Метод спектрального разложения для анализа системы со сдвинутыми эрланговским и гиперэрланговским распределениями
Автор: Тарасов В.Н., Бахарева Н.Ф.
Журнал: Физика волновых процессов и радиотехнические системы @journal-pwp
Статья в выпуске: 2 т.24, 2021 года.
Бесплатный доступ
В работе получено спектральное разложение решения интегрального уравнения Линдли для системы массового обслуживания со сдвинутыми эрланговским входным потоком требований и гиперэрланговским распределением времени обслуживания. На его основе выведена расчетная формула для среднего времени ожидания в очереди для этой системы в замкнутой форме. Как известно, все остальные характеристики системы массового обслуживания являются производными от среднего времени ожидания. Полученная расчетная формула дополняет и расширяет известную незавершенную формулу для среднего времени ожидания в очереди в теории массового обслуживания для систем G/G/1. В теории массового обслуживания исследования частных систем типа G/G/1 актуальны в связи с тем, что они активно используются в современной теории телетрафика, а также при проектировании и моделировании различных систем передачи данных.
Сдвинутые эрланговский и гиперэрланговский законы распределения, интегральное уравнение линдли, метод спектрального разложения, преобразование лапласа
Короткий адрес: https://sciup.org/140256342
IDR: 140256342 | DOI: 10.18469/1810-3189.2021.24.2.55-61
Текст научной статьи Метод спектрального разложения для анализа системы со сдвинутыми эрланговским и гиперэрланговским распределениями
Данная работа посвящена анализу системы массового обслуживания (СМО) E 2 /HE 2 /I со сдвинутыми эрланговским входным потоком требований и гиперэрланговским распределением 2-го порядка времени обслуживания в системе, которая обозначена E 2 /HE 2 / 1 , где знак «-» означает сдвиг закона распределения вправо от нулевой точки на величину t 0. Как известно из теории массового обслуживания, среднее время ожидания является основной характеристикой для любых СМО. По этой характеристике оценивают задержки пакетов в сетях пакетной коммутации при моделировании телетрафика с помощью СМО. Рассматриваемая СМО E 2 /HE 2 / 1 по символике Кендалла для их классификации относится к типу G/G/1.
В теории массового обслуживания исследования систем G/G/1 актуальны в связи с тем, что они активно используются в современной теории телетрафика, хотя необходимо заметить, что при моделировании активного сетевого оборудования с ограниченным буфером системы с неограниченным временем ожидания могут быть использованы только в первом приближении [9]. В пакетах имитационного моделирования также предусмотрено использование систем G/G/1 при частных законах распределений [10].
Метод спектрального разложения решения интегрального уравнения Линдли (ИУЛ) в ис-
следовании систем G/G/1 играет важную роль, и большинство результатов в теории массового обслуживания получены именно с помощью данного метода. Одна из форм ИУЛ выглядит так [1]:
V (у ) =
<
y
I
-да
V ( у - u ) d C ( и ) ,
0 у < °
у > 0;
где I V ( у ) - функция распределения вероятностей (ФРВ) времени ожидания требования в очереди; C ( и ) = P ( U < и) - ФРВ случайной величины и = x - t , где, в свою очередь, x - случайное время обслуживания требования; t - случайная величина - интервал времени между поступлениями требований.
При кратком изложении метода решения уравнения Линдли будем придерживаться подхода и символики автора [1]. Для этого через A*(s) и В * ( s ) обозначим преобразования Лапласа функций плотности распределения интервалов между поступлениями и времени обслуживания соответственно. Суть решения интегрального уравнения Линдли методом спектрального разложения состоит в нахождении для выражения A * ( - s ) ■ В * ( s ) -1 представления в виде произведения двух множителей, которое давало бы рациональную функцию от s . Следовательно, для нахождения закона распределения времени ожидания
необходимо следующее спектральное разложение: A * ( - s ) • B * ( s ) -1 — v+ ( s ) / V - ( s ) , где V+ ( s ) и V - ( s ) — некоторые рациональные функции от s , которые можно разложить на множители. Функции v , ( s ) и V - ( s ) должны удовлетворять следующим условиям согласно [1]:
-
1. Для Re ( s ) > 0 функция v+ ( s ) является аналитической без нулей в этой полуплоскости;
-
2. Для Re ( s ) < D функция V - ( s ) является аналитической без нулей в этой полу- (1)
плоскости, где D - некоторая положительная константа, определяемая из условия:
a (t)
lim < м .
