Главная страница

Оценка характеристик многопотоковых моделей с фиксированным числ. Параметры загрузки ip 82. 145. 210. 147 17 мая 2022 г., 00 30 05 Автоматика и телемеханика, 5, 2001 Системы массового обслуживания


Скачать 302.89 Kb.
НазваниеПараметры загрузки ip 82. 145. 210. 147 17 мая 2022 г., 00 30 05 Автоматика и телемеханика, 5, 2001 Системы массового обслуживания
Дата18.10.2022
Размер302.89 Kb.
Формат файлаpdf
Имя файлаОценка характеристик многопотоковых моделей с фиксированным числ.pdf
ТипДокументы
#739820

Math-Net.Ru
Общероссийский математический портал
В. Б. Иверсен, С. Н. Степанов, Оценка характеристик многопотоковых моде- лей с фиксированным числом повторений, Автомат. и телемех., 2001, вы- пуск 5, 105–115
Использование Общероссийского математического портала Math-Net.Ru подразумевает, что вы прочитали и согласны с пользовательским соглашением http://www.mathnet.ru/rus/agreement
Параметры загрузки:
IP: 82.145.210.147 17 мая 2022 г., 00:30:05

Автоматика и телемеханика, № 5, 2001
Системы массового обслуживания
УДК 621.391:395
c

2001 г.
В. Б. ИВЕРСЕН, д-р техн. наук
(Датский технический университет),
С. Н. СТЕПАНОВ, д-р техн. наук
(Институт проблем передачи информации РАН)
ОЦЕНКА ХАРАКТЕРИСТИК МНОГОПОТОКОВЫХ МОДЕЛЕЙ
С ФИКСИРОВАННЫМ ЧИСЛОМ ПОВТОРЕНИЙ
1
Излагается алгоритм приближенной оценки показателей обслуживания мно- гопотоковой модели цифровой линии в случае перегрузки и в ситуации, ког- да заблокированное сообщение имеет право на ограниченное число повторных передач. Метод расчета основан на предположении о пуассоновском характе- ре поступления повторных вызовов, позволяющем свести процедуру оценки к соответствующей модели с потерями, для которой существует эффективный алгоритм вычисления характеристик, основанный на алгоритме свертки.
1. Введение
В сетях связи передача сообщения состоит из нескольких этапов. При переходе с одного этапа на другой сообщение может получить отказ из-за недостаточности ресурса или по каким-то другим причинам. В этой ситуации в протокол переда- чи обычно закладывается возможность ограниченного числа повторных попыток получить требуемое обслуживание. Если все они окончатся неудачно, сообщение считается потерянным и не возобновляется. В условиях перегрузки число таких по- вторных попыток может значительно увеличить входной поток нагрузки и серьезно ухудшить работу системы связи.
Теоретическое исследование соответствующей проблемы может быть выполнено в рамках класса моделей систем массового обслуживания с повторными вызовами
(см. обзоры соответствующих публикаций в [1–2]). Однако в проделанных иссле- дованиях практически отсутствуют результаты, которые можно использовать для анализа моделей с фиксированным числом попыток соединения. Это объясняет- ся сложным характером случайных процессов, описывающих функционирование соответствующих моделей. Количество попыток соединения, которое имеет право сделать абонент (или программное обеспечение, управляющее процессом передачи сообщения), приводит к появлению такого же количества компонент в случайном процессе, описывающем функционирование модели. Каждая компонента принима- ет бесконечное число значений, что делает нереальным получение численных и тем более аналитических решений.
Если в модели с повторными вызовами положить вероятность повторного вызова равной нулю, то мы получаем обычную модель массового обслуживания с потеря- ми. Будем называть соответствующую модель базовой. Часто базовая модель имеет аналитическое решение или обладает каким-либо свойством, облегчающим расчет характеристик, например мультипликативной формой представления вектора ста- ционарных вероятностей. В данной работе предлагается процедура приближенной
1
Работа поддержана грантами Российского фонда фундаментальных исследований № 99-01-
00386 и INTAS 96-0828.
105
оценки характеристик обслуживания модели полнодоступной системы с произволь- ным числом пуассоновских входных потоков нагрузки, ограниченным доступом и конечным числом попыток соединения, основанная на замене потоков повторных вызовов на пуассоновские с соответствующим образом подобранными интенсивно- стями. Реализация данного подхода отличается эффективностью особенно в услови- ях большой загрузки и сводится к использованию эффективных методик расчета,
развитых для базовой модели [3–4].
Материал распределен следующим образом. В разделе 2 приводится схема функ- ционирования модели. В следующем разделе обсуждаются эвристические предполо- жения, лежащие в основе метода и приводятся формулы для оценки неизвестных интенсивностей повторения и характеристик обслуживания. В разделе 4 рассмотре- ны численные примеры, иллюстрирующие эффективность использования метода. В
Приложении к работе приведено краткое описание алгоритма оценки характеристик базовой модели, основанного на алгоритме свертки и игнорировании в процессе его реализации несущественных состояний.
2. Схема функционирования модели
Рассмотрим цифровую линию, работающую со скоростью 𝑣, выраженной в ос- новных передаточных единицах. В качестве таковой может быть взята, например,
скорость 64 Кбит/с или, как принято в технологии АТМ, наибольший общий дели- тель числа единиц ресурса цифровой линии, используемого для передачи каждым сообщением. На цифровую линию поступает 𝑘 потоков нагрузки. Сообщение 𝑠-го потока требует для своей передачи одну единицу ресурса цифровой линии и удер- живает этот ресурс в течение времени, имеющего экспоненциальное распределение с параметром, равным единице. Заметим, что основные результаты, полученные в данной работе, аналогичным образом переносятся и на случай произвольного рас- пределения длительности передачи. Если сообщению 𝑠-го потока не хватает ресурса для его обслуживания или на передаче уже находятся 𝑛
𝑠
сообщений данного пото- ка, то оно получает отказ и не возобновляется. Последняя из упомянутых причин отказа может привести к потере поступившего вызова несмотря на наличие ресур- са, достаточного для его обслуживания. Значение 𝑛
𝑠
может иметь интерпретацию величины полосы передачи, выраженной в основных передаточных единицах, мак- симально доступной сообщениям 𝑠-го потока (скорость доступа).
Поток с номером 𝑠, 𝑠 = 1, . . . , 𝑘 представляет собой суперпозицию пуассонов- ского потока первичных вызовов интенсивности 𝜆
𝑠
и 𝑚 соответствующих потоков повторных вызовов, обусловленных одним, двумя, . . . , 𝑚 отказами в обслуживании.
Предположим, что после отказа с номером 𝑟, 𝑟 = 1, 2, . . . , 𝑚 сообщение повторя- ется с вероятностью единица через случайное время, имеющее экспоненциальное распределение с параметром 𝜇. После (𝑚 + 1)-го отказа сообщение теряется без воз- обновления (детали исследуемой схемы передачи показаны на рисунке).
Обозначим через 𝑗
𝑠,𝑟
(𝑡) число сообщений, составляющих 𝑠-й поток нагрузки, 𝑠 =
= 1, . . . , 𝑘, и находящихся в момент времени 𝑡 в состоянии 𝑟-й повторной попытки,
𝑟 = 1, . . . , 𝑚, а через 𝑖
𝑠
(𝑡) обозначим число передаточных единиц линии, занятых в момент времени 𝑡 сообщениями 𝑠-го потока, 𝑠 = 1, . . . , 𝑘. Функционирование модели описывается многомерным марковским процессом 𝜉(𝑡) с компонентами
𝜉(𝑡) =
(
𝑗
1,1
(𝑡), . . . , 𝑗
1,𝑚
(𝑡), . . . , 𝑗
𝑘,
1
(𝑡), . . . , 𝑗
𝑘,𝑚
(𝑡), 𝑖
1
(𝑡), . . . , 𝑖
𝑘
(𝑡)
)
Процесс 𝜉(𝑡) определен на пространстве состояний Ω, состоящем из векторов 𝜔 с компонентами
𝜔 =
(
𝑗
1,1
, . . . , 𝑗
1,𝑚
, . . . , 𝑗
𝑘,
1
, . . . , 𝑗
𝑘,𝑚
, 𝑖
1
, . . . , 𝑖
𝑘
)
,
106

