Сравнение подходов к определению среднего времени ожидания в системе массового обслуживания вида Н2/Н2/1

Автор: Карташевский Игорь Вячеславович, Малахов Сергей Валерьевич, Мезенцева Екатерина Михайловна

Журнал: Инфокоммуникационные технологии @ikt-psuti

Рубрика: Технологии телекоммуникаций

Статья в выпуске: 1 т.17, 2019 года.

Бесплатный доступ

В статье рассматривается два различных подхода к определению среднего времени задержки требования в очереди для систем массового обслуживания, где время поступления и обслуживания требований имеют гиперэкспоненциальное распределение второго порядка. Первый подход подразумевает решение интегрального уравнения Линдли спектральным методом и сводится к тому, чтобы найти выражение для спектрального разложения в виде произведения двух множителей, которое давало бы рациональную функцию. Второй подход основан на предположении эргодичности последовательности интервалов времени ожидания заявки в очереди с учетом рациональной формы преобразования Лапласа от экспоненты Ключевым моментом этого подхода является использование характеристической функции, определяемой преобразованием Лапласа для плотности вероятностей суммы рассматриваемых случайных величин. Для вычисления среднего времени задержки в очереди определяются параметры гиперэкспоненциальных распределений на основе проведения аппроксимации случайных величин, определяющих время поступления и обслуживания, на уровне трех моментных характеристик.

Еще

Система массового обслуживания н2/н2/1, среднее время ожидания в очереди, метод спектрального разложения, интегральное уравнение линдли, преобразование лапласа-стильтеса, аппроксимация на уровне трех моментов, queuing system н2/н2/1

Короткий адрес: https://sciup.org/140255707

IDR: 140255707   |   УДК: 621.391.1:   |   DOI: 10.18469/ikt.2019.17.1.05

Comparison of different approaches for estimating the average waiting time in the queue for queuing system Н2/Н2/1

The article discusses two different approaches for estimating the average waiting time of a request in a queue for queuing systems with second order hyperexponential distribution of interarrival and service time. The first approach involves solving the Lindley integral equation using the spectral method and reduces to finding an expression for the spectral decomposition as a composition of two multipliers that would give a rational function of an argument. The second approach is based on the assumption of ergodicity of the initial sequence of waiting time for a request in a queue considering the rational form of the Laplace transform from the exponent. The key point of this approach is the usage of the characteristic function defined by the Laplace transform for the probability density function of the sum of the random variables. To calculate the average delay time in the queue, the parameters of hyperexponential distributions are determined with the approximation of random variables defining the interarrival and service time at the level of three moment characteristics. This approach is designed to improve the adequacy and reliability of queuing models. In addition, only for the input distributions of the queuing system described by the hyperexponential distribution of the second order we can get an analytical solution for average waiting time.

Еще

Текст научной статьи Сравнение подходов к определению среднего времени ожидания в системе массового обслуживания вида Н2/Н2/1

Для анализа и модели^ования т^афика сов-^еменных компьюте^ных сетей и сетей телекоммуникаций ши^око используется класс суб- экспоненциальных ^асп^еделений, куда входят, в частности, ^асп^еделения Вейбулла, гамма, логно^мальное и гипе^экспоненциальное, имеющие коэффициенты ва^иации большие едини- цы и относящиеся к ^асп^еделениям с «тяжелым хвостом».

На ^исунке 1 п^иведены ф^агменты хвостов функций плотности этих ^асп^еделений, а для с^авнения п^иведено классическое экспоненциальное ^асп^еделение. Слева от классического экспоненциального ^асп^еделения п^иведен хвост сдвинутого экспоненциального ^асп^еде-ления с коэффициентом ва^иации cr =0,5 (так называемый «легкий хвост»). Для всех п^иве-денных ^асп^еделений с^едние значения ^авны тт =0,25, а диспе^сии для ^асп^еделений с «тяжелым хвостом» ^авны DT =0,25, что дает коэффициент ва^иации инте^вала в^емени сг=2,0 (далее оба ключевых те^мина упот^ебляются без кавычек).

Из тео^ии массового обслуживания известно, что с^еднее в^емя ожидания т^ебований в системе п^и ^асп^еделениях с тяжелым хвостом намного больше, чем у классической системы M/M/1. В настоящее в^емя не существует аналитических методов для точного оп^еделения ха^акте^истик СМО G/G/1 или G/G/m, и, как следствие, это от^ажается на степени адекватности стохастических сетевых моделей ^еальным компьюте^ным сетям и на качестве п^инимае-мых п^оектных ^ешений. Вместе с тем анализ ха^акте^истик любого сетевого уст^ойства можно п^овести именно на основе модели системы массового обслуживания типа G/G/1, п^едпола-гая, что выполняются условия независимости ин-те^валов в^емени между заявками и инте^валов обслуживания в последовательности заявок [9].

Рисунок 1. Ф^агменты хвостов функций плотности из класса экспоненциальных ^асп^еделений

Уп^ощения анализа можно достичь, апп^ок-сими^уя ^асп^еделения с тяжелыми хвостами, входящие в систему G/G/1, гипе^экспоненциаль-ными ^асп^еделениями, п^едставляющими собой ^асп^еделение смеси пуассоновских потоков

  • [8 ]. П^и этом система G/G/1 заменяется системой HK/HL/1, где HK оп^еделяет плотность ве^оят-ности случайных инте^валов в^емени между заявками в виде [10]

wi w=Z x^" ’ Z p*=1 •

/=ii=i

Аналогично, для плотности инте^валов в^е-мени обслуживания заявок можно записать

W2 W = Z Ч-Р^ ^ ’ Z ^ =1 •(2)

j = 17 = 1

Для с^авнения, гипе^экспоненциальное ^ас-п^еделение вто^ого по^ядка Н2 (см. ^исунок 1) из класса субэкспоненциальных ^асп^еделений соде^жит т^и неизвестных па^амет^а, в то в^емя как остальные ^асп^еделения с тяжелым хвостом (Вейбулла, гамма, логно^мальное) соде^жат по два неизвестных па^амет^а. Это позволяет апп^окси-ми^овать п^оизвольные входные ^асп^еделения с тяжелым хвостом на у^овне т^ех моментов.

Такой подход п^изван повысить адекватность и достове^ность моделей массового обслуживания. К^оме того, только для входных ^асп^еделе-ний системы массового обслуживания, описываемых гипе^экспоненциальным ^асп^еделением 2-го по^ядка Н2, можно получить ^ешение для с^еднего в^емени ожидания аналитически [5]. Рассмот^им методы оп^еделения с^еднего в^е-мени ожидания в оче^еди для системы Н2/Н2/1.

Подход на основе решения уравнения Линдли спектральным методом

Исходя из (1), в системе Н2/Н2/1 инте^валы между соседними т^ебованиями входного потока ^асп^еделены по закону a^ = p\e-A'' + (1 — p^X^e”^1.      (3)

Аналогично из (2) в^емя обслуживания

6(f) = qp^^'1 + (1 - q^p^^'- .      (4)

Основные ха^акте^истики системы G/G/1, как следует из [1], описываются известными из тео^ии случайных п^оцессов интег^альными у^авнениями типа Вине^а-Хопфа. Одно из этих у^авнений в [1] выведено в фо^ме интег^ального у^авнения Линдли:

W

J W ^y-u^dC^uy

0, v>0;

v<0,

где W (v) – функция ^асп^еделения ве^оят-ностей (ФРВ) в^емени ожидания т^ебования в оче^еди, C(w) – ФРВ п^едельной случайной величины U = lim Un = xn -tn+x, где в свою оче-^едь X^ – в^емя обслуживания n -го т^ебования ^n ’ ^1 + 1 – инте^вал в^емени между поступлением т^ебованийС„иС„+1.

Пе^вый подход под^азумевает ^еше-ние у^авнения Линдли спект^альным методом и сводится к тому, чтобы для вы^ажения Л*(-5)-5*(«)-1 найти п^едставление в виде п^оизведения двух множителей, кото^ое давало бы ^ациональную функцию от s [1]. То есть для нахождения ^асп^еделения в^емени ожидания необходимо следующее спект^альное ^азложение

^ядков д л я обоих ^ асп^едел е ний со о тветственно будут: r; = 20 , r3 = 320 , r3 = 5 , г3 = 40 . Как известно, для пуассоновского потока па^амет^ы c2 = 1, As = 2 .

П^и таких исходных данных, для оп^еделения неизвестных па^амет^ов входного ^асп^еделе-ний (3) и (4): A ’ A ’ P’ Bx i Bit Q получим следующие системы у^авнений:

L+Wk = 2;

в , 2(l-p)

A2 A2

= 20;

6p 6(1-72)

A3 A3

= 320,

/ X . МЛ (A

^*(-s)-S*(5)-l = -^^

q 1 C1-^) ^!.

Bx Bi

где 4*(-s) И B*^ – п^еоб^азования Лапласа плотности ^асп^еделения инте^валов в^еме-ни поступления и обслуживания соответственно, V+(s) и ^_(s) – некото^ые ^ациональные функции от s, кото^ые можно ^азложить на множители. В [2] показано, что с^еднее в^емя ожидания в оче^еди может быть оп^еделено как

lq 2(l-g)

Z^i2 в!

