeric pentru determinarea repartizrii probabilitilor staionare de macrostare; - pentru varianta stabilit de profesor, de evaluat indicatorii numerici de
performan ai RSA, astfel nct RSA RSA , unde RSA este durata medie de aflare a unei
Coninutul referatului:
- foaia de titlu cu denumirea lucrrii; - obiectivele lucrrii de laborator, scurte date teoretice; - schema-bloc, programul i rezultatele numerice ale indicatorilor de performan a reeli RSA date. - concluzii.
3.4.5. ntrebri i teme
- ecuaiile Chapman-Kolmogorov ce descriu comportamentul reelei RSA; - echilibrul static local i global al fluxurilor de cereri n RSA; - legea lui Little pentru o reea RSA; - funcii de repartiii ale duratei de servire i clasificarea lor; - reele RSA nchise model Norton; - teorema BCMP pentru reele RSA.
85
Bibliografie
1. .., .. . .: , 1978. 2. .., .., .. . .: , 1989. 3. .., .. . , - , 1, . 105110, , 1980. 4. . . .: . , 1965. 5. Cinlar E. Introduction to stochastic processes. Prentice Hall, 1975. 6. .., .. .: , 1987. 7. Gelenbe E. et al. Reseaux de files dattente. Modelisation et traitement numerique. France, Edition Homes et Techniques, 1980. 8. . . .1, . . .: , 1967. 9. ., . . .: , 1970. 10. Kleinrock L. Queueing systems, vol. 1 Theory, vol. 2 Computer aplications. Wiley&Sons, 1976. 11. ., . . . .: , 1965. 12. Neuts M.F. Matrix-geometryc solutions in stochastic models - an algorithmic approach. The John Hopkins University Press, London, 1981. 13. Onicescu O. Teoria probabilitilor i aplicaii. Bucureti, Editura Didactic i pedagogic, 1978. 14. Plateau B., and Fourneau I.M. A methodology for solving Markov models of parallel systems. Journal of parallel and distributed computing, 12:370-378, 1991. 15. Philippe B., Saad Y., and Stewart W.J. Numerical methods in Markov chain modeling. Rapport de rechardi 1115, INRIA, Rocquencourt, France, November 1989. 16. Stewart W.J. Introduction to the numerical solution of Markov chains. Princeton University Press, USA, 1994. 17. T .., .. . .: . , 1977. 18. Bucholz P., Ciardo G., Donatelli S., Kemper P. Complexity of memoryefficient Kronecker operations with applications to the solutions of the Markov models. Informs J. Comp., no. 12(3), Summer 2000, p. 203-222.
86