t ^ю e - Dt
Кроме того, функции v+ (5) и v- (s) должны обладать следующими свойствами:
lim
| s| ^® ,Re ( s ) > 0
V +( s ) = 1 ; s
V -( s ) -------— -1 .
lim
|s | ^® ,Re ( s ) < D
s
-
1. Постановка задачи
-
2. Решение задачи для системы E-2/HE-2/1
В работе ставится задача нахождения решения для среднего времени ожидания требований в очереди в СМО E 2 /HE 2 / 1 со сдвинутыми эрлан-говским (E — ) и гиперэрланговским (HE 2 ) входными распределениями с использованием классического метода спектрального разложения решения ИУЛ. Для других систем применение этого метода рассмотрено в работах [2; 6-8]. Вопросы аппроксимации законов распределений подробно освещены в [3-5], а новые исследования по системам массового обслуживания приведены в [11–14].
Рассмотрим СМО E — /HE - / 1 , для которой законы распределения входного потока и времени обслуживания задаются функциями плотности:
|4Х 2 ( t - t0)e - 2 Х( t - t 0 ) , t > t 0;
a ( t ) —^ ( 0 ) ’ 0 (3)
^0 , 0 < t < t 0 ,
4 q ц 2 ( t - 1 0 ) e 2 Ц 1 ( t t 0 ) +
ь ( t ) = <+ 4 ( 1 - q ) ц 2 ( t - 1 0 ) e 2 ц 2 ( t t 0 ) , t > 1 0 ;
0 , 0 < t < t 0 .
Как видно из распределений (3) и (4), они при параметре сдвига t0 = 0 обращаются в обычные распределения, и в этом можно заметить преемственность обычных систем и систем с запаздыванием во времени.
Запишем преобразования Лапласа функций (3) и (4):

- te^s e 0
;

- te^s e 0
В этом случае выражение для спектрального разложения решения ИУЛ примет следующий вид:
V + ( s ) Г 2X ) 2 v ----H- — I I e 0 x
V - ( s ) ( 2X- s J

Здесь экспоненты из-за противоположных знаков обнуляются, и тем самым операция сдвига законов распределений нивелируется.
Представим выражение, стоящее в квадратных скобках, в виде

b 0 + b 1 s + b 2 s 2
= 2X2 ,
( s + 2ц 1 ) ( s + 2^ 2 )
где промежуточные параметры обозначены b 0 = = 1бц 2 ц 2 , b 1 = 16Ц 1 Ц 2 [ q Ц 1 + ( 1 - q ) ^ 2 ], b 2 = 4 [ q ^ 2 + + ( 1 - q ) ц 2 ]. Продолжая спектральное разложение (5), получим:
-
V + ( s ) 4X 2 ( b 0 + b 1 s + b 2 s 2 )
-
V -( s ) ( 2X- s ) 2 ( 2ц 1 + s ) 2 ( 2ц 2 + s ) 2
( 2X- s ) 2 ( 2ц 1 + s ) 2 ( 2ц 2 + s ) 2
( 2X- s ) 2 ( 2ц 1 + s ) 2 ( 2ц 2 + s ) 2
-
- s ( s - d 4 s - d 3 s - d 2 s - d ^ s - d 0 )
( 2X - s )^ ( 2ц ^ + s ) ( 2^ 2 + s )
-
- s ( s + a 1 )( s + ^ 2 )( s + ^ 3 )( s + ^ 4 )( s - a5 )
( 2X- s ) 2 ( 2ц 1 + s ) 2 ( 2ц 2 + s ) 2
Окончательно спектральное разложение решения ИУЛ для системы E 2 /HE 2 / 1 имеет вид
V+js) _ - S ( S + 0 1 )( S + 0 2 )( s + 0 3 )( s + 0 4 )( s -0 5 ) y - ( s ) ( 21- s ) 2 ( 2ц 1 + s ) 2 ( 2ц 2 + s ) 2
Пояснения к разложению (6). Многочлен пятой степени в числителе разложения в случае стабильной системы Р _ т ^ / т ^ < 1
