Модели телетрафика на основе современной теории массового обслуживания
Автор: Тарасов Вениамин Николаевич, Бахарева Надежда Федоровна, Ахметшина Элеонора Газинуровна
Журнал: Инфокоммуникационные технологии @ikt-psuti
Рубрика: Технологии компьютерных систем и сетей
Статья в выпуске: 1 т.16, 2018 года.
Бесплатный доступ
Представлены результаты по двум классам систем массового обслуживания (СМО) G/G/1: системы c запаздыванием во времени M-/M-/1 и систем H2/H2/1, H2/M/1, M/H2/1 с гиперэкспоненциальными входными распределениями. Классы этих систем обеспечивают коэффициенты вариаций интервала между поступлениями требований и времени обслуживания, меньшие и большие единицы, то есть перекрывают весь интервал (0, ∞). Для вывода решений использован метод спектрального разложения решения интегрального уравнения Линдли. Выбор законов распределения вероятностей обусловлен их простотой и тем, что гиперэкспоненциальный и экспоненциальный законы с запаздыванием во времени позволяют получить решение в аналитическом виде. Комбинация рассмотренных законов распределений позволяет рассматривать СМО с коэффициентами вариаций входных распределений в диапазоне от 0 до ∞.
Системы массового обслуживания m-/m-/1, среднее время ожидания в очереди, метод спектрального разложения, интегральное уравнение линдли, преобразование лапласа-стилтьеса
Короткий адрес: https://sciup.org/140255685
IDR: 140255685 | DOI: 10.18469/ikt.2018.16.1.07
Текст научной статьи Модели телетрафика на основе современной теории массового обслуживания
Статья посвящена исследованию систем массового обслуживания (СМО) G/G/1 с произвольными входными распределениями с коэффициентами вариаций интервала между поступлениями требований и времени обслуживания меньшими и большими единицы, то есть перекрывающими весь интервал (0, ∞). Для этого рассмотрены системы M-/M-/1 c запаздыванием во времени [1] и H2/H2/1, Н2/M/1, M/H2/1 с гиперэкспоненциальными входными распределениями [2-4] с целью получения решения для среднего времени ожидания требований в очереди. Для этого использован метод спектрального разложения решения интегрального уравнения Линдли . Для практического применения полученных результатов использован метод моментов .
В [1] показано, что коэффициент вариации случайной величины, распределенной по экспоненциальному закону с запаздыванием во времени, меньше единицы. Известно, что распределенная по гиперэкспоненциальному закону Н2 случайная величина имеет коэффициент вариации больше единицы. Учитывая, что распределение Н2 является трехпараметрическим, в статье приведен механизм аппроксимации произвольных законов распределений гиперэкспоненциальным на уровне двух и трех первых моментов .
Решение для системы M/M/1с запаздыванием: случай ся < 1, с < 1
Рассмотрим систему массового обслуживания (СМО), на вход которой поступают требования, случайные интервалы между которыми распределены по закону [1]:

Аналогично распределено и время обслуживания:
6(0
'Ме"А*",й\
О,
0 <
Графическая иллюстрация функции плотности с запаздыванием во времени (1) приведена на рис. 1.

Рис. 1. График функции плотности c запаздыванием (1)
Функции плотности (1) и (2) сдвинуты вправо от нуля на величину экспоненциальными распределениями с параметрами , причем λ < μ . Таким образом, мы имеем СМО с запаздыванием во времени [1]. В работе [1] приведено преобразование Лапласа функции плотности времени ожидания, полученное методом спектрального разложения решения интегрального уравнения Линдли:
W * (s) = 5 • ф + (s) = ^ ^^^Х (s + ц -Л)
и полученное через него среднее время ожидания
W = ^-р-Х
Для определения неизвестных параметров формулы (3) получена система уравнений:
Я + tg Т^ (1 + At0 ) 1 = с л; м"х -+гд=тм; О + ^о)"1 =Сц.
где числовые характеристики в правых частях системы: средние значения интервалов коэффициенты вариации меньшие единицы при будут входными пара метрами для определения неизвестных параметров.