107
удовлетворяющими свойствам
𝑗
𝑠,𝑟
= 0, 1, . . . ,
𝑠 = 1, . . . , 𝑘;
𝑟 = 1, . . . , 𝑚;
0 ≤ 𝑖
𝑠
≤ 𝑛
𝑠
,
𝑠 = 1, . . . , 𝑘;
𝑘

𝑠
=1
𝑖
𝑠
≤ 𝑣.
Переходы 𝜉(𝑡) из 𝜔 приводят либо к увеличению, либо к уменьшению компонент вектора 𝜔 на единицу. Чтобы упростить обозначения состояний, будем с помощью верхних индексов + или − показывать только те компоненты, которые соответствен- но увеличиваются или уменьшаются на единицу. Например,
(𝑖
+
𝑠
) = (. . . , 𝑖
1
, . . . , 𝑖
𝑠−
1
, 𝑖
𝑠
+ 1, 𝑖
𝑠
+1
, . . . , ),
(𝑗
+
𝑠,𝑟
, 𝑗

𝑠,𝑟
+1
) = (. . . , 𝑗
𝑠,𝑟−
1
, 𝑗
𝑠,𝑟
+ 1, 𝑗
𝑠,𝑟
+1
− 1, 𝑗
𝑠,𝑟
+2
, . . . , ).
В исследуемом случае стационарное распределение для 𝜉(𝑡) существует для всех ненулевых значений входных параметров модели. Обозначим стационарные вероят- ности 𝜉(𝑡) через 𝑃 (𝜔). Система уравнений равновесия, связывающая вероятности
𝑃 (𝜔), имеет вид
𝑘

