排队论模型:https://www.cnblogs.com/sddai/p/6090440.html
三、排队模型的符号表示
1、X:表示顾客到达流或顾客到达间隔时间分布
2、Y:服务时间分布
3、Z:服务台数目
4、A:系统容量限制
5、B:顾客源数目
6、C:服务规则 FCFS先到先服务 LCFS后到先服务
四、排队系统的运行指标
1、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,记做Ls
2、平均排队长:指系统内等待服务的顾客数的数学期望,记做Lq
3、平均逗留时间:顾客在系统内逗留的时间(包括排队等待的时间和被服务的时间)的数学期望,记做Ws
4、平均等待时间:指一个顾客在排队系统中排队等待时间额数学期望,记做Wq
5、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的时间)长度的数学期望,记做Tb
6、系统的状态:指系统中顾客数
当输入过程是泊松流的时候,顾客相继到达的时间间隔T必服从指数分布
四)M/M/s等待制排队模型
一、单服务台模型
1、定义
2、队长的分布
二、几个重要的数量指标
1、平均队长
2、平均排队长
3、平均逗留时间
4、平均等待时间
5、重要关系
6、忙期和闲期
平均逗留时间等于平均忙期
https://blog.csdn.net/VFDGDFFDFDGFD/article/details/76854245
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
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