В связи с этим мы имеем немарковскую модель массового обслуживания, где среднее время ожидания требования в очереди для системы M-/M-/1 будет меньше, чем в классической системе M/M/1 при одинаковом коэффициенте загрузки. Кроме того, использование функций плотности (1) и (2) позволяет аппроксимировать исходные входные распределения на уровне двух первых моментов, что обеспечивает лучшую точность, в отличие от классической системы M/M/1.
В качестве примера рассмотрим случай высокой нагрузки при параметрах:
и . В этом случае получим загрузку
, а из (4) значения и ,
.
Тогда среднее время ожидания по формуле (3) для системы M-/M-/1:
-
-_ 18/11/2 _ 18-11 _ 9 ,
~ 2-18/11 ” 4-22 ” 4
Система М/М/1 при той же нагрузке дает й=^1.9 то есть в четыре раза большую за держку.
Таким образом, рассмотренная СМО с запаздыванием позволяет рассчитать ее характеристики при коэффициентах вариации интервалов между поступлениями требований c2 и времени обслуживания cu меньших 1 при некоторых ограничениях на входные параметры системы, наложенных системой (4).
Решение для системы Н 2 /Н 2 /1: случай
C X — 1’ C n — 1
В работе [2] автором найдено преобразование Лапласа для функции плотности времени ожидания для системы Н2/Н2/1:
^ * (5) = ^ (^ + /Л ) (^ + P^ ) (5)
^^(s + ^J^ + ^J где 5i и .S'2 – отрицательные вещественные части корней кубического уравнения
53 -C^ -c,s-c0 =0. (6)
Коэффициенты этого уравнения:
c0 = aobv - алЬй - a0 ^v + /Л) + 60 (A + A) ’
C; = —a.b, — a0—b0 + (А + Я2 ) (//, + //2),
С 2 — ^^1 ' ^2 i^X Л^2
где параметры
-
<70 = 2j22 ; ax = pXx + (1 - р^Л2;
bo = H\M^bx= qpx + (1 - qV2 •
Величины p,XxA2, q, px, p2 являются параметрами гиперэкспоненциальных распределений второго порядка с функциями плотностей ct^A= pAxe л'* +(1 — 7?) Яэе x- ; (7)
b^t) = qpxe ^^ + (1 -^) Мге №' (8)
для системы Н2/Н2/1.
Среднее время ожидания в очереди равно значению производной от функции преобразования Лапласа (5) со знаком минус в точке 5 = 0 . В окончательном виде среднее время ожидания в очереди для СМО Н2/Н2/1 есть

5, S-, px p2
Выражение (5) на основе свойств преобразования Лапласа, позволяет также определить моменты высших порядков для времени ожидания. Напри- мер, начальный момент второго порядка времени ожидания равен значению второй производной от преобразования (5) в точке 5 = 0 и имеет вид:
^ = d^TAAl = 2. 2 2(51+52) ;;
(/52 ЦХЦ2 5,52 //1//251252 (10)
x[5i52(//i +//2)-//1jU2(51 +52)].
В свою очередь, начальный момент второго порядка позволяет определить дисперсию времени ожидания. Учитывая определение джиттера в телекоммуникациях как разброс времени ожидания от его среднего значения [4], получим возможность определить джиттер через дисперсию. Это является важным результатом для анализа трафика, чувствительного к задержкам.
Для практического применения результатов (9) и (10) необходимо определить входящие в них параметры, что будет сделано ниже.
Аппроксимация законов распределений на уровне двух первых моментов
Воспользуемся свойством преобразования Лапласа воспроизведения моментов и запишем начальные моменты до второго порядка для распределения (7):
- _; P , (1-7^) .
Лх 22
7.2p 2(l-p)
2 22 A
Рассматривая равенства (11) и (12) как уравнения метода моментов, найдем неизвестные параметры распределения (7) ^i, b2,p • Для этого запишем связующее условие в виде выражения для квадрата коэффициента вариации

Заметим, что система уравнений (11) и (12) с тремя неизвестными является недоопределенной. Исходя из вида (11), положим
A =^p^x^ ^2 = x\-pWx (14)
и потребуем выполнения условия (13). Подставив выражения (11)-(12) и (14) в (13), решим квадратное уравнение относительно параметра p и полу чим для него два значения:^ = -(1+1^-),
2 у c; +1
причем можно воспользоваться любым из них.
