Лабораторная работа №2
.docСанкт-Петербургский Государственный Электротехнический Университет им. Ульянова (Ленина)
«ЛЭТИ»
кафедра МОЭВМ
ОТЧЕТ
по лабораторной работе №2
«Исследование системы массового обслуживания с неограниченным числом мест в очереди»
Выполнила
студентка групы 3341
Филиппова К.С.
Проверил
Романцев В.В.
Санкт-Петербург
2007
1. Постановка задачи:
1. Используя пакет GPSS составить программу и провести моделирование простейшей системы массового обслуживания (СМО).
l — интенсивность потока заявок;
µ — интенсивность потока обслуживания;
r = l / µ — приведённая интенсивность.
2. Провести исследования для экспоненциального закона следования заявок на входе и трех законов распределения интервалов обслуживания:
-
равномерного;
-
экспоненциального;
-
треугольного.
Для каждой пары законов распределения (заявок и обслуживания) провести исследование для двух значений приведенной интенсивности r1, r2,
( 0 < ri < 1), а также для двух значений количества заявок N, проходящих через систему.
3. Получить в результате моделирования основные характеристики СМО и оформить их в виде таблиц:
-
максимальную длину очереди, QM;
-
среднюю длину очереди, QA;
-
число заявок, поступивших на обслуживание без очереди, QZ;
-
среднее время пребывания заявки в очереди, (включая нулевые входы), QT;
-
среднее время пребывания заявки в очереди, (без нулевых входов), QX.
По устройству:
-
коэффициент загрузки, FR;
-
среднее время обслуживания заявки, FT.
Получить таблицу значений количества заявок в зависимости от времени пребывания в очереди.
4. Вычислить теоретические значения основных характеристик СМО (среднее время пребывания заявки в очереди, среднее время обслуживания заявки).
5. Оценить время переходного процесса по полученным теоретические и практическим значениям среднего времени пребывания заявки в очереди.
6. Сравнить теоретические и практические результаты (объяснить и обосновать), рассчитав доверительные интервалы для исследуемых характеристик СМО.
2.Текст программы:
А) Закон следования заявок - экспоненциальный.
Закон аспределения интервалов обслуживания – равномерный.
10 SIMULATE
20 INP FVARIABLE -10#LOG((RN1+1)/1000)
30 SER FVARIABLE 4#((RN1)/1000)
40 GENERATE V$INP
50 QUEUE 1,1
60 SEIZE 1
70 ADVANCE V$SER
80 DEPART 1,1
90 RELEASE 1
100 TABULATE TABQT1
110 TABQT1 TABLE QT1,1,2,4
120 TERMINATE 1
130 WINDOW TABLES
Исследования:
1) 30 SER FVARIABLE 4#((RN1)/1000)
число заявок 200
2) 30 SER FVARIABLE 16#((RN1)/1000)
число заявок 10 000
Б) Закон аспределения интервалов обслуживания – треугольный
1) 30 SER FVARIABLE 27#(1-(SQR(RN1/1000)))
число заявок 27000
2) 30 SER FVARIABLE 21#(1-(SQR(RN1/1000)))