s 5 - d 4 s 4 - d 3 s 3 - d 2 s 2 - d 1 s - d 0 (7)
с коэффициентами:
d0 _ 641^1^2 [^1^2 - 1(^1 + О) + 4b1^2 ], d1 _ 16{41^1^2 (Ц1 +^2) -
-
-1 [ 2ц 1 о + ( Ц 1 + Ц 2 ) ] + 4 b 2 1 },
d 2 _ 161 [( p, 1 + О ) + 2Ц 1 Ц 2 ] -
-
- 16(Ц 1 + Ц 2 )( 1 2 + Ц 1 Ц 2 ),
d3 _ -4[1 + Ц1 + Ц2 - 41(Ц1 + Ц2) + 4Ц1Ц2 ], d4 _ 4(1-Ц1 -^2), имеет четыре действительных отрицательных корня -01, -02, -03, -04 (либо два действительных отрицательных корня и два комплексно сопряженных с отрицательными действительными частями) и один положительный корень 05. Исследование знака младшего коэффициента d0 показывает, что d0 > 0 всегда в случае стабильной системы, когда 0 < р < 1. С учетом знака минус перед d0 в многочлене (7) это также подтверждает предположение о наличии таких корней многочлена.
На рисунке показана комплексная s – плоскость с нулями и полюсами функции у + ( s ) / у - ( s ) , где полюсы отмечены крестиками, а нули - кружками. Нули и полюсы нужны для построения функций у+ ( s ) и у - ( s ) в отдельности.
Принимая во внимание условия спектрального разложения (1), (2) строим функции у + ( s ) и у - ( s ) с учетом нулей и полюсов разложения:
У +( s ) _
s ( s + 0 1 ) ( s + 0 2 )( s + 0 3 )( s + 0 4 ) ( 2^ 1 + s ) 2 ( 2^ 2 + s ) 2
у - ( s ) _
( 21- s ) 2
( s -0 5 ) .
Константа спектрального разложения –
K _ lim *+!sl _ s ^0 s
( s + 0 1 ) ( s + 0 2 )( s + 0 3 )( s + 0 4 )
_ lim ----------------------------_ s^0 (2^1 + s)2 (2^2 + s)2

Рис. Нули и полюсы функции у+ ( s ) / у - ( s ) для системы М/
HE2/1
Fig. Zeros and poles of the function y+ ( s ) / у - ( s ) for the system M/HE2/1
Эта константа определяет вероятность того, что поступающее в систему требование застает ее свободной.
Далее по методике спектрального разложения строим функцию ф+( s)_ K _ у+ (s)
0 1 0 2 0 3 0 4 ( 2Ц 1 + s ) 2 ( 2^ 2 + s ) 2 _--------------------------------------------------- .
16Ц 1 Ц 2 s ( s + 0 1 ) ( s + 0 2 )( s + 0 3 )( s + 0 4 )
Отсюда преобразование Лапласа функции плотности времени ожидания W ( s ) _ s -Ф+ ( s ) будет равно
^ *( s ) _ о,0 , 0 ; 0 j ( 2 ^ , + s П 2О + s ) 2 (8)
16Ц 2 Ц 2 ( s + 0 1 ) ( s + 0 2 )( s + 0 3 )( s + 0 4 )
Для нахождения среднего времени ожидания найдем производную от функции W ( s ) со знаком минус в точке s = 0:
_ — +--+--+-----
0 1 0 2 0 3 0 4 Ц 1 О
Преобразование Лапласа (8) позволяет кроме среднего времени ожидания находить также и моменты высшего порядка времени ожидания. С учетом определения вариации задержки – джиттера в телекоммуникациях как разброс времени ожидания от его среднего значения [14], тем самым получим возможность определения джиттера через дисперсию времени ожидания.
