（七）排队论_排队法统计是什么-CSDN博客

排队论

排队论（Queuing Theory）也称随机服务系统理论，就是为解决一些生活问题而发展的一门学科。它研究的内容有下列三部分：
（i）性态问题，即研究各种排队系统的概率规律性，主要是研究队长分布、等待时间分布和忙期分布等，包括了瞬态和稳态两种情形
（ii）最优化问题，又分静态最优和动态最优，前者指最优设计。后者指现有排队系统的最优运营
（iii）排队系统的统计推断，即判断一个给定的排队系统符合于哪种模型，以便根据排队理论进行分析研究。这里将介绍排队论的一些基本知识，分析几个常见的排队模型

基本概念

排队过程的一般表示

各个顾客从顾客源出发，随机地来到服务机构，按一定的排队规则等待服务，直到按一定的服务规则接受完服务后离开排队系统

排队系统的组成和特征

输入过程
1. 顾客的组成可能是有限的，也可能是无限的
2. 顾客到达的方式可能是一个—个的，也可能是成批的
3. 顾客到达可以是相互独立的，即以前的到达情况对以后的到达没有影响；否则是相关的
4. 输入过程可以是平稳的，即相继到达的间隔时间分布及其数学期望、方差等数字特征都与时间无关，否则是非平稳的
排队规则
1. 损失制：当顾客到达时，所有的服务台均被占用，顾客随即离去
2. 等待制。当顾客到达时，所有的服务台均被占用，顾客就排队等待，直到接受完服务才离去
3. 混合制。介于损失制和等待制之间的是混合制
服务过程
1. 服务机构：单服务台；多服务台并联（每个服务台同
  时为不同顾客服务）；多服务台串联（多服务台依次为同一顾客服务）；混合型
2. 服务规则：
  - 先到先服务，这是通常的情形。
  - 后到先服务，如情报系统中，最后到的情报信息往往最有价值，因而常被优先处理
  - 随机服务，服务台从等待的顾客中随机地取其一进行服务，而不管到达的先后
  - 优先服务，如医疗系统对病情严重的病人给予优先治疗
3. 排队模型的符号表示（ $X /Y / Z / A/ B /C$ ）
  - 第一个符号X 表示顾客到达流或顾客到达间隔时间的分布；第二个符号Y 表示服务时间的分布；第三个符号Z 表示服务台数目；第四个符号A 是系统容量限制；第五个符号B 是顾客源数目；第六个符号C 是服务规则，如先到先服务FCFS，后到先服务LCFS 等。并约定，如略去后三项，即指 X /Y / Z /∞/∞/ FCFS的情形。我们只讨论先到先服务 FCFS的情形，所以略去第六项
  - 间隔时间和服务时间的分布
  - M —指数分布（M 是Markov 的字头，因为指数分布具有无记忆性，即Markov性）
  - D —确定型（Deterministic）
  - k E — k 阶爱尔朗(Erlang)分布
  - G —一般（general）服务时间的分布
  - GI —一般相互独立（General Independent）的时间间隔的分布
4. 排队系统的运行指标
5. 平均队长：指系统内顾客数（包括正被服务的顾客与排队等待服务的顾客）的数学期望，记作 $L_s$
6. 平均排队长:指系统内等待服务的顾客数的数学期望，记作 $L_q$
7. 平均逗留时间：顾客在系统内逗留时间（包括排队等待的时间和接受服务的时间）的数学期望，记作 $W_s$
8. 平均等待时间：指一个顾客在排队系统中排队等待时间的数学期望，记作 $W_q$
9. 平均忙期：指服务机构连续繁忙时间（顾客到达空闲服务机构起，到服务机构再次空闲止的时间）长度的数学期望.记为 $T_b$
10. 服务强度等

输入过程与服务时间的分布

排队系统中的事件流包括顾客到达流和服务时间流。由于顾客到达的间隔时间和服务时间不可能是负值，因此，它的分布是非负随机变量的分布。最常用的分布有泊松分布、确定型分布，指数分布和爱尔朗分布

泊松流与指数分布

设 $N(t)$ 表示在时间区间 $[0,t)$ 内到达的顾客数 $(t>0)$ ，令 $P_n(t_1,t_2)$ 表示在时间区间 $[t_1,t_2 )$ 内有 $n(n \ge 0)$ 个顾客到达的概率。当 $P_n(t_1,t_2)$ 符合于下列三个条件时，我们说顾客的到达形成泊松流。

在不相重叠的时间区间内顾客到达数是相互独立的，我们称这性质为无后效性。
对于充分小的Δt，在时间区间[t,t + Δt)内有两个或两个以上顾客到达的概率极小，以致可以忽略，即
对充分小的 $\triangle t$ ，在时间区间 $[t,t+\triangle t)$ 内有一个顾客到达的概率与 $t$ 无关，而约与区间长 $\triangle t$ 成正比，即

$P 1 (t, t + △ t) = λ △ t + o (△ t)$ $P_1(t,t+ \triangle t)=\lambda \triangle t+o(\triangle t) \notag$
其中 $o(Δt)$ ，当 $Δt →0$ 时，是关于 $Δt$ 的高阶无穷小。 $λ > 0$ 是常数，它表示单位时间有一个顾客到达的概率，称为概率强度

$μ$ 表示单位时间能被服务完成的顾客数，称为平均服务率

常用的几种概率分布及其产生

连续型
- 均匀分布
- 正态分布
  
  正态分布还可以作为二项分布一定条件下的近似
- 指数分布
- Gamma 分布
- Weibull 分布
- Beta 分布
离散型
- Bernoulli 分布（两点分布）
- 泊松（Poisson）分布
- 二项分布
  
