Little's Law(利特尔法则)的简要证明和重要应用(2012年某公司实习生招聘笔试试题)

Little's Law阐述了在稳定系统中,平均顾客数量等于到达速率与顾客平均停留时间的乘积。通过实例解释了这一法则,并提到其在流量估算和运营管理中的实用价值。文章还分享了一道关于应用Little's Law的实习笔试题,答案为42。
摘要由CSDN通过智能技术生成

       我们先看Little's Law:

       在一个稳定的系统中,长时间观察到的平均顾客数量L,等于,长时间观察到的有效到达速率λ与平均每个顾客在系统中花费的时间之乘积,即L = λW



       实际上, 这个定律是很好理解的。 假设, 我们有一段水管, 横截面积为2平方米, 水速度为5米/秒, 也就是说水的流量速度是10立方米/秒, 那么, 我们自然很容易得到如下结论: 

      在长度为100m(实际上对应一个系统)的某段水管内, 水量为200立方米, 每滴水从流入到流出, 花费的时间是20秒, 而水的进入速度(也就是流量速度)是10立方米/秒.

      可此可以总结出某近似规律: 在某段水管中,水量=

  • 1
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
M/G/1队列模型是一种排队论模型,用来描述顾客到达一个系统中,然后进行服务的过程。在该模型中,"M"代表到达时间服从泊松分布,即到达顾客之间的时间间隔是随机的且符合指数分布;"G"代表服务时间服从一般分布,即每个顾客所需的服务时间是随机的,可以符合任意分布;"1"代表只有一个服务员,即只有一个服务通道。 在M/G/1队列模型中,假设到达的顾客数目无限,每个顾客的到达时间和服务时间是相互独立的。当一个顾客到达时,如果服务通道空闲,则立即开始服务;如果服务通道忙碌,则该顾客进入一个排队等待服务的队列中。当当前顾客的服务完成后,下一个顾客开始接受服务。 我们常常关心的指标是平均等待时间和系统繁忙度。平均等待时间是指顾客在队列中等待服务的平均时间,它受到到达率和服务率的影响。系统繁忙度是指服务通道的利用率,即服务通道忙碌的时间占总时间的比例,它反映系统的效率。 要计算平均等待时间和系统繁忙度,需要知道到达率和服务率。当到达率小于服务率时,系统可以达到稳定状态,此时可以使用利特尔公式计算平均队长和平均等待时间。当到达率等于或大于服务率时,系统无法达到稳定状态。 总之,M/G/1队列模型通过考虑到达时间和服务时间的不确定性,可以对实际排队系统进行建模和分析,从而帮助我们优化系统性能,提高服务质量。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值