РАЗРАБОТКА, РЕАЛИЗАЦИЯ И ИССЛЕДОВАНИЕ УПРОЩЕННЫХ МОДЕЛЕЙ
Аналитические модели (АМ) – это математические модели, рассчитываемые аналитически, формульно и позволяющие для заданных значений параметров системы непосредственно получать, рассчитывать значения характеристик системы. Исходная ССМ может быть неоднородной (обслуживает потоки заявок нескольких типов), не экспоненциальной (законы поступления и обслуживания заявок могут быть не экспоненциальными), может содержать неразрешенные в сетях МО ресурсы (например, память, узлы захвата и освобождения памяти, узлы выбора маршрутов в зависимости от состояний узлов и в соответствии с заданными условиями и т.п.). Соответственно задача состоит в том, чтобы получить указанную сеть МО из исходной ССМ путем внесения в нее упрощений. Для этого: 1. Преобразуем исходную ССМ в сеть МО разомкнутого типа. 2. Заменим многоканальные узлы одноканальными. 3. Преобразуем сеть МО в однородную сеть. 4. Преобразуем сеть МО в экспоненциальную сеть. 5. Рассчитаем характеристики. Построенная ранее ССМ (рисунки 2.1, 2.2) или GPSS-ССМ (рисунок 3.1) является разомкнутой, неоднородной (обслуживает два типа потоков заявок), не экспоненциальной и к тому же содержит такие неразрешенные в сетях МО ресурсы как память, узлы типа захвата и освобождения памяти, узел выбора маршрута в зависимости от состояния памяти. Из исходной ССМ убираем: - узел b7 и связанные с ним альтернативные пути (маршруты) и соответствующие приемники b(1)9 и b(2)9, оставляя тем самым только основные маршруты с известными вероятностями их прохождения; - убираем узел памяти b5 и b6 соответственно связанные с ним узлы b5,1 , b6,2. Полученный результат представлен на рисунке 4.1, только для одного из потоков, поскольку маршруты перемещения заявок оказываются одинаковыми для 1-го и 2-го потоков.
Рисунок 4.1- Сеть МО (для 1-го потока)
Для этого для каждого многоканального узла j с канальностью (Kj) и для каждого потока i (который обслуживается в этом узле) пересчитаем исходные трудоемкости запросов (средние значения длительности обслуживания в канале t (i)j ) и получим новые значения t*(i)j по формуле:
t *(i)j = t (i)j / Kj .
Здесь многоканальным является узел b1 (c K1 = 4) и b3 (c K3 = 2). Через этот узел проходят заявки 1-го и 2-го типов . Заменим его эквивалентным одноканальным узлом b*1 (c K1 = 1). Тогда для первого потока
t *(1)1 = t (1)1 / K1 = 296 / 4 = 74
Для второго потока
t *(2)1 = t (2)1 / K1 = 296 / 4 = 74 . Заменим все потоки заявок одним потоком с усредненными параметрами. Для рассматриваемой модели:
j =1 или 2; Q = {1, 2}; λ0 (1) = 0,004; t0 (2)=240; p(1) = 0,5; p(2)=0,5; t*(1)1 = 74; t*(2)1 = 74; t*(1)2 =36; t*(2)2 = 36; t (1)3 =52; t (2)3 = 52 m*t = 240.
При этом эквивалентное среднее значение длительности обслуживания для первого узла b*1
t*1 = p(1) * t*(1)1 + p(2) * t*(2)1 = 74. Для узла b*2 t*2 = p(1) * t *(1)2 + p(2) * t *(2)2 = 36. Для узла b3 t3 = p(1) * t (1)3 + p(2) * t (2)3 = 52.
Для рассматриваемой сети МО получим следующие значения параметров: 1. Для закона поступления заявок усредненного потока параметр экспоненциального распределения mt = m*t = 240 , скорость их поступления λ = 0,004. 2. Для закона распределения длительности обслуживания заявок в устройстве b1 параметр экспоненциального распределения (средняя длительность обслуживания в канале узла) mt = t*1 = 74. 3. Для закона распределения длительности обслуживания заявок в устройстве b2 параметр экспоненциального распределения (средняя длительность обслуживания в канале узла) mt = t*2 = 36. 4. Для закона распределения длительности обслуживания заявок в устройстве b3 параметр экспоненциального распределения (средняя длительность обслуживания в канале узла) mt = t*3 = 52. В результате проведенных упрощений получена модель в виде разомкнутой, однородной, линейной, экспоненциальной сети МО с одноканальными устройствами. Представим внешнюю среду одним узлом b0 (вместо b0 и b4) и в качестве источника и в качестве приемника. Запросы приходят из внешней среды и возвращаются в нее. Тогда сеть состоит из n = 5 узлов, где N = 3 устройств. Состав узлов сети - b0, b1, b2, b3, b5. Опишем матрицу вероятностей переходов P, при этом будем учитывать все узлы, кроме маршрутных (таблица 4.1)
Таблица 4.1- Матрицу вероятностей переходов
Структура сети МО с указанием исходных параметров (интенсивностей потоков и параметров устройств) представлена на рисунке 4.2. Рисунок 4.2- АМ (сеть МО)
В таблице 4.2 представлены параметры узлов сети МО.