число заявок 5000
В) Закон аспределения интервалов обслуживания – экспоненциальный
1) 30 SER FVARIABLE -8#LOG((1+RN1)/1000)
число заявок 500
2) 30 SER FVARIABLE -2#LOG((1+RN1)/1000)
число заявок 100
N |
g |
QT |
QX |
QM |
QA |
QZ |
FR |
FT |
30 SER FVARIABLE 4#((RN1)/1000) |
||||||||
50 |
0.2 |
2 |
2 |
3 |
0 |
7 |
156 |
1 |
100 |
0.2 |
1 |
2 |
3 |
0 |
18 |
145 |
1 |
200 |
0.2 |
1 |
2 |
3 |
0 |
37 |
166 |
1 |
500 |
0.2 |
1 |
2 |
5 |
0 |
102 |
162 |
1 |
30 SER FVARIABLE 16#((RN1)/1000) |
||||||||
50 |
0.8 |
20 |
20 |
7 |
3 |
0 |
860 |
7 |
100 |
0.8 |
18 |
18 |
7 |
2 |
1 |
727 |
7 |
1000 |
0.8 |
27 |
8 |
17 |
3 |
12 |
805 |
7 |
5000 |
0.8 |
25 |
25 |
17 |
2 |
42 |
781 |
7 |
10000 |
0.8 |
28 |
29 |
23 |
3 |
121 |
795 |
7 |
25000 |
0.8 |
29 |
29 |
25 |
3 |
342 |
790 |
7 |
50000 |
0.8 |
29 |
29 |
31 |
3 |
646 |
794 |
7 |
30 SER FVARIABLE 27#(1-(SQR(RN1/1000))) |
||||||||
1000 |
0,9 |
55 |
56 |
22 |
5 |
14 |
868 |
8 |
5000 |
0,9 |
9 |
92 |
4 |
9 |
31 |
917 |
8 |
10000 |
0,9 |
75 |
76 |
47 |
8 |
71 |
903 |
8 |
15000 |
0,9 |
73 |
74 |
47 |
7 |
125 |
896 |
8 |
25000 |
0,9 |
71 |
75 |
47 |
7 |
189 |
902 |
8 |
50000 |
0,9 |
79 |
79 |
60 |
8 |
349 |
905 |
8 |
80000 |
0,9 |
79 |
80 |
60 |
8 |
545 |
905 |
8 |
100000 |
0,9 |
78 |
78 |
60 |
8 |
730 |
902 |
8 |
27000 |
0,9 |
83 |
83 |
60 |
8 |
195 |
907 |
8 |
30 SER FVARIABLE 21#(1-(SQR(RN1/1000))) |
||||||||
70 |
0,7 |
14 |
15 |
7 |
1 |
5 |
643 |
6 |
300 |
0,7 |
17 |
17 |
10 |
1 |
11 |
638 |
6 |
500 |
0,7 |
16 |
17 |
10 |
1 |
20 |
649 |
6 |
1000 |
0,7 |
17 |
18 |
13 |
1 |
33 |
683 |
6 |
5000 |
0,7 |
19 |
19 |
15 |
2 |
145 |
684 |
6 |
30 SER FVARIABLE -2#LOG((1+RN1)/1000) |
||||||||
5 |
0,2 |
0 |
2 |
1 |
0 |
4 |
35 |
0 |
20 |
0,2 |
1 |
2 |
2 |
0 |
8 |
150 |
1 |
50 |
0,2 |
1 |
2 |
2 |
0 |
17 |
189 |
1 |
100 |
0,2 |
1 |
2 |
3 |
0 |
72 |
168 |
1 |
30 SER FVARIABLE -8#LOG((1+RN1)/1000) |
||||||||
100 |
0,8 |
31 |
31 |
12 |
3 |
4 |
740 |
7 |
200 |
0,8 |
34 |
35 |
12 |
3 |
2 |
764 |
7 |
500 |
0,8 |
34 |
34 |
21 |
3 |
9 |
756 |
7 |
1000 |
0,8 |
38 |
39 |
22 |
4 |
41 |
809 |
7 |
3000 |
0,8 |
37 |
38 |
22 |
3 |
65 |
795 |
7 |
5000 |
0,8 |
36 |
37 |
22 |
3 |
95 |
797 |
7 |
Теоретические формулы:
1/(b-a), a≤ x≤b
f(x)= 0, x<a и x>b
Оценкой эффективности работы ГСЧ возьмем математическое ожидание случайной вылечены (а). В качестве оценки математического ожидания используем среднее арифметическое:
, где N – количество реализаций
По центральной предельной теореме при больших N будет иметь распределение , близкое к нормальному с EX = a, . Тогда точность оценки
, где - значение квантиля стандартного нормального закона для P=95%( P- достоверность ).