Для того чтобы воспользоваться формулой (9) для расчетов среднего времени ожидания, необходимо задать входные параметры, в качестве которых используем значения начальных моментов первого порядка интервалов поступлений т 1 и времени обслуживания т ^ , а также их коэффициентов вариаций с 1 , c ^ . С помощью этих входных параметров необходимо определить методом моментов неизвестные параметры распределений (3) и (4) 1 , q , Ц 1 , о, а затем коэффициенты многочлена (7).
Определим числовые характеристики распределения (3) с использованием преобразования Лапласа. Средний интервал между поступлениями требований в систему E — / НЕ — / 1 равен
Т х = х
1 + t 0 .
и потребуем выполнения условия (14). Подставив частное решение (15) в (14), решим полученное уравнение четвертой степени q ( 1 - q )[ 8 ( 1 + c ^ ) q -- 8 ( 1 + c2 ) q + 3 ] = 0 относительно параметра q с учетом условия 0 < q < 1 и выберем нужное решение:
Второй начальный момент интервала между поступлениями равен
d 2 A *( s ) ds 2
3 t 0 2
= F + 2Т + t 0, s = 0 2 Х 2 Х
=1 + 1 - ^_3(2E.z t 0J 2^_ q 2 Р 8 [( Тц- t 0 ) 2 + c ц Т 2 ] ,
откуда
2 _ 3 t 0 . 22
Т х = —+ 2 2 - + t 0 .
2 Х 2 х
Определим квадрат коэффициента вариации:
2 г 2 _2х c х =
- ( Т х ) 2
( тх ) 2 2 ( 1 + х t 0 ) 2
.
Отсюда коэффициент вариации: c х= [ 72( 1+х 1 0 )] - 1 .
Значение первой производной функции B * ( s ) со знаком минус в точке s = 0 дает среднее значение времени обслуживания
а затем определим из (15) параметры Ц 1 и Ц 2 •
Задавая значения ту , Т ц , c х , c ц , t 0 в качестве входных параметров системы, таким образом находим известным методом моментов все неизвестные параметры распределений (3) и (4).
Теперь рассмотрим влияние параметра сдвига на коэффициенты вариаций распределений. Для эрланговского закона распределений интервалов поступлений с у = 1 / 72, и, сравнивая это с выражением (11), устанавливаем, что параметр сдвига t 0 > 0 уменьшает коэффициент вариации интервалов поступлений в 1+ Х t 0 раз. Для обычного распределения HE2 времени обслуживания, как следует из выражений (14), получим:
т ц = q ц 11 + ( 1 - q ) ц 21 + t 0 ’
c
, 2 = ц 2 - 2 q ц 2 ( ц 1 -ц 2 ) + q ( 1 - 2 q )( ц 1 -ц 2 ) 2
' ц
а значение второй производной функции B ( s ) в точке s = 0 дает второй начальный момент времени обслуживания
2 [ ц 1 - q ( ц 1 -ц 2 )] 2
.
Т ц = t 0 + 2 t 0
q + ( 1 - q )
L^
Ц 2
+ 3 q + 3 ( 1 - q )
2ц 2 2ц 2
.
Отсюда определим квадрат коэффициента вариации интервалов поступления:
c
, 2 = ц 2 - 2 q ц 2 ( ц 1 -ц 2 ) + q ( 1 - 2 q )( ц 1 -ц 2 ) 2
■ ц
2 [ ц 1 - q ( ц 1 -ц2 ) + t 0ц 1 ц 2 ] 2
.
Заметим, что коэффициенты вариации < 1 / 72 и c ц > 0 при параметре сдвига t 0
0 < c х <
> 0 . Та-
Сравнивая последнее выражение с (14), убеждаемся, что параметр сдвига во времени t 0 > 0 уменьшает коэффициент вариации интервалов поступлений в 1 +---^--- раз. Учитывая
[ ц 1 ( 1 - q ) + ц2 q ]
квадратичную зависимость среднего времени ожидания от коэффициентов вариаций интервалов поступлений и времени обслуживания, убеждаемся в том, что введение параметра сдвига в законы распределения уменьшает среднее время ожидания в очереди в СМО.
