Опубликован: 20.04.2011 | Уровень: для всех | Доступ: платный
Лекция 8:

Система с потерями и В-формула Эрланга

< Лекция 7 || Лекция 8: 1234 || Лекция 9 >

Характеристики нагрузки Пуассоновского распределения

С точки зрения измерения нагрузки, система с бесконечным числом линий не очень интересна. Просмотрим важные характеристики нагрузки системы с потерями.

Потери по времени E=0

Потери по вызовам B=0

Обслуженная нагрузка Y=\sum_{i=0}^{\infty}i*p(i)=A,

Потерянная нагрузка A_l=A-Y=0,

Потери по нагрузке C=0

Нагрузка, которая обслужена i -той линией, принимающей последовательную нагрузку, дается позже в (7.14).

Пиковость Z определяется как отношение между дисперсией и средней величиной распределения вероятностей состояния.

Для Пуассоновского распределения мы находим (6.17) и (6.18):

Z=\frac{\sigma^2}{m_1}=1 ( 7.7)

Пиковость имеет размерность [число каналов] и отличается от коэффициента вариации, который не имеет никакого измерения (3.9).

Продолжительность состояния [i]

В состоянии [i] процесс имеет полную интенсивность (\lambda + I \mu) . Поэтому время до первого перехода (переход из состояния i либо к i+1, либо к i-1 ) - распределено по экспоненте (секция 4.1.1):

f_i(t)=(\lambda + i \mu)e^{-(\lambda + I \mu)t}, t \ge 0.
Пример 7.2.1: Протокол простая АЛОХАа

В примере 6.2.2 мы рассматривали протокол синхронная (сегментированная) АЛОХАа, где оси времени были разделены на слоты времени. Мы теперь рассматриваем тот же самый протокол в непрерывное время. Предположим, что пакеты прибывают согласно Пуассоновскому процессу и что они имеют постоянную длину h. Система соответствует случаю нагрузки, заканчивающемуся Пуассоновским распределением, которое также является справедливым для постоянных времен занятия (секция 7.2). Вероятности состояния отображаются Пуассоновским распределением (7.6), где A = \lambda h. Пакет передается правильно, если: (а) система находится в состоянии [0] во время прибытия и (б) никакие другие пакеты не поступают в течение времени обслуживания h. Мы находим:

P_{correct}   =р(0)-е^{-\lambda h}=е^{-2A}.

Переданная правильно нагрузка, таким образом, получается:

A_{correct}=A*p_{rcorrect}=A*e^{-2A}.

Это - соотношение оси времени, при эффективном использовании оно имеет оптимум для h = А = 1/2, где производная относительно А равняется нулю:

\frac{\partial A_{correct}}{\partial A}=e^{-2A}*(1-2A),\\
max\{A_{correct}\}=\frac{1}{2e}=0.1839 ( 7.8)

Мы, таким образом, получаем, что максимальное использование равно 0.1839, когда предложение равно 0.5 Эрл. Это - половина значения, которое мы получили для системы, использующей слоты в синхронных спутниковых передатчиках. Сравнение различных моделей АЛОХА уже было сделано на рис.6.4.

Усеченное Пуассоновское распределение

Мы рассматриваем вариант, когда Чистая Случайная Нагрузка I (PCT-I) такая же, как в секции 7.2. Число каналов теперь ограничено и я конечно. Число состояния становится n+1, диаграмма Чистая Случайная Нагрузка I при переходе состояний показана на рис.7.2.

 Усеченное Пуассоновское распределение..

Рис. 7.2. Усеченное Пуассоновское распределение..

Диаграмма переходов состояний схематически изображает систему с ограниченным числом каналов (n) , Пуассоновский поток вызовов (\lambda) и экспоненциальное время обслуживания (\mu) )

Вероятности состояния

Мы получаем уравнения сечения, как и в случае Пуассоновского процесса, но пространство состояний ограничено \{0, 1, \dots , п) и условие нормализации (7.5) теперь равно:

p(0)=\left \{ \sum_{j=0}^n \frac{A^j}{j!} \right\}^{-1}

Мы получаем так называемое усеченное Пуассоновское распределение (первая формула Эрланга):

p(i)=\frac{\frac{A^i}{i!}}{\sum_{j=0}^n \frac{A^j}{j!}}, 0 \le i \le n. ( 7.9)

Название усеченное означает "укороченное" вследствие того, что решение может интерпретироваться как усеченное Пуассоновское распределение p(i)=p(i|I < n). Это легко увидеть, умножая числитель и знаменатель на e^{-A}.

Характеристики нагрузки В-формулы Эрланга

Зная вероятности состояния, мы можем найти критерии качества работы, определяемые этими вероятностями состояния.

Потери по времени

Вероятность, что все п каналов заняты в случайный момент времени, равна отношению всего времени работы ко времени занятости всех каналов (математическое ожидание времени). Это видно из (7.9) для i=n:

E_n(A)=p(n)=\frac{\frac{A^n}{n!}}{1+A+\frac{A^2}{2!}+\dots +\frac{A^n}{n!}}. ( 7.10)

Это - известная В-формула Эрланга (1917, [11]). Она обозначается Е_n (А) = Е_{1,п} (А) , где указатель "1" рассматривается как указатель названия первая формула Эрланга.