𝑠
=1
(
𝜆
𝑠
+ (𝑗
𝑠,
1
+ ⋅ ⋅ ⋅ + 𝑗
𝑠,𝑚
)𝜇 + 𝑖
𝑠
)
𝑃 (𝜔) =
(1)
=
𝑘

𝑠
=1
𝜆
𝑠
𝑃 (𝑖

𝑠
)𝐼((𝑖

𝑠
) ∈ Ω) +
𝑘

𝑠
=1
𝜆
𝑠
𝑃 (𝑗

𝑠,
1
)𝐼((𝑗

𝑠,
1
) ∈ Ω, (𝑖
+
𝑠
) /
∈ Ω)+
+
𝑘

𝑠
=1
𝑚

𝑟
=1
(𝑗
𝑠,𝑟
+ 1)𝜇𝑃 (𝑗
+
𝑠,𝑟
, 𝑖

𝑠
)𝐼((𝑖

𝑠
) ∈ Ω)+
+
𝑘

𝑠
=1
𝑚−
1

𝑟
=1
(𝑗
𝑠,𝑟
+ 1)𝜇𝑃 (𝑗
+
𝑠,𝑟
, 𝑗

𝑠,𝑟
+1
)𝐼((𝑗

𝑠,𝑟
+1
) ∈ Ω, (𝑖
+
𝑠
) /
∈ Ω)+
+
𝑘

𝑠
=1
(𝑗
𝑠,𝑚
+ 1)𝜇𝑃 (𝑗
+
𝑠,𝑚
)𝐼((𝑖
+
𝑚
) /
∈ Ω) +
𝑘

𝑠
=1
(𝑖
𝑠
+ 1)𝑃 (𝑖
+
𝑠
)𝐼((𝑖
+
𝑠
) ∈ Ω).
Уравнение (1) справедливо для всех 𝜔 ∈ Ω. Здесь 𝐼(⋅) – индикаторная функция,
принимающая значение единица, если условие, сформулированное в скобках выпол- нено, и значение ноль в противоположном случае. Для значений 𝑃 (𝜔) выполнено нормирующее условие

𝜔∈
Ω
𝑃 (𝜔) = 1.
Поток нагрузки с номером 𝑠 характеризуется средним числом основных переда- точных единиц, занятых сообщениями соответствующего потока, 𝐼
𝑠
; средним числом сообщений, находящихся в состоянии 𝑟-й попытки повторения 𝐽
𝑠,𝑟
, 𝑟 = 1, 2, . . . , 𝑚;
средним числом сообщений, находящихся в состоянии 𝑟-й попытки повторения в ситуации блокировки для сообщений 𝑠-го потока 𝑊
𝑠,𝑟
, 𝑟 = 1, 2, . . . , 𝑚 и долей вре- мени нахождения модели в состоянии блокировки для сообщений 𝑠-го потока 𝜋
𝑠,𝑡
Введенные характеристики формально определяются из следующих соотношений
𝐼
𝑠
=

𝜔∈
Ω
𝑃 (𝜔)𝑖
𝑠
,
𝜋
𝑠,𝑡
=

𝜔∈𝐵
𝑠
𝑃 (𝜔),
(2)
𝐽
𝑠,𝑟
=

𝜔∈
Ω
𝑃 (𝜔)𝑗
𝑠,𝑟
,
𝑊
𝑠,𝑟
=

𝜔∈𝐵
𝑠
𝑃 (𝜔)𝑗
𝑠,𝑟
,
𝑟 = 1, 2, . . . , 𝑚,
108
где 𝑠 = 1, 2, . . . , 𝑘, а во множество 𝐵
𝑠
включаются состояния, удовлетворяющие свойствам {𝜔 ∈ 𝐵
𝑠
∣ 𝑖
𝑠
= 𝑛
𝑠
или 𝑖
1
+ ⋅ ⋅ ⋅ + 𝑖
𝑘
= 𝑣 }.
Назовем (2) основными стационарными характеристиками 𝑠-го потока нагрузки.
Другие характеристики могут быть выражены через основные с помощью простых соотношений. Например, доля потерянных сообщений 𝜋
𝑠,𝑐
, определяемая как отно- шение интенсивности всех потерянных сообщений к суммарной интенсивности их поступления, может быть найдена с помощью равенства
𝜋
𝑠,𝑐
=
𝜆
𝑠
𝜋
𝑠,𝑡
+ (𝑊
𝑠,
1
+ ⋅ ⋅ ⋅ + 𝑊
𝑠,𝑚
)𝜇
𝜆
𝑠
+ (𝐽
𝑠,
1
+ ⋅ ⋅ ⋅ + 𝐽
𝑠,𝑚
)𝜇
(3)
Основные характеристики 𝑠-го потока нагрузки 𝑠 = 1, . . . , 𝑘 связаны законами со- хранения, имеющими вид
𝜆
𝑠
+ (𝐽
𝑠,
1
+ ⋅ ⋅ ⋅ + 𝐽
𝑠,𝑚
)𝜇 = 𝜆
𝑠
𝜋
𝑠,𝑡
+ (𝑊
𝑠,
1
+ ⋅ ⋅ ⋅ + 𝑊
𝑠,𝑚
)𝜇 + 𝐼
𝑠
,
(4)
𝐽
𝑠,
1
𝜇 = 𝜆
𝑠
𝜋
𝑠,𝑡
,
𝐽
𝑠,
2
= 𝑊
𝑠,
1
, . . . , 𝐽
𝑠,𝑚
= 𝑊
𝑠,𝑚−
1
Для доказательства (4), достаточно умножить систему уравнений (1) последова- тельно на 𝑖
𝑠
, 𝑗
𝑠,
1
, . . . , 𝑗
𝑠,𝑚
и просуммировать полученные соотношения по всем 𝜔 ∈ Ω
(более детально вывод законов сохранения для моделей с повторными вызовами ис- следован в [1, 5]).
3. Приближенный метод
Понятно, что процесс поступления повторных вызовов зависит от предыстории функционирования модели. Повторное обращение к обслуживанию после отказа,
вызванного блокировкой, с б´ольшей вероятностью закончится неудачно, чем в пер- вичной попытке. Ясно, что данная зависимость убывает с увеличением интервала времени между повторными вызовами. В этой ситуации можно приближенно счи- тать поток повторных вызовов пуассоновским с некой неизвестной интенсивностью.
Соответствующий подход довольно часто используется при построении приближен- ных методов оценки характеристик моделей с повторными вызовами [1, 6]. Объясня- ется это тем, что здесь процедура расчета сводится к применению методов, развитых для базовой модели. В исследуемом случае для оценки показателей обслуживания нагрузки в базовой модели можно использовать эффективный алгоритм, основан- ный на использовании свертки [3, 4]. Поскольку в этой модели рассчитываемые характеристики не зависят от типа распределения времени передачи, то данный подход можно также использовать и для оценки соответствующей схемы передачи с повторными вызовами и произвольным распределением времени занятия переда- точного ресурса линии.
Построим упрощенную версию исследуемой модели предположив, что для 𝑠-го потока нагрузки поток повторных вызовов, обусловленных 𝑟 подряд отказами в об- служивании, будет пуассоновским с интенсивностью 𝑥
𝑠,𝑟
. Проблему определения 𝑥
𝑠,𝑟
обсудим несколько позднее. Все остальные предположения, сделанные при постро- ении анализируемой модели, остаются неизменными. Обозначим через Λ
𝑠
общую интенсивность 𝑠-го потока нагрузки. Значение Λ
𝑠
находится из соотношения
Λ
𝑠
= 𝜆
𝑠
+ 𝑥
𝑠,
1
+ ⋅ ⋅ ⋅ + 𝑥
𝑠,𝑚
, 𝑠 = 1, . . . , 𝑘.
(5)
Обозначим через 𝑖
𝑠
(𝑡) число передаточных единиц линии, занятых в момент вре- мени 𝑡 на обслуживание сообщений 𝑠-го потока. Вспомогательная модель описыва- ется марковским процессом 𝜉(𝑡) = (𝑖
1
(𝑡), 𝑖
2
(𝑡), . . . , 𝑖
𝑘
(𝑡)), определенным на простран- стве состояний 𝑆 со свойствами
(𝑖
1
, . . . , 𝑖
𝑘
) ∈ 𝑆,
0 ≤ 𝑖
𝑠
≤ 𝑛
𝑠
,
𝑠 = 1, . . . , 𝑘,
𝑘