Таблица 4.2- Параметры узлов сети МО
Параметры потока заявок приведены в таблице 4.3. Таблица 4.3- Параметры потока заявок сети МО
Состав искомых характеристик представлен ниже. Это узловые характеристики: - для узла b1 - l1, m1, ρ1, ω1, u1; - для узла b2 – l2, m2, ρ2, ω2, u2. - для узла b3 – l3, m3, ρ3, ω3, u3; Системные характеристики:
L = l1 + l2+ l3; M = m1 + m2+ m3; U = α1* u1+ α2* u2+ α3* u3; W = α1* ω1+ α2* ω2+ α3* ω3 . 1. Опишем возможные состояния сети. Здесь это вектор , где Mi – число заявок в узле bi. Вектор , где M1 – число заявок в узле b1 (любое), M2 – число заявок в узле b2 (любое), M3 – число заявок в узле b3 (любое). 2. Вычислим неизвестные интенсивности потоков λi на входах в устройства. Для этого построим и решим систему из N линейных уравнений, используя свойство линейности, выражаемое для каждого из устройств i = 1, 2, …, N как
.
Здесь N = 3 и искомые величины: λ1, λ3 и λ4. Система уравнений выглядит как
λ1 = λ0 * p0,1 + λ1 * p1,1 + λ2 * p2,1+ λ3 * p3,1 ; λ2 = λ0 * p0,4 + λ1 * p1,4 + λ2 * p2,4+ λ3 * p3,4 . λ3 = λ0 * p0,3 + λ1 * p1,3 + λ2 * p2,3+ λ3 * p3,3 ;
А после подстановки значений pi,j из матрицы P
λ1 = λ0 * 0 + λ1 * 0 + λ2 * 1+ λ3 * 0 ; λ2 = λ0 * 0 + λ1 * 0 + λ2 * 0.5+ λ3 * 0.5 ; λ3 = λ0 * 1 + λ1 * 0 + λ2 * 0+ λ3 * 0 .
Соответственно
λ1 = 0,004; λ2 = 0,008; λ3 = 0,004. 3. Рассчитываем коэффициенты передач (среднее число посещений заявкой каждого устройства) αk = λk / λ0 .
α1 = λ1 / λ0 = 1; α2 = λ2 / λ0 = 2; α3 = λ3 / λ0 = 1.
4. Рассчитываем коэффициенты загрузок устройств ρk = λk * tk.
ρ1 = λ1 * t1 = 0,296; ρ2 = λ2 * t2 = 0,288; ρ3 = λ3 * t3 = 0,208.
Так как коэффициенты загрузок меньше 1, то сеть работает в стационарном режиме и можно продолжать расчеты. 5. Рассчитываем узловые характеристики по формулам:
li = ρi2 / ( 1 - ρi ) , mi = ρi / ( 1 - ρi ) , ωi = li / λi , ui = mi / λi .
Для узла b1 получаем
l1 = 0,124; m1 = 0,42; ω1 = 31; u1 = 105; для узла b2 получаем l2 = 0,116; m2 = 0,404; ω2 = 14,5; u2 = 50,5; для узла b3 получаем l3 = 0,055; m3 = 0,263; ω3 = 13,75; u3 = 65,75. Полученные результаты сведем в таблицу 4.4.
Таблица 4.4- Значения характеристик сети МО
Реализуем имитационный метод расчета полученной АМ в системе GPSS World.
Рисунок 4.3- GPSS-модель сети МО Построим GPSS-модель по соответствующей ССМ, ориентированной на язык GPSS. Текст GPSS модели приведен ниже.
Листинг 4.1- Текст GPSS модели
GENERATE (Exponential(1,0,240)) queue U_system queue w_b_1 queue u_b_1 SEIZE b_1 depart w_b_1 ADVANCE (Exponential(2,0,74)) RELEASE b_1 depart u_b_1 queue u_sum_b_2
Label_1 queue w_b_2 queue u_b_2 SEIZE b_2 depart w_b_2 ADVANCE (Exponential(3,0,36)) RELEASE b_2 depart u_b_2 TRANSFER .5,,Label_1 depart u_sum_b_2 queue u_b_3 queue w_b_3 SEIZE b_3 depart w_b_3 ADVANCE (Exponential(4,0,52)) RELEASE b_3 depart u_b_3 depart U_system TERMINATE 1 start 100000 Листинг 4.2- Статистический отчет выполнения GPSS-модели
FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY B_1 100002 0.308 74.159 1 0 0 0 0 0 B_2 200116 0.300 36.068 1 100002 0 0 0 0 B_3 100001 0.217 52.102 1 100001 0 0 0 0
QUEUE MAX CONT. ENTRY ENTRY(0) AVE.CONT. AVE.TIME AVE.(-0) RETRY U_SYSTEM 11 2 100002 0 1.149 276.367 276.367 0 W_B_1 8 0 100002 69323 0.135 32.565 106.148 0 U_B_1 9 0 100002 0 0.444 106.723 106.723 0 U_SUM_B_2 9 1 100002 0 0.428 102.970 102.970 0 W_B_2 9 0 200116 140362 0.128 15.388 51.534 0 U_B_2 9 1 200116 0 0.428 51.456 51.456 0 U_B_3 8 1 100001 0 0.277 66.674 66.674 0 W_B_3 7 1 100001 78392 0.061 14.572 67.437 0
Ниже в таблице 4.5 представлены результаты аналитического и имитационного (с разной длительностью – 10000, 50000, 100000 заявок) моделирования и вычислена погрешность. При этом за эталон взяты характеристики АМ. Таблица 4.5- Результаты аналитического и имитационного моделирования сети МО
Выводы. Из полученных данных видно, что расхождения в значениях характеристик вполне приемлемы и имеют тенденцию к уменьшению с ростом длительности имитационного моделирования.
Популярное: Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной... Почему стероиды повышают давление?: Основных причин три... Как распознать напряжение: Говоря о мышечном напряжении, мы в первую очередь имеем в виду мускулы, прикрепленные к костям ... Организация как механизм и форма жизни коллектива: Организация не сможет достичь поставленных целей без соответствующей внутренней... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (166)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |