smdo_tsp
.pdf1 |
|
α + γ 1 |
|
|
|
|
α + β 1 |
|
|
|
β + γ |
|
|
|
1 |
|
|
|
|
β 1 |
|
|
|
|
|
α + β 1 |
|
|
|
α |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
= |
|
|
+ |
|
|
|
|
; |
|
|
+ |
|
|
|
|
|
|
|
|
; |
|
|
+ |
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
|
+ |
|
|
|
|
|
; |
|
|
|
|
+ |
|
|
|
|
|
|
; |
|
|
|
|
+ |
|
|
|
|
|
|
= |
|
|
|
|
|
|
|
|||||||||||||||||
3 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|
2 3 |
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
2 |
|
|
|
3 2 3 |
|
|
|
|
|
|
2 3 2 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
|
|
+ u1; |
|
|
+ v1; |
|
|
|
|
+w1 |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
Оценим числа |
u1 , v1 , |
|
w1 : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
u |
|
|
= |
|
|
β |
|
£ |
|
2 |
× |
1 |
, |
|
|
|
|
v |
|
= |
|
α + β |
|
£ |
2 |
|
× |
1 |
|
, |
|
|
|
w |
|
|
= |
|
|
α |
|
|
£ |
2 |
× |
1 |
. |
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
1 |
|
|
2 |
|
|
|
|
3 |
|
|
2 |
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
3 |
|
|
|
2 |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
2 |
|
|
|
|
|
3 |
|
2 |
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
Вероятности состояний после второго шага: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
{p |
2 ;p |
2 ;p |
2 }= |
{p1;p1 |
;p1 |
}A = |
1 |
+ u |
|
|
|
|
1 |
|
|
+ v |
|
|
|
1 |
|
+ w |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
; |
|
|
|
|
|
|
; |
|
|
|
|
|
A . |
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
3 |
|
|
|
3 |
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
|
2 3 |
|
|
|
|
|
|
1 2 3 |
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
Оценка чисел |
u2 , v 2 , |
w 2 : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
= |
|
v1 |
|
£ |
|
2 |
|
× |
|
1 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
u1 |
+ v1 |
|
|
|
|
|
|
2 |
|
|
|
|
1 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
u1 |
|
|
|
2 |
|
|
1 |
2 |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||
|
|
u2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, |
|
|
|
v 2 |
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
£ |
|
|
|
|
|
× |
|
|
|
|
|
|
, |
|
|
|
w 2 |
= |
|
|
|
|
|
|
£ |
|
|
|
× |
|
. |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
2 |
|
|
|
|
3 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
3 |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
3 |
|
|
2 |
|
Далее по методу математической индукции получим:
{p1k ;pk2 |
; p3k }= |
1 |
|
||
|
3 |
+ u |
|
|
1 |
+ v |
|
|
1 |
+ w |
|
|
k |
; |
|
k |
; |
|
, |
||||
3 |
3 |
|||||||||
|
|
|
|
|
k |
|
|
2 |
|
1 k |
|
|
|
2 |
|
1 k |
|
|
2 |
|
1 k |
||||
|
|
|
|
|
|
|
|||||||||||||
uk |
£ |
|
× |
|
|
, |
vk |
£ |
|
× |
|
|
, |
w k |
£ |
|
× |
|
. |
|
|
|
|
|
|
||||||||||||||
|
|
3 |
|
2 |
|
|
|
3 |
|
2 |
|
|
|
3 |
|
2 |
Переходя к пределу, находим:
lim pk = 1 .
k →∞ i 3
Следовательно, финишные вероятности существуют, хотя не все элементы матрицы перехода положительны.
Вывод системы ДУ для цепи Маркова с непрерывным временем
Пусть имеется некоторая физическая (экономическая) система, которая может находиться в одном из n состояний: E1 , E 2 ,…, En . В случайные
моменты времени система может переходить из текущего состояния E k в
41
другое из возможных состояний. Для каждой пары состояний частота взаимных переходов есть простейший поток событий [8]. Обозначим:
pk (t) - вероятность того, что в момент времени t система находится в
|
состоянии E |
k |
; |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
λkm |
- |
интенсивность переходов из состояния |
Ek в |
Em (среднее число |
||||||||||||||
|
переходов в единицу времени). |
|
|
|
|
|
|
|
|
|||||||||
Пусть |
t - положительная |
бесконечно |
малая |
величина. |
Согласно |
|||||||||||||
свойствам простейшего потока событий |
λ |
km |
t |
- вероятность того, что за |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
время |
|
|
t |
система, находившаяся в состоянии |
Ek , |
перейдет в состояние |
||||||||||||
Em . |
По формуле полной вероятности запишем: |
|
|
|
|
|||||||||||||
|
|
|
|
n |
|
|
(t)λ |
|
|
|
|
|
|
n |
|
|
|
|
|
p |
k |
(t + t) = ∑* p |
m |
mk |
t + p |
k |
(t) 1 |
− ∑* λ |
km |
t . |
( 17 ) |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
m=1 |
|
|
|
|
|
|
|
|
m=1 |
|
|
|
Звездочка у символа суммы означает отсутствие слагаемого с индексом k.
Первая сумма относится к гипотезам, что в момент |
времени t система |
|
находилась в состоянии Em и за время |
t перешла в состояние Ek . |
|
Вторая сумма описывает гипотезу, что |
в момент |
времени t система |
находилась в состоянии Ek и за время |
t не перешла ни в одно другое |
состояние Em . Преобразуем формулу (17) :
|
|
(t + |
t)− p |
|
|
n |
|
(t)λ |
|
|
|
n |
|
|
|
p |
k |
k |
(t) = |
∑* p |
m |
mk |
− p |
k |
(t)∑* λ |
|
t . |
( 18 ) |
|||
|
|
|
|
|
|
|
|
km |
|
|
|||||
|
|
|
|
|
m=1 |
|
|
|
|
|
m=1 |
|
|
|
Разделим обе части формулы на |
t и перейдем к пределу: |
|
|||||||
|
p (t + t ) − p (t ) |
n |
* |
|
n |
* |
|||
lim |
k |
|
k |
|
= ∑ p m |
(t )λ mk − |
p k (t )∑ λ km . |
||
|
t |
|
|
||||||
t→0 |
|
|
|
m =1 |
|
m =1 |
Учитывая, что вывод справедлив для любого k, запишем систему дифференциальных уравнений :
|
n |
n |
|
|
|
′ |
* |
* |
|
|
|
(t) = ∑ pm (t)λmk |
− pk (t) ∑ λkm , |
k = 1,2,...n . |
( 19 ) |
||
pk |
|||||
|
m =1 |
m =1 |
|
|
42
Вывод формул Эрланга
Рассмотрим случайный процесс гибели-размножения:
|
|
λ |
|
|
|
|
|
|
|
|
|
|
|
λ |
|
|
|
λ |
|
|
|
|
0 |
|
|
λ |
1 |
|
|
|
λ |
2 |
|
k − 1 |
|
|
k |
|
|||
|
0 |
|
1 |
|
|
|
2 |
|
|
. . . |
к |
|
|
. . . |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
µ1 |
|
µ2 |
|
µ3 |
|
µ k |
|
|
|
µk +1 |
||||||||
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
Рисунок 7 |
|
|
|
|
|
|
|||
Запишем разрешающую |
систему |
дифференциальных |
уравнений для |
|||||||||||||||||
вероятностей состояний в случае, когда все |
λk = λ и |
µk |
= µ : |
p0/ = µp1p1/ = λp0p / = λp
..2. 1
p / = λp
..k. k
−λp0 ,
+µp 2 − (λ + µ)p1,
+µp3 − (λ + µ)p 2 ,
−1 + µpk +1 − (λ + µ)pk .
pk (0) = pk ,
( 20 )
k = 0, 1, 2,...∞.
Рассмотрим стационарный режим процесса, когда вероятности pk
стабилизировались. В этом случае pk/ = 0 . Разделим все уравнения на λ и
введем обозначение ϕ = µλ :
|
|
|
|
p |
1 |
= ϕ p |
0 |
, |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
= |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
p |
2 |
(1 + ϕ )p1 − ϕ p 0 , |
|
|
||||||||||||
|
|
|
|
... |
= (1 + ϕ )p |
|
|
− ϕ p |
|
( 21 ) |
||||||||||
|
|
|
|
p |
k + 1 |
k |
k −1 |
. |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
... |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Подставим первое уравнение во второе: |
|
|
||||||||||||||||||
p |
2 |
= ((1 + ϕ)ϕ − ϕ)p |
0 |
= ϕ2p |
0 |
. |
|
( 22 ) |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Получаем: |
p |
1 |
= ϕp |
0 |
, |
|
p |
2 |
= ϕ 2p |
0 |
. |
Сделаем предположение, что формула |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p k = ϕk p 0 справедлива и для всех k > 2 . Проверим это предположение по
43
(k+1)-му уравнению системы (21):
pk+1= ((1+ϕ)ϕk −ϕk )p0= ϕk+1 p0 .
Следовательно, справедлива общая формула p k = ϕk p 0 . Воспользуемся свойством вероятностей полной группы событий:
|
|
|
|
|
|
p0 + p1 + ... = 1 , |
|
|
|
|
p |
0 |
+ ϕ p |
0 |
+ ϕ 2 p |
0 |
+ ... = (1 + ϕ + ϕ 2 |
+ ... ) p |
0 |
= 1 . |
( 23 ) |
|
|
|
|
|
|
|
В скобках получился ряд геометрической прогрессии. Он сходится только при ϕ < 1 (по смыслу параметров λ и µ число ϕ не может быть
отрицательным). Можно сделать вывод, что стационарный режим возможен только тогда, когда λ < µ , в противном случае очередь будет неограниченно расти. Из формулы (23) получим:
p 0 |
= |
|
1 |
|
= 1 − ϕ , |
|
+ ϕ + ϕ2 |
+ ... |
|||
|
1 |
|
что позволяет записать в окончательном виде формулы вероятностей состояний – формулы Эрланга:
p k = ϕ k (1 − ϕ ).
Анализ формул Эрланга
Рассмотрим случайный процесс гибели-размножения (рис.7). Запишем формулы Эрланга :
pk = ϕk (1− ϕ). |
( 24 ) |
Эти формулы справедливы для случая стационарного режима случайного процесса при условиях:
λ 0 =λ1 =λ 2 = ... = λ , µ0 =µ1=µ2 = ...= µ , λ < µ , ϕ = |
λ |
μ . |
В формулах Эрланга pk - вероятность обнаружить в некоторый момент времени в системе k особей.
Если ввести случайную величину X с законом распределения :
X |
0 |
1 |
… |
k |
… |
|
|
|
|
|
|
p |
p0 |
p1 |
… |
p k |
… |
|
|
|
|
|
|
44
то M(X) - это среднее число особей в данной системе,
M (X ) = 0(1 − ϕ)+ 1ϕ(1 − ϕ)+ 2ϕ 2 (1 − ϕ)+ ... = (1ϕ + 2ϕ 2 + ...)(1 − ϕ) =
= (1+ 2ϕ + 3ϕ2 ...)(ϕ − ϕ2 )= |
1 |
/ (ϕ − ϕ2 )= |
1 |
(ϕ − ϕ2 )= |
(ϕ − ϕ2 ) |
= |
|
ϕ |
|||||
|
|
|
|
|
|
|
|
||||||
|
(1− ϕ)2 |
(1− ϕ)2 |
|
|
− ϕ . |
||||||||
1− ϕ |
|
|
1 |
||||||||||
|
|
M(X) = |
|
ϕ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− ϕ . |
|
( |
25 ) |
|
||||||
|
|
1 |
|
|
При ϕ → 1 из формулы (25) следует: M(ϕ) → ∞ . Это объясняется тем, что вероятности переходов системы в сторону увеличения числа k и в сторону его уменьшения есть близкие числа. Следовательно, велика вероятность достижения системой больших значений k, что и приводит к росту математического ожидания – среднего числа особей в системе.
Примечание. Формулы Эрланга, в частности, применяют в теории очередей. Так, если в некоторой системе массового обслуживания обозначить:
λ− среднее число клиентов, поступающих в единицу времени,
β− среднее время обслуживания одного клиента ,
то можно положить µ = β1 , тогда ϕ = λβ . Общее число особей X в этом
случае состоит из одного клиента, которого в данный момент обслуживают,
и X-1 клиентов, ожидающих в очереди. Вычислим среднюю длину
очереди:
n |
средн |
= 0p |
0 |
+ 0p + 1p |
2 |
+ 2p |
3 |
+ ... = (ϕ2 + 2ϕ3 + 3ϕ2 ...)(1 − ϕ) = |
|||||
|
|
1 |
|
|
|
|
= 1 − ϕ . |
||||||
= (1 + 2ϕ + 3ϕ2...)(ϕ2 − ϕ3 )= (1 − ϕ)2 |
|||||||||||||
|
|
|
|
|
|
|
(ϕ2 |
− ϕ3 ) |
|
ϕ2 |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Можно найти и среднее время ожидания в очереди (ожидание клиентами
начала обслуживания):
τсредн |
= βnсредн |
= |
|
βϕ2 |
. |
||
1 |
− ϕ |
||||||
|
|
|
|
45
Приближенное решение задач гибели-размножения с помощью рядов
Рассмотрим случайный процесс гибели-размножения (см. рис.7). Запишем разрешающую систему дифференциальных уравнений для вероятностей состояний:
p |
/ |
= µ |
1 |
p |
1 |
− λ |
0 |
p |
0 |
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
0 |
|
|
|
|
|
|
|
− (λ |
|
|
|
|
|
)p |
|
|
|
|
|
|
|
||||||||
p |
/ |
= λ |
0 |
p |
0 |
+ µ |
2 |
p |
2 |
1 |
+ µ |
1 |
1 |
, |
|
|
|
|
|
|||||||||||
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
pk (0) = pk , |
|||||||||||
p |
/ |
= λ p + µ |
|
|
p − (λ + µ )p , |
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||||||
... |
1 |
|
1 |
|
|
3 |
|
|
3 |
|
|
2 |
|
|
2 |
|
2 |
|
|
|
|
|
||||||||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( 26 ) |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
/ |
= λ |
|
|
|
|
|
|
|
+ µ |
|
|
|
|
|
− (λ |
|
|
+ µ |
|
)p |
|
k = 0, 1, 2,...∞. |
|||||||
p |
|
|
|
p |
|
|
|
|
p |
|
|
|
|
|
|
, |
||||||||||||||
..k. |
|
k −1 |
|
k −1 |
|
|
|
|
|
k +1 |
|
|
k +1 |
|
|
|
k |
|
|
k |
|
k |
|
Только в некоторых частных случаях эта сиcтема может быть решена
точными методами. Один из приближенных методов решения таких задач
базируется на ряде Маклорена в векторной форме.
Введем обозначения:
|
p (t) |
|
|
0 |
|
|
p (t) |
|
P(t) = ... , |
||
~ |
1 |
|
|
p (t) |
|
|
... |
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
p0 |
|
||
|
|
−λ |
|
µ |
0 |
0 |
0 |
... |
|
|
0 |
|
|
|
0 |
|
|
0 |
|
||||||||
|
|
|
1 |
|
|
|
|
|
|||||
~ |
λ0 |
−λ1 -µ1 |
µ2 |
0 |
0 |
... |
~ |
p1 |
|
||||
= ... |
|||||||||||||
A = |
|
|
λ1 |
−λ2 -µ2 |
|
|
, |
P |
|||||
|
|
0 |
|
µ3 |
0 |
... |
0 |
|
|
|
|||
|
|
|
p |
0 |
|
||||||||
|
|
|
|
. |
. |
. |
|
|
|
|
|||
|
|
|
|
|
|
|
|
k |
|||||
|
|
|
|
|
|
|
|
|
|
... |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
Волной сверху помечены бесконечномерные объекты. Теперь задача (26) примет вид:
~ |
|
~ ~ |
|
~ |
|
~ |
|
( 27 ) |
|
||
P′(t) = |
AP(t) , |
|
P(0) |
= P . |
|
||||||
|
|
|
|
|
|
0 |
|
|
|||
|
|
|
|
|
|
|
|
|
|
~ |
|
Запишем в векторной форме ряд Маклорена для функции P(t) : |
|
||||||||||
~ |
~ |
~ ′ |
|
~ ′′ |
|
|
t 2 |
|
|
|
|
|
|
|
|
|
|
|
+ ... |
( 28 ) |
|
||
P(t) = P(0) + P (0)t + P (0) |
2! |
|
|||||||||
|
|
|
|
|
|
|
|
|
|||
С учетом векторного уравнения (27) получим: |
|
|
|
|
|
|
|||||
~ ′ |
~ ~ |
~′′ |
|
~ ~′ |
|
|
|
|
~ 2 ~ |
… |
|
P (t) = |
AP(t) , P (t) = AP (t) = |
A P(t) , |
|
||||||||
~ |
~ |
~ ~ |
~ |
~ |
t |
2 |
|
|
|
|
|
P(t) = P(0) + AP(0)t |
+ A |
2 P(0) |
|
|
+ ... |
( 29 ) |
|
||||
2! |
|
||||||||||
|
|
|
|
|
|
|
|
|
|||
Пусть в некоторый момент времени, |
который мы примем за 0, в |
||||||||||
системе гибели-размножения имеется k особей. В этом случае вектор |
~ |
||||||||||
P |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
0 |
46
содержит компоненту pk = 1 , а все остальные равны нулю. Считая прогнозируемый интервал времени t достаточно малым, обрываем ряд (29)
и получаем приближенное выражение вектора вероятностей. Кроме того,
полагаем, что за малый промежуток времени в системе не может значительно измениться число особей k. Поэтому в системе (26) оставляем уравнения и функции в окрестности индекса k. Например, можно записать формулы:
|
− λ |
k−2 |
|
|
|
|
λk−2 |
|
A = |
0 |
|
|
|
|
|
0 |
|
|
0 |
|
|
µ |
k−1 |
0 |
0 |
0 |
|
|
|
|
|
|
|
− (λk−1 + µk−1 ) |
µk |
0 |
0 |
|
|
λk−1 |
− (λk + µk ) |
µk+1 |
0 |
, |
|
|
|||||
|
0 |
λk |
− (λk+1 + µk+1 ) |
µk+2 |
|
|
0 |
0 |
λk+1 |
|
|
|
− µk+2 |
p |
k−2 |
(t) |
|
|
|
pk−1(t) |
||
|
|
|
P(t) = pk (t) , |
||
|
|
|
pk+1(t) |
||
|
|
|
pk+2 |
(t) |
p0kp0k
P = p0
0 k
p0kp0k
−2
−1
+1
+2
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
t |
|
|
|||
, |
|
|
A |
2 |
( 30 ) |
||
|
P(t) ≈ E + tA + |
2! |
P0 . |
||||
|
|
|
|
|
|
Результаты расчетов по формуле (30) справедливы для тех t, при которых последнее слагаемое в скобках значительно меньше предыдущего,
в противном случае следует увеличивать число слагаемых в этих скобках.
Кроме того, если функции p k −2 (t) и p k +2 (t) не слишком малы по отношению к другим функциям, то следует увеличивать и размерность векторов P(t), P0 и порядок матрицы А.
Вывод расчетной формулы среднего времени жизни системы с резервированием
Рассматривается некоторая система, состоящая из основного и резервных узлов. Общее количество всех узлов равно n. По мере выхода узлов из строя система переходит в новое состояние:
47
|
λn |
|
λ n −1 |
λ |
2 |
|
λ1 |
|
|
|
|
E0 |
|||||
En |
|
En−1 |
. . . |
|
E1 |
|
||
|
|
|
Рисунок 8 |
|
|
|
|
|
Состояние E0 означает, что в системе не осталось работоспособных
узлов, следовательно, система прекратила свое существование. Каждый переход системы происходит в случайный момент времени, λk -
интенсивности переходов (интенсивность – это среднее число переходов в единицу времени, причем переходы образуют простейший поток событий).
Используя теорию марковских процессов с непрерывным временем,
находим функции pk (t) :
pk (t) - вероятность того, что в момент времени t система находится в состоянии Ek .
Пусть найдена функция p0 (t) . По смыслу этой функции можно
заключить, что она монотонно возрастает |
в области [0 ; ∞) от нуля до |
единицы. Введем непрерывную случайную |
величину X(t) - время жизни |
системы. Функция распределения этой случайной величины F(t) = p 0 (t ) .
Действительно, пусть τ- некоторое положительное число. Рассмотрим событие X(t) < τ . Это событие означает, что время жизни системы оказалось меньше числа τ. Другими словами, это событие означает, что в момент времени τ в системе работоспобны 0 узлов. Но вероятность
обнаружить в момент времени τ , что в системе 0 работоспособных узлов, и
есть p0 (t) . Заметим также, что, как и требуется теорией вероятностей,
монотонно возрастает.
