12.8. 12.8. A modell

Ennek a modellnek a leírása Sztrik [ 70 ] cikkében található meg.

Tekintsünk egy olyan számítógépes rendszert, amely központi egységekből, terminálokból, és jobokból áll. Minden job egy terminállal van kapcsolatban, ahol nincs várakozás. Sorok csak a központi egységeknél fordulhatnak elő. Az ilyen rendszerek elemzéséhez szintén véges forrású sorbanállási modellt használunk.

Legyen a rendszerben lévő jobok száma , és a központi egységek száma . A job bizonyos időt tölt el a terminálnál, ezután a központi egységbe kerül, ahol a job kiszolgálása azonnal megkezdődik, ha az központi egység között van szabad, egyébként sor alakul ki. A jobokat érkezésük sorrendjében szolgálják ki, és kiszolgálási idejük azonos paraméterű exponenciális eloszlású valószínűségi változó. A job kiszolgálásának befejeződése után visszatér a termináljához, ahol véletlen hosszúságú ideig tartózkodik. A -edik job terminálnál eltöltött ideje eloszlásfüggvénnyel és sűrűségfüggvénnyel rendelkező valószínűségi változó. Továbbá feltesszük, hogy a konstrukcióban fellépő valószínűségi változók teljesen függetlenek.

12.8.1. 12.8.1. A stacinárius eloszlás meghatározása

Jelölje a valószínűségi változó a időpontban a terminálnál lévő jobok számát, ezeknek a joboknak az indexeit lexikografikus sorrendben, és

a központi egységnél lévő (kiszolgálás alatt lévő vagy sorbanálló) jobok indexeit érkezésük sorrendjében. Az

folyamat csak akkor Markov-folyamat, ha az eloszlásfüggvények exponenciálisak.

Vezessük be a változót, amely azt az időt jelöli, amelyet az job a terminálnál eltöltött a legutolsó központi egységbeli kiszolgálása óta. Az így kapott

folyamat rendelkezik a Markov tulajdonsággal.

Jelölje és az egészek -ad osztályú variációinak illetve a kombinációinak lexikografikusan rendezett halmazát. Ekkor az folyamat állapottere az olyan

pontokból áll, ahol

Az folyamat akkor van az állapotban, ha az

indexű jobok már ideje vannak a termináloknál, és a központi egységnél lévő jobok indexe érkezési sorrendben.

A Kolmogorov-egyenletek levezetéséhez szükségünk van tetszőleges intervallumban lejátszódó átmenetek vizsgálatára. Az átmeneti valószínűségeket a következő módon adhatjuk meg esetére.

ahol az indexeket jelöli lexikografikus sorrendben, és a megfelelő időket.

Ha akkor az átmeneti valószínűségek a következők

Vezessük be a következő függvényeket

Legyen a következőképpen definiálva: .

12.5. Tétel. Ha , , akkor az folyamatnak van egyértelmű ergodikus ( stacionárius ) eloszlása, amely független a kezdeti feltételektől, azaz

A tétel bizonyítása Gnedenko-Kovalenko [ 23 ] könyvének 211. oldalán található tételből következik.

A tétel biztosítja a következő határértékek létezését, és egyértelműségét

ahol jelöli az állapotok sűrűségfüggvényét, ha . Feltesszük, hogy rögzített -ra az ergodikus eloszlásoknak létezik a sűrűségfüggvénye. Ehhez elegendő feltenni, hogy az -nek van sűrűségfüggvénye.

Vezessük be a

ún. normált sűrűségfüggvényeket!

12.6. Tétel. A fenti normált sűrűségfüggvények kielégítik a (12.3), (12.5) integro-differenciál-egyenleteket a (12.4), (12.6) határfeltételek mellett.

, esetén,

, esetén,

valamint

A jelentése a bizonyításban szerepel, és

Bizonyítás. Mivel Markov-folyamat, ezért sűrűségfüggvényei kielégítik a Kolgomorov-Chapman egyenleteket. Tekintsük a folyamatot rövid ideig. Ekkor a következő összefüggések igazak:

, esetén.

Hasonlóan

, esetén.

Végül

Ezekből az összefüggésekből a tétel állítását könnyen megkaphatjuk. A felírt összefüggések bal oldalát -val osztva, és figyelembe véve a normált sűrűségfüggvény definícióját, és határértéket véve kapjuk a tétel állítását.

A tétel (12.3)(12.5) egyenlőségeinek bal oldalán a parciális differenciálhányados szokásos jelölését használtuk fel. Ezt általában nem tehetjük meg, mivel a parciális differenciálhányados létezését nem tettük fel. Ezért használtuk a jelölést. Valójában az iránymenti deriváltat jelenti. A

ergodikus eloszlás meghatározásához meg kell oldani a (12.3)(12.5) egyenleteket a (12.4)(12.6) határfeltételek mellett. Legyen

Ekkor behelyettesítéssel ellenőrizhető, hogy kielégítik az , egyenleteket a , határfeltételek mellett, és ezek a értékek rekurzióval kifejezhetők függvényében. Nevezetesen

Ezek az egyenletek teljesen leírják a rendszer működését.

Jelölje annak a stacionárius valószínűségét, hogy a termináloknál az indexű jobok vannak, és a központi egységnél lévő jobok indexei érkezési sorrendben . Továbbá jelölje annak a stacionárius valószínűségét, hogy az indexű jobok tartózkodnak a termináloknál.

Ezek után könnyen igazolható, hogy

A -ra kapott összefüggést felhasználva kapjuk, hogy

Hasonlóan

Jelölje és annak a stacionárius valószínűségét, hogy a termináloknál , illetve a központi egységeknél job tartózkodik. Ekkor világos, hogy

Könnyen belátható, hogy

ahol a normalizáló feltételéből határozható meg.

Homogén esetben a következő eredményekhez jutunk

Ezért

Ezek az eredmények megegyeznek az modell stacionárius valószínűségeire kapott képletekkel. Látható, hogy ezek az eloszlásfüggvény alakjától nem függnek, csak az várható értékektől.

Rendszerjellemzők

1. A terminálok kihasználtsága

Jelölje annak a stacionárius valószínűségét, hogy az -edik job a terminálnál tartózkodik, vagyis

Nyilvánvalóan az -edik terminál kihasználtsága

2. A CPU-k kihasználtsága

Az eddigiekhez hasonlóan egy konkrét CPU kihasználtsága

ahol a foglalt CPU-k átlagos számát jelöli. Így a CPU-k összkihasználtsága .

3. átlagos várakozási és tartózkodási idők

Így az -edik job átlagos várakozási ideje:

Az -edik job központi egységnél eltöltött átlagos ideje ( várakozással és kiszolgálással eltöltött idő )

Mivel

ahol jelöli a központi egységnél levő jobok átlagos számát, megkapjuk a

modellre vonatkozó Little-formulát

Meg kell jegyeznünk, hogy a gépkiszolgálási probléma terminológiáját használva az -edik gép kihasználtságát, az -edik gép várakozási ill. rossz állapotban való átlagos tartózkodási idejét adja.

A modell tovább általánosítható oly módon, hogy pl. a kiszolgálási intenzitások függnek a rendszer állapotától, lásd Sztrik [ 68 ], [ 69 ].