𝑠
=1
𝑖
𝑠
≤ 𝑣.
109

Обозначим через 𝑃 (𝑖
1
, . . . , 𝑖
𝑘
) стационарные вероятности процесса 𝜉(𝑡). Значения
𝑃 (𝑖
1
, . . . , 𝑖
𝑘
) обладают свойством мультипликативности
𝑃 (𝑖
1
, . . . , 𝑖
𝑘
) = 𝑃 (0, . . . , 0)
Λ
𝑖
1 1
𝑖
1
!
Λ
𝑖
2 2
𝑖
2
!
Λ
𝑖
𝑘
𝑘
𝑖
𝑘
!
,
(𝑖
1
, . . . , 𝑖
𝑘
) ∈ 𝑆.
(6)
Во вспомогательной модели все входные потоки являются пуассоновскими. Это означает, что вероятности потерь по времени и по вызовам совпадают. Обозначим соответствующую характеристику для 𝑠-го потока нагрузки через 𝑃
𝑠
. Она будет оценкой как 𝜋
𝑠,𝑡
, так и 𝜋
𝑠,𝑐
. Для других характеристик вспомогательной модели,
используемых для оценки соответствующих показателей исходной модели, будем использовать те же символы, что были введены для исходной модели, только с ин- дексом 𝑎 вверху. Введем соответствующие характеристики:
𝑃
𝑠
=

