Файл: Компьютерное моделирование.docx

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 09.01.2024

Просмотров: 60

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Министерство науки и высшего образования РФ

Федеральное государственное бюджетное образовательное

учреждение высшего образования

«Уфимский университет науки и технологий»
Факультет информатики и робототехники
Кафедра вычислительной математики и кибернетики

Расчетно-графическая работа

«Имитация СМО с одним устройством»

по дисциплине

«Компьютерное моделирование»
Выполнил:

студент группы ПРО-328

Ямалтдинова А. А.

Проверила:

Валеева А. Ф.

Уфа 2023

Оглавление


Постановка задачи 2

Пояснения к модели 2

Оценки модели 3

Описание модели 4

Анализ модели 9

Верификация имитационной модели 10

Вывод 10

1. Написать имитационный алгоритм и программу.

2. Выполнить верификацию имитационной программы.

3. Провести анализ очереди из клиентов в течение интервала времени [0, T].

Во всех моделях СМО предполагается, что клиенты прибывают согласно неоднородному Пуассоновскому процессу с ограниченной функцией интенсивности .

Постановка задачи


Имеется парикмахерская с одним устройством, куда пребывают клиенты. График с 8 до 20, в среднем в час поступает 3 клиента.

Допущения:

  • Клиенты пребывают в систему, имеющую одно устройство и одну очередь.

  • Когда клиенты поступают в систему, если устройство занято, то они образуют очередь, иначе поступают на устройство.

  • Когда обслуживание клиента заканчивается, он покидает систему и клиент, который дольше всех находится в очереди, начинает обслуживаться.

Пояснения к модели


  • Устройство обслуживания – робот-парикмахер

  • Требование – клиенты

  • Единица времени – час

  • Интенсивность – 3 человека в час

  • Функция интенсивности –

  • Время работы T – 12 часов (с 8 до 20)

Обеденный перерыв отсутствует, есть вероятность переработки (последний клиент уйдет после закрытия магазина).

Оценки модели


  • Оценка ожидаемой средней задержки клиентов в очереди:


, — время задержки клиента iв очереди, - число клиентов, которые прибыли в период времени

  • Оценку ожидаемого среднего числа клиентов в очереди:

- число клиентов в системе в период времени .



  • Оценка занятости устройства – ожидаемый коэффициент использования устройства (время, когда устройство занято/период моделированияT), где функция занятости В(t):






  • Среднее время, в течение которого клиент проводит в системе, вычисляется как:

,

где - это количество времени, в течение которого клиент проводит в системе; - общее число клиентов, которые пришли до времени .

  • (оценки для математических ожиданий , имитация проводится раз, - достаточно велико).


Описание модели


Вспомогательные функции

  • Функция интенсивности
    Входные данные:
    t – время в системе.
    Выходные данные:
    Значение функции интенсивности в момент времени t.
    Функция интенсивности:


  • Функция генерации неоднородного пуассоновского процесса
    Входные данные:
    sвремя в системе
    L – интенсивность появления событий
    Выходные данные:
    t – время следующего события в системе
    Алгоритм (poisson(t, lambd)):


  1. Присвоить t = s

  2. Генерируем случайную переменную U1 = Uniform[0, 1]

  3. Присвоить t =

  4. Генерируем случайную переменную U2 = Uniform[0, 1], независимую от U1.

  5. Если , то:

    1. Ts = t

    2. Конец алгоритма

  6. Иначе повторить с шага 2.

  • Функция генерации случайной величины
    Входные данные:
    L – интенсивность появления событий
    Выходные данные:
    Y – значение показателей случайной величины
    Алгоритм (exponentional(lambd)):

  1. Генерируем случайное число U = Uniform[0, 1]

  2. Возвращаем величину Y =

Реализация алгоритма. Процедуры работы СМО.

Переменная времени:

Количественные переменные:

- число прибывших клиентов к моменту времени

- число уходов клиентов к моменту времени

Переменная состояния:

- число клиентов в системе к моменту времени

События: пребывания и уходы клиентов.

Список событий:

- время следующего прибытия клиента (после );

- время завершения работы устройства после обслуживания клиента

( если никакой клиент в данный момент не обслужен).

Случайные переменные:

— время поступления клиента ;


— время между поступлениями клиентов i - 1 и (t0= 0);

— время, потраченное устройством на обслуживание клиентаi

(без учета времени задержки клиента в очереди);

— время задержки клиента iв очереди;

— время ухода клиента iпо завершении

обслуживания;

— время возникновения события j любого типа.

Выходные переменные:

- время прибытия клиента

- время ухода клиента

- время после , когда последний клиент уходит

- количество времени, в течение которого клиент проводит в системе

- оценка среднего времени после , когда уходит последний клиент

- оценка среднего времени, в течение которого клиент проводит в системе

,

- наблюдаемое значение (время после , когда ушел последний клиент)

- число клиентов в системе в период времени

Amount – количество клиентов за смену


Tp – время задержки закрытия

– среднее время клиентов в очереди

– среднее время клиента в системе

1-Work/T – коэффициент занятости устройства

– средняя длина очереди

События:

  • прибытие клиента

  • уход клиента

  • клиент ушел – но очередь не пуста

  • клиент ушел – и время работы закончилось

Общая схема алгоритма имитации СМО с одним устройством:

Пусть - случайная переменная – время обслуживания устройства с распределением .

Инициализация переменных

Присвоить

Присвоить

Генерировать и присвоить =

Изменения системы будут происходить в зависимости от того, какое событие будет следующим – прибытие или уход клиента, при этом рассматриваются различные случаи.

Случай 1 прибытие клиента(tA tD, tA T)

Алгоритм:

  1. Присвоить t = tA (движение вдоль оси времени ко времени tA)

  2. Присвоить NA = NA+1 (подсчитано более одного прибытия к моменту времени tA)

  3. Присвоить n = n+1 (в настоящее время имеется более одного клиента)

  4. Запустить функцию генерации неоднородного пуассоновского процесса (poisson(t, lambd)) и присвоить полученное значение tA (время следующего прибытия клиента)

  5. Если n = 1, генерировать случайную переменную Y(exponentional(lambd)) имеющую показательное распределение и присвоить tD= t+ Y(exponentional(lambd))

  6. Запомнить выходные данные A(NA) = t (время прибытия клиента NA)