6q , 6(1-9) Bx Bi

= 40,

w-A+L_l

S] ^ Bx

Bi ’

где -Sx И—S2 от^ицательные ко^ни кубического у^авнения s3 — c^s1 — c,s — c0 = 0, где ^/^[А^-^ + А/?]--AAMi-^O+z^J, ci =-[M + (1-,р)А]х x[w +kv-qViVB\Mi -л^+и +A)(a +b2);

c2 A ~*~ A B\ Bi •

Далее ^ассмот^им п^име^ [6-7]. Пусть коэффициент заг^узки СМО P = UT,= °A,где r2 и r^ – с^едние значения инте^валов между поступлениями и в^емени обслуживания. Рассмот^им для удобства случай но^ми^ованного обслуживания т,=в"х=^. Тогда с^едний инте^вал между поступлениями т2 = 2 .

Пусть коэффициенты ва^иаций инте^валов между поступлениями и в^емени обслуживания c2 = c„ = 2, коэффициенты асиммет^ий Asz = ^sti = 5 . П^и этих значениях входных па^а-мет^ов СМО начальные моменты 2-го и 3-го по-

^ешив кото^ые, найдем эти па^амет^ы.

Решение системы (6) дает следующие ^езуль-таты: 72 = 0,651, Д =4,813, 2, =0,187, а системы (7) - 9 = 0,651, Bx -9,626, Bi -0,374. Тогда коэффициенты кубического у^авнения будут ^авны: c0 =3,240; cx =25,020; c2 =-5,0.

Решение кубического у^авнения 53 -C252 -cxs-ctt = 0 тем же методом дает следующие ко^ни: ^«-8,056, s7 «-0,126, s3 =3,182, и соответственно, с^еднее в^емя ожидания (5) ^авно IF = 5,261 ед. в^емени.

Подход на основе использования характеристической функции

Вто^ой подход основан на п^едположении э^годичности последовательности инте^валов в^емени ожидания заявки в оче^еди с учетом ^а-циональной фо^мы п^еоб^азования Лапласа от экспоненты [3]. В частности, для плотности вида (1) п^еоб^азование Лапласа имеет вид

^x(s)= je wx(x)dx = ^ ' ' .      (8)

0                /=1 A + 5

Ключевым моментом этого подхода является использование ха^акте^истической функции, оп^еделяемой п^еоб^азованием Лапласа для

Расп^еделение суммы двух случайных величин в п^едположении их независимости оп^еде-ляется све^ткой ^асп^еделений слагаемых. Тогда в п^едположении э^годичности последовательности Un поведение ее плотности ве^оятностей может быть описано вы^ажением g.»(A) = 5(x) + ±^(х), и ^co , где дельта-функция ха^акте^изует значение плотности п^и £ = 0,а Гц^Х-) – k-ме^ная све^тка плотностей ве^оятности величин U„ . Тепе^ь ха-^акте^истическая функция y(s) последовательности независимых величин Un на основе свойства независимости слагаемых п^и вычислении ха^акте^истической функции суммы слагаемых оп^еделится в виде где О, -ЕДе ' V С учетом фо^мул (8), (1) и (2) для 9 ~ Ke ' ) можно записать.

Последний ^езультат п^инципиально уп^оща-ет факто^изацию ха^акте^истической функции Y^, что объясняется наличием только вещественных ко^ней у полиномов числителя и знаменателя y^ •

Для системы H2/H2/l оп^еделение необходимых ко^ней т^ебует ^ешения кубического у^авнения, кото^ое задается следующим об^азом [3]:

5+5 [(o, + u^ )M — (b, + b, )A — A + В] — r                                ~                    , (9)

-s [AM + BA] - ////, A + YYB = 0, где A - 2, + ^2 „ M — ^ + ^2, A — O,^ ^2 + $2 A 5 6=6^2 +62Д1/ а коэффициенты оп^еделяются как a _= ypq , HiPk^-qY

Y + ц^ A "*" A-1

a _= Px^-p)q , мЛ^-рХ^-дУ

Я2 +          Л2 + ^2

ь = Урд , УУ-р)д .

Л| + /7| Л2 + Ц^

b^ = W-g^ + М\-рХ\-д^

С^еднее в^емя ожидания оп^еделяется как

-^_A^£[A^tilzAi)±A^^

(а(",4'))2

где 4'4 А – от^ицательные ко^ни кубического у^авнения (9).

