排队论模型及其应用排队论模型及其应用 排队系统的符号表述 描述符号:① / ② / ③ / ④ / ⑤ / ⑥ 各符号的意义: ①——表示顾客相继到达间隔时间分布,常用下列符号: M ——表示到达的过程为泊松过程或负指数分布; D ——表示定长输入; EK ——表示 K 阶爱尔朗分布; G ——表示一般相互独立的随机分布。 ②——表示服务时间分布,所用符号与表示顾客到达间隔时间分布相同。 ③——表示服务台 ( 员 ) 个数:“ 1 ”表示单个服务台,“ s ” (s>1) 表示多个服务台。 ④——表示系统中顾客容量限额,或称等待空间容量。如系统有 K 个等待位子,则, 0 ρ —— 服务强度,即每个服务台单位时间内的平均服务时间, — 般有 ρ = λ/ (s μ ) ,这是衡量排队系统繁忙程度的重要尺度,当 ρ 趋近于 0 时,表明对期望服务的数量来说,服务能力相对地说是很大的。这时,等待时间一定很短,服务台有大量的空闲时间;如服务强度 ρ 趋近于 1 ,那么服务台空闲时间较少而顾客等待时间较多。我们一般都假定平均服务率 μ 大于平均到达率 λ,即 λ / μ 第四节 M / M / S 模型 ● 此模型与 M/M/1 模型不同之处在于有 S 个服务台,各服务台的工作相互独立,服务率相等,假如顾客到达时, S 个服务台都忙着,则排成一队等待,先到先服务的单队模型。 ● 整个系统的平均服务率为 sμ , ρ * = λ/sμ ,( ρ * 几个连续型分布 — 定长 ● 定长分布(记为 D ) 若顾客到达间隔时间(或服务时间)为一常量 a ,此时称输入(服务)分布为定长分布,用 T 表示此时间,则 P(T=a) = 1 用分布函数表示有 F(t) = P(T t) = 0 t 几个连续型分布 — 负指数 ● 无记忆性 P(T>t+x| T>t) = P(T>x) ● 定理 1.1 负指数分布具有无记忆性 . 即设 T 是随机变量 , 服从负指数分布 , 参数为 >0, 设 t,x>0, 则 P(T>t +x| T>t) = P(T>x) = ex ● 定理 1.2 设随机变量 T 是非负的连续型变量,它的分布具有无记忆性,则 T 服从负指数分布 ● 连续型随机变量分布中,只有负指数分布具有无记忆特性 几个连续型分布 — 爱尔兰 ● 定理 1.3 爱尔兰分布和负指数分布的关系 设 T 1 ,T 2 ,…,T k , 是独立同负指数分布的随机变量,参数为 ,则 T =T 1 +T 2 +…+T k , 服从 k 阶爱尔兰分...