ким образом, очевидно, что система Е 2 /НЕ 2 / 1 относится к типу G/G/1.
Рассматривая выражения (10)–(15) как форму записи метода моментов, найдем неизвестные параметры распределения (3) и (4). Определим параметр распределения (3) Х из (10) и получим значение Х = 1 /( Т у - 1 0 ).
Нахождение параметров распределения (4) ц , ц 2 , q будет аналогичным нахождению этих параметров для обычного распределения. Теперь, исходя из вида уравнения (12), положим:
ц1 = 2q /(тц -10), ц2 = 2(1 - q)/(тц-10),
3. Результаты вычислительных экспериментов
В таблице приведены расчетные значения среднего времени ожидания для системы с запаздыванием Е 2 /НЕ 2 / 1 для случаев малой, средней и высокой нагрузки р = 0 , 1 ; 0,5; 0,9 при значениях параметра сдвига t 0 от 0,001 до 0,999 и коэффициенте вариации времени обслуживания с м = 0 , 71 для обычной системы E2/H2/1. Значения параметров с х и с м в системе Е2 /НЕ2 / 1 изменяются согласно выражениям (11) и (14). Расчеты проведены для нормированного времени обслуживания Т ц = 1 .
Таблица. Результаты экспериментов для СМО Е2/Н2 /1 при с ^ = 0,71 для системы E2/HE2/1 Table. Experimental results for the QS Е - /Н - /1 at, с ц = 0,71 for the E2/HE2/1 system
Таким образом, данные таблицы демонстрируют качественное и количественное влияние параметра сдвига t 0 > 0 на числовые характеристики распределений (3) и (4) и, следовательно, на основную характеристику системы - среднее время ожидания. Как и следовало ожидать, уменьшение коэффициентов вариации с л и с м влечет за собой многократное уменьшение времени ожидания.
Заключение
Таким образом, по результатам работы можно сделать следующие выводы.
Научная новизна результатов заключается в том, что получено спектральное разложение решения интегрального уравнения Линдли для рас-
сматриваемой системы и с его помощью выведена расчетная формула для среднего времени ожидания в очереди для этой системы в замкнутой форме. Данные численных экспериментов подтверждают полную адекватность полученных теоретических результатов.
Практическое значение работы состоит в том, что полученные результаты с успехом могут быть применены в современной теории телетрафика, где задержки пакетов входящего трафика играют первостепенную роль. Для этого необходимо знать числовые характеристики интервалов входящего трафика и времени обслуживания на уровне двух первых моментов, что не вызывает трудностей при использовании современных анализаторов трафика.
Входные параметры |
Среднее время ожидания |
||||
ρ |
c λ |
c µ |
t 0 |
для системы Е 2 /Н /1 |
для системы E 2 /HE 2 /I |
0,1 |
0,636 |
0,355 |
0,999 |
0,006 |
0,018 |
0,672 |
0,473 |
0,5 |
0,006 |
||
0,700 |
0,645 |
0,1 |
0,013 |
||
0,706 |
0,703 |
0,01 |
0,017 |
||
0,707 |
0,709 |
0,001 |
0,018 |
||
0,5 |
0,354 |
0,355 |
0,999 |
0,063 |
0,395 |
0,530 |
0,473 |
0,5 |
0,124 |
||
0,672 |
0,645 |
0,1 |
0,321 |
||
0,704 |
0,703 |
0,01 |
0,386 |
||
0,707 |
0,709 |
0,001 |
0,394 |
||
0,9 |
0,071 |
0,355 |
0,999 |
0,568 |
4,380 |
0,389 |
0,473 |
0,5 |
1,511 |
||
0,643 |
0,645 |
0,1 |
3,578 |
||
0,701 |
0,703 |
0,01 |
4,292 |
||
0,706 |
0,709 |
0,001 |
4,371 |
Список литературы Метод спектрального разложения для анализа системы со сдвинутыми эрланговским и гиперэрланговским распределениями
- Клейнрок Л. Теория массового обслуживания / пер. с англ. под ред. В.И. Неймана. М.: Машиностроение, 1979. 432 с.