Если подставить полученные ^анее значения /2*0,651, А-А813, А =0,187, 9*0,651, цх *9,626, //2 *0,374 в (9), то получим кубическое у^авнение

53 +552 -27,57s-3,24 = 0, ко^нями у^авнения будут являться zA =-8,28; zA =-0,12; z^’ =3,40; подставив кото^ые в вы^ажение для с^еднего в^еме-н и ожидания, получим с^еднее в^емя ожидания IF *5,68.

Заключение

Выше ^ассмот^ены два ^азличных подхода к оп^еделению с^еднего в^емени ожидания в системе массового обслуживания Н 2 2 /1. Пе^вый подход, основанный на спект^альном методе ^ешения интег^ального у^ав н ения Линдли, дал с^еднее в^емя ожидания IF *5,261. Вто^ой подход, основанный на п^едположении э^годичности последовательности инте^валов в^емени ожидания заявки в оче^еди и учитывающий ^ациональную фо^му п^еоб^а з ования Лапласа от экспоненты, дал ^езультат IF *5,68. С^авнивая два полученных значения, можно заметить их хо^ошее совпадение (^азница составляет п^име^но 7%).

Недостатком пе^вого подхода является то, что аналитическое ^ешение, основанное на вычислении моментов, легко получается только п^и использовании апп^оксимации ^еальной системы G/G/1 системой Н 2 2 /1, что связано с ^ешением систем у^авнений (6) и (7) лишь для т^ех моментов используемых ^асп^еделений. П^и использовании апп^оксимации Hpr /HL /1, что могло бы потенциально повысить точность ^асчетов с^ед-него в^емени ожидания, пот^ебуется вычисление большего числа моментов (соответственно по^ядка K +1 и L +1), что существенно усложнит задачу ^ешения систем у^авнений типа (6) и (7).

П^и вто^ом подходе пе^еход к апп^оксимации HK/HL/! п^иведет только к повышению по^яд-ка линейного у^авнения типа (9), что, однако, не снимает п^облемы вычисления па^амет^ов ап-п^оксими^ующих гипе^экспоненциальных ^ас-п^еделений. Возможный ва^иант вычисления этих па^амет^ов ^ассмот^ен в [4]. К^оме того, п^и вто^ом подходе можно относительно п^осто показать, что ^асп^еделение искомого в^емени ожидания заявки в оче^еди также удовлетво^яет гипе^экспоненциальному ^асп^еделению.

Список литературы Сравнение подходов к определению среднего времени ожидания в системе массового обслуживания вида Н2/Н2/1

  • Клейнрок Л. Теория массового обслуживания. Пер. с англ. М.: Машиностроение. 1979. - С. 80-86.
  • Тарасов В.Н., Карташевский И.В. Определение среднего времени ожидания требований в управляемой системе массового обслуживания Н2/Н2/1 // Системы управления и информационные технологии. - 2014. - Т. 57. - № 3. - С. 92-96.
  • Карташевский И.В. Модель трафика для программно-конфигурируемых радиосетей // Радиотехника. - 2016. - № 6. - С. 124-129.
  • Keilson J., Machihara F. Hyperexponential waiting time structure in hyperexponential system // Journal of the Operation Society of Japan. - 1985. - Vol. 28. - No. 3. - P. 242-250. DOI: 10.15807/jorsj.28.242
  • Тарасов В.Н. Исследование систем массового обслуживания с гиперэкспоненциальными входными распределениями // Проблемы передачи информации. - 2016. - №1. - С. 16-26.
  • Тарасов В.Н., Бахарева Н.Ф., Горелов Г.А., Малахов С.В. Анализ входящего трафика на уровне трех моментов распределений временных интервалов // Информационные технологии. - 2014. - №9. - С. 54-59.
  • Тарасов В.Н., Карташевский И.В. Способы аппроксимации входных распределений для системы G/G/1 и анализ полученных результатов // Системы управления и информационные технологии. - 2015. - № 3. - С. 182-185.
  • Feldmann A, Whitt W. Fitting mixtures of exponentials to long-tail distributions to analyze network performance models // Performance Evoluation 31. - 1998. - P. 245-279. DOI: 10.1016/S0166-5316(97)00003-5
  • Jagerman D.L., Balcioglu B., Altiok T., Melamed B. Mean Waiting Time Approximations in the G/G/1 Queue // Queueing Systems. - 2004. - No.46. - P. 481-506. DOI: 10.1023/B:QUES.0000027996.28824.89
  • Карташевский И.В., Сапрыкин А.В. Обработка коррелированного трафика в узле сети типа G/G/1 // Радиотехника. - 2017. - №10. - С. 119-125.
Еще