Файл: В.В. Зиновьев Моделирование дискретно-стохастических систем сиспользованием таблицы модели.pdf

1

1. ЦЕЛЬ РАБОТЫ

Цель работы – изучить метод моделирования дискретностохастических систем на основе математического аппарата систем массового обслуживания и таблицы модели.

В ходе выполнения лабораторной работы студент должен научиться отображать вычислительную сеть в виде системы массового обслуживания, генерировать входные величины модели по заданному закону распределения и формировать таблицу модели по типу табл. 1.1 при помощи программы табличных вычислений Microsoft Excel (предполагается, что студент знаком с основами работы c Microsoft Excel`97

или Microsoft Excel`2000).

В табл. 1.1 хij (j = 1, 2, .., р) – входные сигналы, yi – отклик для каждого из повторов i = 1, 2 ,…, n.

Таблица модели является систематическим методом для отслеживания состояния системы в течение времени. Суть табличного моделирования – получить таблицу модели, которая разрабатывается для каждой конкретной задачи путём добавления соответствующих для поставленной задачи колонок.

2

2. ТЕОРЕТИЧЕСКИЕ ПОЛОЖЕНИЯ

2.1. Дискретно-стохастические модели

Дискретно-стохастические модели рассмотрим на примере использования в качестве типовых математических схем систем массового обслуживания (СМО) (англ. queueing system). В качестве процесса обслуживания могут быть представлены различные по своей физической природе процессы функционирования информационных, производственных, технических, экономических и многих других систем. Например, заявки на обработку информации сервером с удаленных рабочих мест, потоки поставок продукции некоторому предприятию, потоки деталей и комплектующих изделий на сборочном конвейере цеха и др. При этом характерным для работы таких объектов является случайное появление заявок на обслуживание и завершение обслуживания в случайные моменты времени, то есть стохастический характер процесса их функционирования.

Система массового обслуживания (СМО) описывается потоком заявок, механизмом обслуживания, вместимостью системы и дисциплиной обслуживания. Эти атрибуты СМО более подробно описаны в [1, 2].

Пример простой СМО изображен на рис. 2.1.

Рис. 2.1. Система массового обслуживания

В этой одноканальной однофазной СМО поток заявок бесконечен, то есть если вышедшая заявка становится в очередь на обслуживание, это не влияет на появление следующих заявок, требующих обслуживания. Попадание заявок в прибор обслуживания происходит в случайные моменты времени. Время обслуживания – случайная величина, распределенная в соответствии с каким-либо законом, который с течением времени не меняется. Вместимость системы не ограничена – это значит, что в очереди может находиться сколь угодно много заявок. Заявки об-

4

В момент поступления заявки прибор обслуживания может быть свободен либо занят и, соответственно, либо сразу приступит к обслуживанию, либо заявка попадает в очередь. После завершения обслуживания прибор либо освобождается, либо переходит к обслуживанию следующей заявки. Если очередь есть, следующая по очереди заявка попадает в прибор обслуживания и занимает его. Если же очереди нет, после завершения обслуживания прибор обслуживания будет свободен. После завершения обслуживания и в случае отсутствия очереди прибор не может быть занят. Точно так же он не может быть свободным после завершения обслуживания, если в очереди заявки ещё есть.

При моделировании реальных систем при помощи СМО, как правило, определяются следующие параметры:

1. Среднее время ожидания заявки в очереди перед прибором:

tож = Tож , nож

где Tож – общее время ожидания всех заявок в очереди; nож – количество заявок, которые ожидали в очереди.

2. Вероятность ожидания заявки в очереди:

pож = nNож ,

где N – общее количество заявок.

3. Вероятность простоя прибора обслуживания:

pпр = TTпр ,

где Tпр – общее время простоя прибора; T – общее модельное время.

4. Среднее время обслуживания заявки прибором, которое теоретически находится по формуле

где tо1, to2, ..., ton – возможные значения случайной величины времени обслуживания заявки прибором; p1, p2, ..., pn – соответствующие им вероятности.

Упрощенно это значение можно найти по формуле

tо = TNо ,

5

где Tо – общее время обслуживания заявок прибором.

5. Среднее значение интервала времени между появлениями зая-

вок i теоретически может быть найдено по известным формулам математического ожидания [4]. Так, для равномерного распределения

=a +b

i2 ,

где a и b – соответственно начало и конец интервала, на котором распределена случайная величина.

Упрощенно среднее значение интервала времени между появлениями заявок можно определить по формуле

i = N I−1 ,

где I – общее время между появлениями заявок (единица вычитается из знаменателя, потому что время появления первой заявки принимается равным 0).

В п. 4 и п. 5 теоретические значения среднего времени обслуживания и среднее значение интервала времени между появлениями заявок могут отличаться от значений, рассчитанных по упрощенным формулам. При увеличении времени моделирования (при увеличении количества обслуженных заявок) это расхождение будет уменьшаться.