Аналогичным образом поступим с распределением (8). Таким образом, гиперэкспоненциальный закон распределения второго порядка будет полностью определяться двумя первыми моментами и перекрывать весь диапазон изменения коэффициента вариации от 1 до X.
Рассмотрим конкретный пример. Пусть коэффициент загрузки СМО р = тм!ч = 0,9, где А И т , средние значения интервалов между поступлениями и времени обслуживания. В случае нормированного обслуживания Р =^ =1. Тогда средний интервал между поступлениями ^ -Ю/9. Пусть коэффициенты вариаций случайных величин – интервалов между поступлениями и времени обслуживания сх = с, ^- Аппроксимация на уровне двух первых моментов дает: р « 0,887, Л, » 1,597, Я2 « 0,203, q~ 0,887, //,«1,775, //2« 0,225. Таким образом, неизвестные параметры распределений (7) и (8) однозначно определены. Далее воспользуемся результатом для системы Н2/Н2/1 (9), приведенным выше: коэффициенты кубического уравнения (6) в этом случае равны с0 «0,014; сх « 0,572; с2 = -0,20. Корни кубического уравнения (8) найдем с помощью пакета Mathcad: - 5, « -0,852, - s2 « -0,025 , s3 « 0,677 . Тогда среднее время ожидания, согласно (9), равно W «36,20.
Аппроксимация на уровне трех моментов
Учитывая, что распределение Н2 является трехпараметрическим, аппроксимацию можно выполнить и на уровне трех первых моментов, что позволит сравнить полученные результаты. Для этого запишем выражения для моментов третьего порядка, полученные через преобразование Лапласа:
з 6р б(1-рА
Т 3 — -3--'--3 – для интервалов входного
Хх Я2
потока,
“Г 6q , б(1-#) ~ _
Ъ =-т + ^1 – для времени обслужива-
//, р^
ния. В рассмотренный пример введем в качестве третьего момента коэффициент асимметрии и положим ^sx = ^А =4 (для пуассоновского потока параметр А =2). При тех же значениях входных параметров СМО начальные моменты второго и третьего порядков для обоих р а спределений , соответствен но , бу ду т равны 5 = 5 (10 / 9)2, ?{ = 45 (Ю/9)3, ^ = 5, ^ = 45 .
При таких исходных данных для определения неизвестных параметров входных распределений (3) и (4): (^ ^ Х^ •) р^ (//j > р^ 5 9) на основе метода моментов запишем две следующие системы уравнений:
JL + b£) = 1o/9;
Я, Я2
Зг+2(1-^) = 5 (10/9)2;
Х\ Л;(15)
^ + fc) = 45(10/9)\
Я, Я9
д + (1-^) = j.
“ =(16)
6ч . 6(1-^)
3 "Г з, lZ^i М2
решив которые, найдем указанные параметры. Решение системы (15) в пакете Mathcad после округления дает //«0,739; Я, «3,306; Я2 « 0,294; для системы (16) получаем q «0,739; рх -3,613; цг « 0,327. Определим коэффициенты многочлена (6): с0 « 0,130; q « 5,172 ; с2 « -0,40; после чего поиск его корней дает -5, «-2,471, -52 «-0,025, 53 «2,096. Таким образом, условия для спектрального разложения полностью выполнены: мы получили два действительных отрицательных и один положительный корни. Воспользуемся (10) и определим среднее время ожидания W «37,051. Относительная погрешность в сравнении с результатом аппроксимации на уровне двух моментов составляет 2,35%. При других значениях третьего момента эта погрешность может быть выше. Например, при тех же условиях, но при коэффициентах асимметрии Asx =AS^ =10 получим среднее время ожидания W «34,537. Относительная погрешность при этом составляет 4,8%. Этот факт свидетельствует о зависимости результата (9) от моментов третьего порядка.
Разницу между результатами аппроксимации функции плотности (7) на уровне двух и трех первых моментов легко можно проиллюстрировать на рис. 2, так как два подхода разные значения параметров функции (7) Р ? я,, Я2, что подтверждают приведенные приме ры.