(𝑖
1
,...,𝑖
𝑘
)∈𝐷
𝑠
𝑃 (𝑖
1
, . . . , 𝑖
𝑘
),
(7)
𝐼
𝑎
𝑠
=

(𝑖
1
,...,𝑖
𝑘
)∈𝑆
𝑃 (𝑖
1
, . . . , 𝑖
𝑘
)𝑖
𝑠
= (𝜆
𝑠
+ 𝑥
𝑠,
1
+ ⋅ ⋅ ⋅ + 𝑥
𝑠,𝑚
)(1 − 𝑃
𝑠
),
𝐽
𝑎
𝑠,
1
= 𝑥
𝑠,
1
/𝜇, . . . , 𝐽
𝑎
𝑠,𝑚
= 𝑥
𝑠,𝑚
/𝜇,
𝑊
𝑎
𝑠,
1
= 𝑥
𝑠,
1
𝑃
𝑠
/𝜇, . . . , 𝑊
𝑎
𝑠,𝑚
= 𝑥
𝑠,𝑚
𝑃
𝑠
/𝜇,
где 𝑠 = 1, . . . , 𝑘, а множество 𝐷
𝑠
состоит из состояний, имеющих свойства {(𝑖
1
, . . .
. . . , 𝑖
𝑘
) ∈ 𝐷
𝑠
∣ 𝑖
𝑠
= 𝑛
𝑠
или 𝑖
1
+ ⋅ ⋅ ⋅ + 𝑖
𝑘
= 𝑣 }.
Из приведенных формул можно заключить, что все представляющие интерес ха- рактеристики можно выразить через 𝑃
𝑠
. Значение 𝑃
𝑠
легко находится с помощью алгоритма свертки, дополненного процедурой игнорирования в процессе реализации состояний, имеющих пренебрежимо малую вероятность существования [4, 5]. Вели- чина 𝑃
𝑠
зависит от неизвестных интенсивностей повторных вызовов. Рассмотрим процедуру определения 𝑥
𝑠,
1
, . . . , 𝑥
𝑠,𝑚
, 𝑠 = 1, . . . , 𝑘.
Предположим, что законы сохранения (4) будут также выполняться и для вве- денных оценок 𝑃
𝑠
, 𝐼
𝑎
𝑠
, 𝐽
𝑎
𝑠,
1
, . . . , 𝐽
𝑎
𝑠,𝑚
, 𝑊
𝑎
𝑠,
1
,. . . , 𝑊
𝑎
𝑠,𝑚
, 𝑠 = 1, 2, . . . , 𝑘. Нетрудно прове- рить, что первое из соотношений (4) выполняется для любых значений 𝑥
𝑠,
1
, . . . , 𝑥
𝑠,𝑚
,
𝑠 = 1, . . . , 𝑘. Другие дают систему неявных уравнений для определения 𝑥
𝑠,
1
, . . . , 𝑥
𝑠,𝑚
,
𝑠 = 1, . . . , 𝑘:
𝜆
𝑠
+ 𝑥
𝑠,
1
+ ⋅ ⋅ ⋅ + 𝑥
𝑠,𝑚
= 𝜆
𝑠
(1 + 𝑃
𝑠
+ ⋅ ⋅ ⋅ + 𝑃
𝑚
𝑠
),
𝑠 = 1, 2, . . . , 𝑘.
(8)
Правая часть (8) зависит от Λ
𝑠
= 𝜆
𝑠
+ 𝑥
𝑠,
1
+ ⋅ ⋅ ⋅ + 𝑥
𝑠,𝑚
, 𝑠 = 1, . . . , 𝑘 через 𝑃
𝑠
. Чтобы обозначить соответствующую зависимость, определим вектор Λ = (Λ
1
, . . . , Λ
𝑘
) и перепишем (8) в виде
Λ
𝑠
= 𝜆
𝑠
(1 + 𝑃
𝑠
(Λ) + ⋅ ⋅ ⋅ + 𝑃
𝑚
𝑠
(Λ)) , 𝑠 = 1, 2, . . . , 𝑘.
(9)
Допустим, мы нашли значения Λ
𝑠
, 𝑠 = 1, 2, . . . , 𝑘, удовлетворяющие (9). Тогда соотношения (4) дают нам величины неизвестных интенсивностей повторения
𝑥
𝑠,
1
= 𝜆
𝑠
𝑃
𝑠
(Λ),
𝑥
𝑠,
2
= 𝜆
𝑠
𝑃
2
𝑠
(Λ), . . . , 𝑥
𝑠,𝑚
= 𝜆
𝑠
𝑃
𝑚
𝑠
(Λ),
𝑠 = 1, 2, . . . , 𝑘
и, следовательно, оценки (7).
Найдем решение (9). Значения Λ
𝑠
, 𝑠 = 1, 2, . . . , 𝑘 могут быть найдены очень просто, если воспользоваться рекурсивными формулами
Λ
(𝑓 )
𝑠
= 𝜆
𝑠
(
1 + 𝑃
𝑠
(
Λ
(𝑓 −1)
)
+ ⋅ ⋅ ⋅ + 𝑃
𝑚
𝑠
(
Λ
(𝑓 −1)
))
,
𝑠 = 1, 2, . . . , 𝑘,
110
где 𝑓 = 1, 2, . . . ,
Λ
(𝑓 )
=
(
Λ
(𝑓 )
1
, . . . , Λ
(𝑓 )
𝑘
)
с начальными значениями Λ
(0)
𝑠
= 𝜆
𝑠
, 𝑠 = 1, 2, . . . , 𝑘.
Из предыдущих рассуждений следует, что для определения Λ
𝑠
, 𝑠 = 1, 2, . . . , 𝑘, а следовательно, и оценок всех характеристик исследуемой модели с повторными вы- зовами достаточно рассчитать вероятности индивидуальных блокировок в базовой модели для некоторой последовательности Λ
(𝑓 )
, 𝑓 = 1, 2, . . . , значений интенсив- ностей входных потоков. В силу хорошей сходимости данная последовательность состоит из небольшого числа элементов, зависящего вообще говоря от значений входных параметров и точности расчетов. Проблему оценки индивидуальных по- терь для базовой модели нетрудно решить с помощью алгоритма свертки, допол- ненного процедурой игнорирования состояний с пренебрежимо малой вероятностью существования (см. Приложение).
4. Численные результаты
Точный расчет характеристик введенной модели требует очень много усилий и может быть выполнен только на основе решения системы уравнений равновесия (1)
методом последовательных приближений. Для его реализации необходимо ограни- чить число состояний в исследуемом марковском процессе. По этой причине ограни- чимся только численными результатами, полученными для однопотоковой модели с фиксированным числом повторных попыток соединения. В последующих выражени- ях опустим нижний индекс 𝑠, поскольку у нас имеется только один поток нагрузки.
Входные параметры принимают значения: 𝑣 = 10, 𝜇 = 1, 𝜆 = 8, 10; 𝑚 = 1, 2, 3, 4, 5.
В таблице приведены точные значения вероятности потерь по времени 𝜋
𝑡
, опре- деленной соотношением (2), и по вызовам 𝜋
𝑐
, определенной соотношением (3), и их оценка 𝑃 , определенная равенством (7) и найденная с использованием вспомогатель- ной модели. Столбец 𝐸
𝑣
(𝜆) показывает значение вероятности, найденное на основе формулы Эрланга. Из содержания таблицы можно сделать вывод о хорошей точно- сти приближенной оценки, особенно в случае перегрузки. В таблице эта ситуация соответствует случаю 𝜆 = 10. С увеличением нагрузки возрастает точность оценки вероятности потерь по времени. С уменьшением нагрузки более точно оценивается вероятность потерь по времени.
5. Заключение
Рассмотрен алгоритм приближенной оценки показателей передачи многопото- ковой модели цифровой линии в случае перегрузки и в ситуации, когда абонент имеет право на ограниченное число повторных вызовов. Метод расчета основан на
Сравнение точной и приближенной оценки значений потерь для однопотоковой модели с ограниченным числом повторных попыток
𝑚
𝜆
= 8
𝜆
= 10
𝜋
𝑡
𝜋
𝑐
𝑃
𝐸
𝑣
(𝜆)
𝜋
𝑡
𝜋
𝑐
𝑃
𝐸
𝑣
(𝜆)
1 0,1854 0,2088 0,1937 0,1217 0,3422 0,3670 0,3650 0,2146 2
0,2229 0,2614 0,2228 0,1217 0,4293 0,4650 0,4612 0,2146 3
0,2448 0,2937 0,2326 0,1217 0,4921 0,5329 0,5290 0,2146 4
0,2579 0,3140 0,2353 0,1217 0,5399 0,5831 0,5798 0,2146 5
0,2658 0,3269 0,2360 0,1217 0,5777 0,6220 0,6195 0,2146 111
предположении о пуассоновском характере поступления повторных вызовов. Дан- ное условие позволяет свести процедуру оценки характеристик модели с повторными вызовами к соответствующей модели с потерями, для которой существует эффек- тивный алгоритм вычисления характеристик, основанный на применении алгоритма свертки, дополненного процедурой игнорирования состояний с пренебрежимо малой вероятностью существования.
П Р И Л О Ж Е Н И Е
Базовая модель, используемая при построении модели с повторными вызовами,
имеет мультипликативную форму представления вектора стационарных вероятно- стей. Основной вычислительной проблемой при определении характеристик соответ- ствующего класса моделей является вычисление нормировочной константы. Среди имеющихся алгоритмов, направленных на решение соответствующей задачи, наибо- лее удачным можно назвать метод, основанный на использовании свертки. Помимо легкости реализации к достоинствам данного подхода следует отнести возможность игнорировать в процессе счета состояния с пренебрежимо малой вероятностью су- ществования. Приведем основные шаги данного подхода.
Основная версия алгоритма свертки. Сверткой двух векторов 𝑥 = (𝑥(0), 𝑥(1), . . .
. . . , 𝑥(𝑎
𝑥
)) и 𝑦 = (𝑦(0), 𝑦(1), . . . , 𝑦(𝑎
𝑦
)) назовем вектор 𝑧 с компонентами
𝑧(𝑖) =
𝑢
(𝑖)