6. Среднее время нахождения заявки в системе можно определить двумя способами.

Первый способ – по формуле

t з = Tз , N

где Tз – общее время нахождения заявок в системе. Второй способ – по формуле

tз =tоч +tо ,

где tоч – среднее время нахождения заявки в очереди; tо – среднее

время обслуживания.

Для получения статистической значимости результатов моделирования необходимо проводить множество реализаций, меняя последовательности псевдослучайных чисел, а затем по выборке определять требуемые параметры. Точность результатов будет увеличиваться при увеличении количества реализаций [4]. Также при моделировании необхо-

6

димо учитывать начальные условия [1, 3]. Но цель выполняемой лабораторной работы – изучить методологию моделирования простых дис- кретно-стохастических систем при помощи таблицы модели, а не в том, чтобы давать достоверную оценку результатов и выносить рекомендации, какие изменения нужно проводить в системе.

2.2. Моделирование случайных событий

При моделировании события обычно возникают во времени с определенной вероятностью, эта вероятность имитирует случайность событий в реальной системе. Например, нельзя сказать с уверенностью, когда появится сбой при передаче данных по каналу связи или когда произойдет переполнение буферных регистров, хранящих пакеты данных. В этих случаях статистическая модель будет формироваться из данных, собранных и подвергнутых анализу, либо субъективных вероятностей и уравнений.

Случайность событий моделируется с помощью «вероятностей» [4]. Случайные числа могут быть сгенерированы, например, при помощи программы табличных вычислений типа Microsoft Excel.

Для моделирования дискретно-стохастической системы необходимо поставить искусственный эксперимент, отражающий основные условия ситуации. Для этого необходимо использовать способ имитации искусственной последовательности появления заявок и времени их обслуживания прибором.

Один из способов, который можно применить, состоит в использовании встроенного в программу табличных вычислений Microsoft Excel Пакета анализа, который позволяет генерировать случайные числа с различными распределениями. Такие множества случайных чисел используются в методе Монте-Карло и других методах моделирования. Через меню Microsoft Excel напрямую доступны 6 типов распределений: Равномерное (Uniform), Нормальное (Normal), Бернулли

(Bernouli), Биномиальное (Binomial), Пуассона (Poisson) и Дискретное

(Discrete) (определяемое пользователем).

Запустите Microsoft Excel. В меню «Сервис» выберите команду «Анализ данных», затем в списке «Инструменты анализа (Analysis Tools)» окна диалога «Анализ данных» укажите пункт «Генерация случайных чисел» и нажмите кнопку «ОК». Microsoft Excel откроет окно диалога, подобное показанному на рис. 2.4.

7

Рис. 2.4. Окно диалога «Генерация случайных чисел» при задании дискретного распределения

Вполях «Число переменных (Number Of Variables)» и «Число случайных чисел (Number Of Random Numbers)» укажите нужное количество столбцов и случайных чисел, которое вы хотите получить в каждом столбце. Например, если нужно создать 2 столбца по 20 чисел в каждом, задайте 2 в поле «Число переменных» и 20 в поле «Число случайных чисел».

Область «Параметры (Parameters)» окна диалога «Генерация случайных чисел (Random Number Generation)» изменяется в зависимости от выбранного типа распределения.

Вполе «Случайное рассеивание (Random Seed)» вы можете также задать производящее значение, которое определяет получаемую последовательность случайных (псевдослучайных) чисел. В этом случае при каждой генерации случайных чисел определенного типа распределения

ипри использовании одного и того же производящего значения вы будете получать каждый раз одинаковую последовательность чисел. Учитывая это, производящее значение следует задавать в том случае, если вам необходимо несколько раз воспроизвести одну и ту же последовательность случайных чисел.

8

Для всех типов распределения в поле «Выходной интервал (Output Range)» задается диапазон размещения случайных чисел. Если указанный диапазон уже содержит данные, то прежде чем на место этих данных будут записаны случайные числа, на экране появится предупреждение.

3. ЗАДАНИЕ К РАБОТЕ

Локальная вычислительная сеть (ЛВС) состоит из сервера и 3-х рабочих станций. Интервалы поступления заявок (ti) на сервер и их вероятности (pi) представлены в табл. 3.1. Время обработки заявок (T), поступающих от станций, распределено нормально с математическим ожиданием (µ) и стандартным отклонением (σ), приведенными в табл. 3.2.

Таблица 3.1 Распределение интервалов поступления заявок в секундах

(по вариантам)

В а р и а н т

Таблица 3.2 Распределение времени обработки заявок в секундах

(по вариантам)

В а р и а н т

При выполнении задания данной лабораторной работы необходимо отобразить функционирование ЛВС в виде СМО, а затем сформировать таблицу модели при помощи программы табличных вычислений Microsoft Excel, которая позволит определить при обработке сервером

20заявок следующие характеристики:

-среднее время ожидания заявки в очереди перед сервером;