- Brännström N. A Queueing Theory Analysis of Wireless Radio Systems: master’s thesis applied to HS-DSCH. Lulea University of Technology, 2004. 79 p. URL: http://ltu.diva-portal.org/smash/get/diva2:1016709/FULLTEXT01
- Алиев Т.И. Аппроксимация вероятностных распределений в моделях массового обслуживания // Научно-технический вестник информационных технологий, механики и оптики. 2013. № 2 (84). С. 88–93. URL: https://ntv.ifmo.ru/ru/article/4127/approksimaciya_veroyatnostnyh_raspredeleniy_v_modelyah_massovogo_obsluzhivaniya.htm
- Myskja A. An improved heuristic approximation for the GI/GI/1 queue with bursty arrivals // Teletraffic and Datatraffic in a Period of Change, ITC-13: proc. of congress. Copenhagen, Denmark. 19–26 June 1991. P. 683–688. URL: https://gitlab2.informatik.uni-wuerzburg.de/itc-conference/itc-conference-public/-/raw/master/itc13/myskja911.pdf?inline=true
- Whitt W. Approximating a point process by a renewal process, I: Two basic methods // Operation Research. 1982. Vol. 30, No. 1. P. 125–147. DOI: https://doi.org/10.1287/opre.30.1.125
- Малахов С.В., Карташевский И.В., Тарасов В.Н. Теоретическое и экспериментальное исследование задержки в программно-конфигурируемых сетях // Инфокоммуникационные технологии. 2015. Т. 13, № 4. С. 409–413. DOI: https://doi.org/10.18469/ikt.2015.13.4.08
- Малахов С.В., Тарасов В.Н. Экспериментальные исследования производительности сегмента программно-конфигурируемой сети // Интеллект. Инновации. Инвестиции. 2013. № 2. С. 81–85.
- Тарасов В.Н., Липилина Л.В., Бахарева Н.Ф. Автоматизация расчета характеристик систем массового обслуживания для широкого диапазона изменения их параметров // Информационные технологии. 2016. Т. 22, № 12. С. 952–957. URL: http://novtex.ru/IT/it2016/it1216_web-952-957.pdf
- Тарасов В.Н. Вероятностное компьютерное моделирование сложных систем. Самара: СНЦ РАН, 2002. 194 с.
- Тарасов В.Н., Коннов А.Л., Ушаков Ю.А. Анализ и оптимизация локальных сетей и сетей связи с помощью программной системы OPNET Modeler // Вестник Оренбургского государственного университета. 2006. № 6-2 (56). С. 197–204. URL: http://vestnik.osu.ru/doc/1033/article/2762/lang/0
- Jennings O.B., Pender J. Comparisons of ticket and standard queues // Queueing Systems. 2016. Vol. 84, No. 1–2. P. 145–202. DOI: https://doi.org/10.1007/s11134-016-9493-y
- Gromoll H.C., Terwilliger B., Zwart B. Heavy traffic limit for a tandem queue with identical service times // Queueing Systems. 2018. Vol. 89, No. 3–4. P. 213–241. DOI: https://doi.org/10.1007/s11134-017-9560-z
- Legros B. M/G/1 queue with event-dependent arrival rates // Queueing Systems. 2018. Vol. 89. № 3–4. P. 269–301. DOI: https://doi.org/10.1007/s11134-017-9557-7
- Jacobovic R., Kella O. Asymptotic independence of regenerative processes with a special dependence structure // Queueing Systems. 2019. Vol. 93, No. 1–2. P. 139–152. DOI: https://doi.org/10.1007/s11134-019-09606-1
- Demichelis C., Chimento P. IP Packet Delay Variation Metric for IP Performance Metrics. URL: https://tools.ietf.org/html/rfc3393