𝑗
=ℓ(𝑖)
𝑥(𝑖 − 𝑗)𝑦(𝑗),
𝑖 = 0, 1, . . . , 𝑎
𝑧
,
где функции 𝑢(𝑖), ℓ(𝑖) определены соотношениями
𝑢(𝑖) =
{
𝑖,
0 ≤ 𝑖 < 𝑎
𝑦
,
𝑎
𝑦
, 𝑎
𝑦
≤ 𝑖 ≤ 𝑎
𝑧
,
ℓ(𝑖) =
{
0,
0 ≤ 𝑖 < 𝑎
𝑥
,
𝑖 − 𝑎
𝑥
, 𝑎
𝑥
≤ 𝑖 ≤ 𝑎
𝑧
Наличие свойства мультипликативности позволяет найти оценки характеристик передачи всех потоков выполнив следующую схему действий.
1. Находятся компоненты 𝑃
𝑠
(𝑖
𝑠
), 𝑖
𝑠
= 0, 1, . . . , 𝑛
𝑠
вектора 𝑃
𝑠
ненормированных значений стационарных вероятностей числа передаточных единиц линии, занятых сообщениями 𝑠-го потока в ситуации, когда на передачу предлагаются только сооб- щения 𝑠-го потока. Данные расчеты делаются для всех 𝑘 потоков, совместно пере- дающихся по линии.
2. В произвольном порядке (в последующих выражениях в порядке нумерации входных потоков) выполняется свертка всех 𝑘 индивидуальных распределений 𝑃
𝑠
Обозначим через 𝑃
(𝑟)
результат свертки первых 𝑟 векторов 𝑃
𝑠
3. При выполнении последней свертки после нормировки находятся вероятности
𝑃 (𝑖) пребывания модели в состоянии с 𝑖 занятыми передаточными единицами
𝑃 (𝑖) =
𝑢
(𝑖)