  在独立进行的每次试验中，某事件发生的概率为 $p$ ，则 $n$ 次试验中该事件发生的次数 $K$ 服从二项分布
  
  生灭过程
  
  未完待续~
  
  产生给定分布的随机数的方法
  
  Matlab 可以产生常用分布的随机数。下面我们介绍按照给定的概率分布产生随机数的一般方法，这些方法都以 $U(0,1)$ 分布的随机变量为基础
  
  反变换法
  
  卷积法
  
  取舍法
  
  排队模型的计算机模拟
  
  确定随机变量概率分布的常用方法
  1. 根据一般知识和经验，可以假定其概率分布的形式：
    - 顾客到达间隔服从指数分布 $Exp(λ )$
    - 产品需求量服从正态分布 $N(μ,σ 2 )$
    - 订票后但未能按时前往机场登机的人数服从二项分布 $B(n, p)$
      
      然后由实际数据估计分布的参数λ,μ,σ 等，参数估计
      
      可用极大似然估计、矩估计等方法
      
      未完待续~
  2. 直接由大量的实际数据作直方图，得到经验分布，再通过假设检验，拟合分布函数，可用 $χ 2$ 检验等方法
  3. 既缺少先验知识，又缺少数据时，对区间 $(a,b)$ 内变化的随机变量，可选用 $Beta$ 分布（包括均匀分布）。先根据经验确定随机变量的均值 $μ$ 和频率最高时的数值（即密度函数的最大值点） $m$ ，则 $Beta$ 分布中的参数 $\alpha_1,\alpha_2$ 可以求出见^162页^
  计算机模拟
  
  当排队系统的到达间隔时间和服务时间的概率分布很复杂时，或不能用公式给出时，那么就不能用解析法求解。这就需用随机模拟法求解，现举例说明。
  
  设某仓库前有一卸货场，货车一般是夜间到达，白天卸货，每天只能卸货2车，若一天内到达数超过2 车，那么就推迟到次日卸货。根据下表所示的数据，货车到达数的概率分布（相对频率）平均为1.5 车/天，求每天推迟卸货的平均车数
  
  到达车数 0 1 2 3 4 5 $\ge$ 6
  概率 0.23 0.3 0.3 0.1 0.05 0.02 0.00
  
  这是单服务台的排队系统，可验证到达车数不服从泊松分布，服务时间也不服从指数分布（这是定长服务时间）。随机模拟法首先要求事件能按历史的概率分布规律出现。一定范围随机数对应一定区间的到达车辆数
  
  这里直接用概率就行
  
  程序如下：
```
clear
rand('state',sum(100*clock));
n=50000;
m=2
a1=rand(n,1);
a2=a1; %a2初始化
a2(find(a1<0.23))=0;
a2(find(0.23<=a1&a1<0.53))=1;
a2(find(0.53<=a1&a1<0.83))=2;
a2(find(0.83<=a1&a1<0.93),1)=3;
a2(find(0.93<=a1&a1<0.98),1)=4;
a2(find(a1>=0.98))=5;
a3=zeros(n,1);a4=zeros(n,1);a5=zeros(n,1); %a2初始化
a3(1)=a2(1);
if a3(1)<=m
a4(1)=a3(1);a5(1)=0;
else
a4(1)=m;a5(1)=a2(1)-m;
end
for i=2:n
a3(i)=a2(i)+a5(i-1);
if a3(i)<=m
a4(i)=a3(i);a5(i)=0;
else
a4(i)=m;a5(i)=a3(i)-m;
end
end
a=[a1,a2,a3,a4,a5];
sum(a)/n
```
  案例二：
  
  银行计划安置自动取款机，已知A 型机的价格是B 型机的2 倍，而A 型机的性能—平均服务率也是B 型机的2 倍，问应该购置1 台A 型机还是2 台B 型机
  
  为了通过模拟回答这类问题，作如下具体假设，顾客平均每分钟到达1 位， $A$ 型机的平均服务时间为0.9 分钟， $B$ 型机为1.8 分钟，顾客到达间隔和服务时间都服从指数分布，2台B型机采取M /M / 2模型（排一队），用前 100 名顾客（第 1 位顾客到
  达时取款机前为空）的平均等待时间为指标，对A型机和B 型机分别作1000 次模拟，进行比较。
  理论上已经得到， $A$ 型机和 $B$ 型机前100 名顾客的平均等待时间分别为4.13，3.70即B型机优
  
  模拟：
```
tic
rand('state',sum(100*clock));
n=100;m=1000;mu1=1;mu2=0.9;
for j=1:m
cspan=exprnd(mu1,1,n);sspan=exprnd(mu2,1,n);
ctime(1)=cspan(1);
gtime(1)=ctime(1)+sspan(1);
wtime(1)=0;
for i=2:n
ctime(i)=ctime(i-1)+cspan(i);
gtime(i)=max(ctime(i),gtime(i-1))+sspan(i);
wtime(i)=max(0,gtime(i-1)-ctime(i));
end
result1(j)=sum(wtime)/n;
end
result_1=sum(result1)/m
toc
%类似地，模拟B 型机的程序如下：
tic
rand('state',sum(100*clock));
n=100;m=1000;mu1=1;mu2=1.8;
for j=1:m
cspan=exprnd(mu1,1,n);sspan=exprnd(mu2,1,n);
ctime(1)=cspan(1);ctime(2)=ctime(1)+cspan(2);
gtime(1:2)=ctime(1:2)+sspan(1:2);
wtime(1:2)=0;flag=gtime(1:2);
for i=3:n
ctime(i)=ctime(i-1)+cspan(i);
gtime(i)=max(ctime(i),min(flag))+sspan(i);
wtime(i)=max(0,min(flag)-ctime(i));
flag=[max(flag),gtime(i)];
end
result2(j)=sum(wtime)/n;
end
result_2=sum(result2)/m
toc
```