Рис. 2. Графики функции плотности (7): 1 – аппроксимация закона распределения H2 на уровне двух моментов; 2 – на уровне трех моментов
Решение для системы Н2/М/1
В этом случае функция плотности времени обслуживания имеет вид: , а распределение интервалов поступления остается в виде (7). В работе [2] получено решение для времени ожидания:
W = 1/(7, -1/ ц.
где – корень многочлена с коэффициентами и . Решение для системы Н2/М/1 также существенно зависит от момента третьего порядка, эта зависимость продемонстрирована в [2].
Решение для системы М/Н 2 /1 и его сравнение с формулой Поллячека-Хинчина
В этом случае функция плотности распределения интервалов поступления имеет вид: aQ^ = Яе^ а распределение времени обслуживания остается в виде (8) [2]. Среднее время ожидания
^ _ -1 + -2 Ма + Аз 2 А2 2 Ц\Н1
где два действительных отрицательных корня многочлена с коэффициентами и есть
-Z. =АК1^-^ТХ^Йй>\
.
После преобразований выражения (18) получим что полностью совпадает с формулой Поллячека-Хинчина для системы М/G/1 [2]. Заметим, что в этом случае решение не зависит от третьего момента, а полностью зависит от первых двух моментов времени обслуживания.
Заключение
Полученные результаты приводят к следующим выводам.
-
1. В том случае, когда коэффициенты вариации интервалов поступления < 1 и времени обслуживания < 1, для анализа телетрафика можно использовать систему M/M/1 с запаздыванием.
-
2. В случае если коэффициенты вариации интервалов поступления больше 1 и времени обслуживания больше 1, можно использовать систему Н2/Н2/1.
-
3. В смешанном случае можно использовать комбинацию рассмотренных законов распределений, что позволит рассматривать СМО с коэффициентами вариаций входных распределений в широком диапазоне от .
-
4. Рабочие формулы для расчета задержки для первых двух случаев приведены в статье.
Список литературы Модели телетрафика на основе современной теории массового обслуживания
- Тарасов В.Н. Бахарева Н.Ф., Блатов И.А. Анализ и расчет системы массового обслуживания с запаздыванием//Автоматика и телемеханика. №11, 2015. -С.51-59.
- Тарасов В.Н. Исследование систем массового обслуживания с гиперэкспоненциальными входными распределениями//Проблемы передачи информации. №1, 2016. -С. 16-26.
- Тарасов В.Н., Карташевский И.В. Определение среднего времени ожидания требований в управляемой системе массового обслуживания Н2/Н2/1//Системы управления и информационные технологии. №3, 2014. -С. 92-96.
- RFC 3393 IP Packet Delay Variation Metric for IP Performance Metrics (IPPM)//URL: https://tools.ietf.org/html/rfc3393 (д. о. 26.02.2016).
- Тарасов В.Н., Бахарева Н.Ф., Горелов Г.А. Математическая модель трафика с тяжелохвостным распределением на основе системы массового обслуживания Н2/М/1//Инфокоммуникационные технологии. Т.12, №3, 2014. -С. 36-41.
- Тарасов В.Н., Бахарева Н.Ф., Горелов Г.А., Малахов С.В. Анализ входящего трафика на уровне трех моментов распределений временных интервалов//Информационные технологии. №9, 2014. -С. 54-59.
- Тарасов В.Н., Бахарева Н.Ф., Липилина Л.В. Математическая модель телетрафика на основе системы G/M/1 и результаты вычислительных экспериментов//Информационные технологии. №2, 2016. -С. 121-126.
- Тарасов В.Н., Горелов Г.А., Ушаков Ю.А. Восстановление моментных характеристик распределения интервалов между пакетами входящего трафика//Инфокоммуникационные технологии. Т.12, №2, 2014. -С. 40-44.
- Клейнрок Л. Теория массового обслуживания. Пер. с англ. М. Машиностроение, 1979. -432 с.
- Whitt W. Approximating a point process by a renewal process: two basic methods//Operation Research. V.30, No. 1, 1982. -P. 125-147. DOI: 10.1287/opre.30.1.125