Потери по вызовам

Вероятность, что случайный вызов будет потерян, равна отношению всех попыток вызовов к числу блокированных попыток вызова. Если мы рассматриваем единицу времени, то находим В = В_n (А) :

B=\frac{\lambda * p(n)}{\sum_{v=0}^n} \lambda * p(v)=p(n)=E_n(A) ( 7.11)

Обслуженная нагрузка

Если мы используем усеченное уравнение между состоянием [i-1] , и [i] , то получим:

Y=\sum_{i=1}^n i*p(i)=\sum_{i=1}^n \frac{\lambda}{\mu}*p(i-1)=A*\{1-p(n)\},\\
Y=A*\{1-E_n(A)\}, ( 7.12)

где А - предложенная нагрузка. Обслуженная нагрузка будет меньше и чем А, и чем п.

Потери по нагрузке

A_l=A- Y=A-E_nA).\\
C=\frac{A-Y}{A}=E_n(A).

Мы, таким образом, имеем Е=В=С, потому что интенсивность вызова не зависит от состояния. Это свойство - PASTA (Poisson Arrivals See Time Averages - Пуассоновское поступление вызовов, наблюдаемое за среднее время) - справедливо для всех систем с Пуассоновскими потоками вызовов. Во всех других вариантах, по крайней мере, два из трех случаев потерь различны. В-формула Эрланга показана графически на рис. 7.3 для некоторых выбранных значений параметров.

Нагрузка, которую обслуживает i -ый канал (использование а_{ij} )

  1. Случайный поиск. В этом случае все каналы в среднем обслуживают одну и ту же нагрузку. Полная обслуженная нагрузка не зависит от стратегии поиска, и мы можем найти использование:


    Рис. 7.3.

    Вероятность блокировки Е_n(А) как функция предложенной нагрузки для различных значений числа каналов - п (7.9)

    a_i=a=\frac Yn=\frac{A\{1-E_n(A)\}}{n} ( 7.13)

    Эта функция показана на рис. 7.4, и мы наблюдаем, что в данном случае при потерях Е получается самое высокое использование для больших групп канала (экономия из-за масштаба).

    Среднее удельное использование а (7.13) как функция числа каналов n для заданных значений потерь Е

    Рис. 7.4. Среднее удельное использование а (7.13) как функция числа каналов n для заданных значений потерь Е
  2. Обусловленный поиск - последовательный поиск: нагрузка, которую обслуживает канал, есть разность между нагрузкой, потерянной i-1 каналами, и нагрузкой, потерянной i каналами:

    a_i=A*\{E_{i-1}(A)-E_i(A)\}. ( 7.14)

    Отметим, что нагрузка, которую обслуживает канал i, не зависит от общего числа каналов. Таким образом, каналы после i -того канала не влияют на нагрузку, обслуживаемую каналом i, т.е. между каналами нет никакой обратной связи.

Функция увеличения

Она обозначает увеличение обслуженной нагрузки, когда число каналов увеличено на один от n до n + 1:

F_n(A)=Y_{n+1}-Y_n,\\

\qquad=A\{1-E_{n+1}\}-A\{1-E_n\}, ( 7.15)
F_n(A)=A\{E_n(A)-E_{n+1}(A)\}\\

\qquad=a_{n+1}. ( 7.16)

Мы имеем 0 \le F_n(A) \le 1..

Функция увеличения Fn (А) сведена в таблицу (Арн Дженсен, 1950 [50]) и показана на рис.7.5. В секции 7.6.2 мы рассматриваем приложение этого принципа для оптимального экономичного измерения нагрузки.

Пиковость

Она определяется как отношение между дисперсией и средней величиной распределения числа занятых каналов, сравните с IDC (Индексрассеяния для расчетов - Index of Dispersion for Counts) (5.11). Для усеченного Пуассоновского распределения, используя (7.14), можно показать

Z=\frac{\sigma^2}{m}=1-A\{E_{n-1}(A)-E_n(A)\}=1-a_n, ( 7.17)

Размерность - [число каналов]. В группе с обусловленным поиском мы можем таким образом оценить пиковость нагрузки, которую обслуживает последний канал.


Рис. 7.5.

Функция увеличения F_n (A) (7.16) по В формуле Эрланга. F_n (А) при последовательном поиске равна нагрузке а_{п+1}, при увеличении числа канала (n + 1)

Продолжительность состояния [i]

Полная интенсивность для перехода из состояния [i] постоянна и равна (\lambda + i \mu) , и поэтому продолжительность времени в состоянии [i] (время пребывания) экспоненциально распределена с функцией плотности:

f_i(t)=(\lambda + I \mu)*e^{-(\lambda + i \mu)t}, 0 \le I < n,\\
f_n(t)=(n \mu)* e^{-(n \mu)t}, i=n ( 7.18)
< Лекция 7 || Лекция 8: 1234 || Лекция 9 >
Нияз Сабиров
Нияз Сабиров

Здравствуйте. А уточните, пожалуйста, по какой причине стоимость изменилась? Была стоимость в 1 рубль, стала в 9900 рублей.

Елена Сапегова
Елена Сапегова

для получения диплома нужно ли кроме теоретической части еще и практическую делать? написание самого диплома требуется?

Иван Бузмаков
Иван Бузмаков
Россия, Сарапул
Никита Сомов
Никита Сомов
Россия, Удмуртская республика