𝑗
=𝑙(𝑖)
𝑃
(𝑘−1)
(𝑖 − 𝑗)𝑃
𝑘
(𝑗),
𝑖 = 0, 1, . . . , 𝑛
и индивидуальные характеристики передачи 𝑘-го потока.
𝑃
𝑘
= 𝑃 (𝑣) + 𝑃
𝑘
(𝑛
𝑘
)
𝑣−
1

𝑖
=𝑛
𝑘
𝑃
(𝑘−1)
(𝑖 − 𝑛
𝑘
),
𝐼
𝑘
=
𝑣

𝑖
=1
𝑢
(𝑖)

𝑗
=ℓ(𝑖)
𝑃
(𝑘−1)
(𝑖 − 𝑗)𝑃
𝑘
(𝑗)𝑗.
112

Характеристики всех потоков находятся после выполнения введенной схемы свер- ток с каждым из потоков, поставленным последним в используемой последователь- ности. Понятно, что расчет всех характеристик потребует 𝑘(𝑘 − 1) сверток. Эффек- тивность данного подхода можно повысить как за счет уменьшения числа сверток,
которые необходимо выполнить для оценки показателей обслуживания всех пото- ков, так и в результате уменьшения числа операций при проведении одной свертки,
достигаемого в результате игнорирования в процессе счета несущественных состоя- ний.
Выполнение процедуры свертки с запоминанием промежуточных результа- тов. Представим 𝑘 в двоичной форме
𝑘 = 2

1
+ 2

2
+ ⋅ ⋅ ⋅ + 2

𝑛
(10)
и поставим в соответствие каждому из 𝑛 слагаемых 2

𝑟
, 𝑟 = 1, . . . , 𝑛 в (10) двоичное дерево, состоящее из (ℓ
𝑟
+ 1) уровней, где нулевой уровень содержит 2

𝑟
концевых вершин, а на уровне ℓ
𝑟
находится корневая вершина. Условимся в дальнейшем на- зывать вершины, находящиеся на одном уровне, например 𝑎-м, и связанные с общей вершиной на (𝑎 + 1)-м уровне, братьями. Общая вершина по отношению к ним будет отцом, а они по отношению к нему – сыновьями. Предположим, что все двоич- ные деревья, построенные в соответствии с представлением (10), занумерованы в порядке убывания двоичных групп, а уровни с одним и тем же номером располо- жены на одной линии. Приведем описание алгоритма оценки показателей передачи всех потоков, реализация которого потребует выполнения всего 4𝑘 − 6 операций свертки. Последовательность совершаемых действий выглядит следующим образом
(тривальный случай 𝑛 = 1, ℓ
𝑛
= 0 не рассматривается).
Ш а г 1.
Занумеруем вершины каждого уровня слева направо.
Ш а г 2.
Последовательно, начиная с первого уровня, поставим в соответствие каждой вершине вектор, являющийся результатом свертки векторов, поставленных в соответствие его сыновьям.
Ш а г 3.
Поставим в соответствие корневой вершине двоичного дерева с номером
𝑟, 𝑟 = 1, . . . , 𝑛 свертку векторов, поставленных в соответствие корневым вершинам двоичных деревьев с номерами 𝑓 = 1, . . . , 𝑛, 𝑓 ∕= 𝑟.
Ш а г 4.
Для двоичного дерева 𝑟, 𝑟 = 1, . . . , 𝑛 поставим в соответствие каждой вершине уровня 𝑗 последовательно для 𝑗 = ℓ
𝑟
− 1, ℓ
𝑟
− 2, . . . , 0 вектор, являющийся результатом свертки вектора, поставленного в соответствие данной вершине, и век- тора, поставленного в соответствие его отцу, если 𝑗 = ℓ
𝑟
− 1, или брату отца, если
𝑗 < ℓ
𝑟
− 1. Данный шаг выполняется при ℓ
𝑟
> 0.
Ш а г 5.
На данном шаге определяются показатели передачи всех потоков. Для этого производится свертка вектора, поставленного в соответствие концевой вер- шине, с вектором, поставленным на первом шаге алгоритма в соответствие брату рассматриваемой вершины, или ей самой, если анализируемая двоичная группа со- стоит из одного элемента.
Нетрудно проверить, что общее число операций свертки при реализации данного алгоритма равно 4𝑘 − 6, т.е. меньше чем четыре свертки на один входной поток.
Выполнение процедуры свертки с удалением несущественных состояний. Пред- положим, что нам априори известны границы урезанного пространства состояний,
где сосредоточена основная вероятностная масса, используемая при оценке харак- теристик модели. Из качественных соображений о ее функционировании можно предположить, что в пространство существенных состояний 𝑅 входят состояния
113

(𝑖
1
, . . . , 𝑖
𝑘
), удовлетворяющие неравенствам
𝑏

𝑠
≤ 𝑖
𝑠
≤ 𝑏
𝑢
𝑠
,
𝑠 = 1, 2, . . . , 𝑘,
(11)
𝑏

(𝑗) ≤
𝑗

𝑚
=1
𝑖
𝑚
≤ 𝑏
𝑢
(𝑗),
𝑗 = 2, 3, . . . , 𝑘.
Здесь 𝑏

𝑠
, 𝑏
𝑢
𝑠
, 𝑏

(𝑗), 𝑏
𝑢
(𝑗) – некоторые целые числа, зависящие от точности расчета характеристик передачи.
Учет особенностей 𝑅 требует изменить алгоритм свертки. Выразим ненормиро- ванные значения индивидуальных распределений вероятностей через вероятность состояния, имеющего максимальную величину. Обозначим для 𝑠-го потока это со- стояние через 𝑖