Используя формулу математического ожидания, получим:
∞ |
∞ |
′ |
∞ |
(t)dt . |
|
|
|
||
M(X) = ∫ t f (t)dt = ∫ t F (t)dt = ∫ t p0 |
||||
|
|
|
/ |
|
0 |
0 |
|
0 |
|
48
Математическое ожидание случайной величины X(t) и есть среднее
время жизни системы:
|
∞ |
(t )dt . |
τсред |
= ∫ t p 0/ |
|
|
0 |
|
Учитывая, что p0 (τ) |
монотонно возрастает, отметим, что |
подынтегральное выражение неотрицательно. Поэтому, как и следует предполагать, среднее время жизни системы есть положительная величина.
Моделирование случайных процессов
Ограниченный круг проблем в экономике, технике и в других областях человеческой деятельности может быть исследован точными методами или даже описан уравнениями или системами. В более сложных случаях прибегают к моделированию случайных процессов и анализу полученных таким путем статистических данных. Узловым моментом моделирования случайного процесса является генерирование случайных величин с заданным законом распределения – таким, который наблюдается
вреальном процессе.
Вбольшинстве современных компьютерных систем имеются датчики случайных чисел с равномерным распределением в некотором интервале
[a;b]. Обозначим случайное число, которое получено от компьютерного датчика, τ . С помощью формулы
ξ= τ - a b - a
можно получать случайные числа, равномерно распределенные на интервале [0;1]. Поэтому остановимся на методах получения требуемых случайных величин с помощью ξ - равномерного распределения на интервале [0;1]. Мы будем пользоваться основным свойством этого распределения:
P{0 ≤ u ≤ ξ < v ≤ 1}= v − u .
Вероятность попадания в интервал [u;v] отрезка [0;1] равна длине этого интервала.
49
Пусть требуется получить дискретную случайную величину с заданным законом распределения
|
X |
x1 |
|
x2 |
|
|
… |
|
|
|
xn |
|
|
|
|
|
|
р |
|
p1 |
|
p2 |
|
|
… |
|
|
|
pn |
|
|
|
|
Вычислим числа: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
q1 = p1 , |
q 2 |
= p1 + p 2 , … |
|
|
qn−1 = p1 + p 2 + ... + pn−1 |
|||||||||||
|
|
|
|
|
x |
|
0 ≤ξ < q , |
|
|
|
|
|
|
|||
|
|
|
|
|
1 |
|
|
|
1 |
, |
|
|
|
|
|
|
|
|
|
|
|
x |
|
q ≤ξ < q |
2 |
|
|
|
|
|
|||
|
|
|
|
|
2 |
1 |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
и рассмотрим функцию |
X(ξ) = ... |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
qn−2 ≤ ξ < qn−1, |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
xn−1 |
|
|
|
|
|||||||
|
|
|
|
|
x |
|
q |
n−1 |
≤ξ ≤ 1. |
|
|
|
|
|
||
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
Эта функция может принимать только значения |
x |
, |
x |
2 |
и т.д. При этом |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
вероятность значения |
xk |
равна |
qk − qk −1 = pk , |
|
что |
и требуется по |
условию.
Пусть требуется получить непрерывную случайную величину с заданным законом распределения.. Эту величину можно описать
интегральной функцией распределения F(x) , которая, как известно,
монотонно возрастает от нуля до единицы. Следовательно, существует обратная функция X(ξ) с областью определения [0;1], на которой она также монотонно возрастает. Вероятность попадания случайной величины в интервал [α;β] равна по условию F(β) − F(α) . Так как X(ξ) есть обратная к
F(x) функция, то в том случае, когда аргумент X(ξ) принадлежит
интервалу |
[F(α); F(β)], |
значения этой |
функции будут |
принадлежать |
интервалу |
[X(F(α)) ; |
X(F(β))] = [α;β], |
что и требуется |
по закону |
распределения.
Построение обратной функции X(ξ) не всегда является простым делом, поэтому довольно часто используют искусственные приемы.
Например, для моделирования нормального закона распределения можно
50