Асимптотический анализ многопоточной гетерогенной смо в условии предельно редких изменений состояний управляющей входящими потоками цепи маркова

Обложка

Цитировать

Полный текст

Аннотация

В настоящее время многомодальные системы набирают популярность с развитием многомодальных интерфейсов. Многомодальные потоки представляют собой интегрированные разнотипные потоки, включающие передачу голоса, текстовых данных и видео, поэтому для их описания логично применять непуассоновские модели. В качестве математической модели многомодальной обслуживающей системы рассматривается многопоточная система массового обслуживания с потоками, меняющими свою интенсивность в зависимости от состояний марковской случайной среды. Поступающие требования различных потоков обслуживаются в течении экспоненциально распределенного случайного времени с параметрами, определяемыми типом потока. Ставится задача исследования многомерного марковского процесса числа занятых приборов в системе в стационарном режиме. Используя свойства характеристических функций, получены выражения для нахождения допредельных значений основных вероятностных характеристик числа занятых приборов каждого типа. Асимптотическое исследование проводится в условии предельно редких изменений состояний среды. Получен вид многомерной асимптотической характеристической функции. Полученное асимптотическое распределение является многомодальным, так как имеет несколько локальных максимумов, что имеет принципиальное значение для применения результатов на практике. Доказано, что одномерные (маргинальные) стационарные распределения вероятностей числа занятых приборов каждого типа являются взвешенными суммами пуассоновских распределений. Проведен численный анализ области применимости полученной аппроксимации.

Об авторах

Светлана Петровна Моисеева

ФГАОУ Национальный исследовательский Томский государственный университет

Email: smoiseeva@mailt.ru
Томск

Екатерина Владимировна Панкратова

ФГБУН Институт проблем управления им. В.А. Трапезникова РАН

Email: pankate@gmail.com
Москва

Список литературы

  1. БАСОВ О.О., ПАКУЛОВА Е.А., САИТОВ И.А. Методо-логические основы построения интеллектуальных инфо-коммуникационных систем. – Орёл: Академия ФСО Рос-сии, 2020. – 272 с.
  2. ВИШНЕВСКИЙ В.М., ДУДИН А.Н., КЛИМЕНОК В.И. Сто¬хастические системы с коррелированными потока-ми. Теория и применение в телекоммуникационных се-тях. – М.: Рекламно-издательский центр "ТЕХНОСФЕ-РА", 2018. – 564 с.
  3. ГОРБАТЕНКО А.Е. Асимптотики произвольного поряд-ка для системы МАР|GI|∞ в условии растущей интен-сивности входящего потока // Вестник Томского госу-дарственного университета. Управление, вычислитель-ная техника и информатика. – 2010. – №2(11). – С. 35–43.
  4. МАТВЕЕВ Ю.Н. Технологии биометрической идентифи-кации личности по голосу и другим модальностям // Вестник Московского государственного технического университета им. Н.Э. Баумана. – 2012. – №3(3). –С. 5.
  5. НАЗАРОВ А.А., МОИСЕЕВА С.П. Методы асимптоти-ческого анализа в теории массового обслуживания. – Томск: Изд-во НТЛ, 2006. – 112 с.
  6. НАУМОВ В.А., САМУЙЛОВ К.Е. О моделировании си-стем массового обслуживания с множественными ре-сурсами // Вестник РУДН. Серия: Математика, информа-тика, физика. – 2014. – №3. – C. 60–64.
  7. ЭЛЬСГОЛЬЦ Л.Э. Дифференциальные уравнения и вари-ационное исчисление. – М.: Наука, 1969. – 424 с.
  8. LUCANTONI D.M. New results on the single server queue with a batch Markovian arrival process // Stochastic Models. – 1991. – Vol. 7. – P. 1–46.
  9. NEUTS M.F., He Q.-M. Markov arrival process with marked transitions // Stochastic Processes and Applications. – 1998. – Vol. 74. – P. 37–52.
  10. SINGH V.P. Markovian queues with three heterogeneous servers // AIIE Transactions. – 1971. – Vol. 3 (1). – P.45–48.
  11. SINGH V.P. Two-server Markovian queues with balking: Heterogeneous vs. homogeneous servers // Operations Re-search. – 1970. – No. 18(1). – P. 145–159.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».