𝑠
. Ясно, что 𝑖

𝑠
= min([𝜆
𝑠
], 𝑛
𝑠
), где квадратные скобки означают целую часть числа. Далее положим 𝑃
𝑠
(𝑖

𝑠
) = 1 и выразим через 𝑃
𝑠
(𝑖

𝑠
) оставшиеся вероят- ности индивидуального распределения. Данная процедура выполняется по двум или одному (это зависит от соотношения между 𝜆
𝑠
и 𝑛
𝑠
) направлениям убывания зна- чений 𝑃
𝑠
(𝑖
𝑠
) с использованием формул
𝑃
𝑠
(𝑖) =
(𝑖 − 1)𝑃
𝑠
(𝑖 − 1)
𝜆
𝑠
,
𝑖 = 𝑖

𝑠
+ 1, 𝑖

𝑠
+ 2, . . . , 𝑏
𝑢
𝑠
,
𝑃
𝑠
(𝑖) =
𝜆
𝑠
𝑃
𝑠
(𝑖 + 1)
𝑖
,
𝑖 = 𝑖

𝑠
− 1, 𝑖

𝑠
− 2, . . . , 𝑏

𝑠
Здесь 𝑏
𝑢
𝑠
, 𝑏

𝑠
– соответственно верхний и нижний уровни урезания индивидуального распределения 𝑠-го потока. Подобные расчеты делаются для всех 𝑘 потоков. Полу- ченные распределения нормируются.
Сверткой двух урезанных векторов
𝑥 =
(𝑥(𝑡

𝑥
), 𝑥(𝑡

𝑥
+ 1), . . . , 𝑥(𝑡
𝑢
𝑥
)
) ,
𝑦 =
(𝑦(𝑡

𝑦
), 𝑦(𝑡

𝑦
+ 1), . . . , 𝑦(𝑡
𝑢
𝑦
)
)
будет вектор 𝑧 с компонентами
𝑧(𝑖) =
𝑢
(𝑖)

𝑗
=ℓ(𝑖)
𝑥(𝑖 − 𝑗)𝑦(𝑗),
𝑖 = 𝑡

𝑧
, 𝑡

𝑧
+ 1, . . . , 𝑡
𝑢
𝑧
,
где 𝑢(𝑖), ℓ(𝑖) определены из соотношений
𝑢(𝑖) =



𝑖 − 𝑡

𝑥
, 𝑡

𝑧
≤ 𝑖 < 𝑡

𝑥
+ 𝑡
𝑢
𝑦
𝑡
𝑢
𝑦
,
𝑡

𝑥
+ 𝑡
𝑢
𝑦
≤ 𝑖 ≤ 𝑡
𝑢
𝑧
,
ℓ(𝑖) =



𝑡

𝑦
,
𝑡

𝑧
≤ 𝑖 < 𝑡
𝑢
𝑥
+ 𝑡

𝑦
𝑖 − 𝑡
𝑢
𝑥
, 𝑡
𝑢
𝑥
+ 𝑡

𝑦
≤ 𝑖 ≤ 𝑡
𝑢
𝑧
Последовательность выполнения сверток остается прежней. При оценке харак- теристик всех потоков необходимо иметь в виду наличие верхних и нижних уровней урезания для 𝑘 индивидуальных распределений и для 4𝑘 − 6 векторов, полученных в результате свертки отдельных групп индивидуальных распределений, в соответ- ствии с шагами 1–5 введенного алгоритма свертки. Для обоснованной реализации соответствующей идеи необходимо разработать средства, позволяющие априори на- ходить границы урезанного пространства состояний, обеспечивающего вычисление характеристик с заданной точностью, и знать формулы для оценки погрешности,
вносимой в значение рассчитываемой характеристики удалением части состояний.
Соответствующие результаты для исследуемой модели получены в [4].
114

СПИСОК ЛИТЕРАТУРЫ
1. Степанов С.Н. Численные методы расчета систем с повторными вызовами М.: Наука,
1983.
2. Falin G.I., Templeton J.G.C. Retrial Queues. Chapman & Hall, 1997.
3. Iversen V.B. The exact evaluation of multi-service loss system with access control //
Teleteknik. 1987. No. 2. P. 56–81.
4. Iversen V.B., Stepanov S.N. Numerical aspects of evaluating of individual blocking proba- bilities for product form queueing models of circuit switched telecommunication systems //
Proc. 15th Int. Teletraffic Congress. Washington, 1997. P. 1327–1336.
5. Степанов С.Н. Интегральные соотношения равновесия для неполнодоступной системы с потерями и их применение // Пробл. передачи информ. 1980. Т. 16. Вып. 4. С. 88–93.
6. Степанов С.Н. Алгоритмы приближенного расчета систем с повторными вызовами //
АиТ. 1983. № 1. С. 80–90.
Статья представлена к публикации членом редколлегии В. В. Рыковым.
Поступила в редакцию 1.08.2000 115


написать администратору сайта