Modelarea cozilor de ateptare

Procese Poisson

Baza teoretic a modelrii cozilor de ateptare o constituie o clas particular de procese stochastice, procesele
Poisson. In continuare se vor prezenta proprietile lor eseniale. Se consider de asemenea eveniment care se
produce prima dat la t = 0 i apoi se repeta la momente aleatoare de timp Tn. Se consider dintre 2 evenimente
consecutive S = Tn Tn-1 sunt variabile aleatoare independente, identic distribuite, avnd funcia de repartiie
F(x). In cazul proceselor Poisson, aceasta este dat de distribuia exponenial.

F ( x ) 1 e x , x 0;

Printre principalele proprieti ale acesteia se pot aminti:

1) densitatea de repartiie:
dF ( x )
f ( x) e x ;
dx
2) sperana (media statistic):

1
E{S}= xf ( x) dx ;
0

3) variaia (dispersia):

1
var(S ) E{S 2 } [ E{S}]2
2
4) lipsa de memorie: durata de timp pn la producerea urmtorului eveniment; independent de momentul
observaiei, i deci de timpul scurs de la producerea ultimul eveniment. Ca o consecin se poate observa c:
probabilitatea producerii unui eveniment n intervalul (t, t + h) este h;
probabilitatea producerii a mai multor evenimente n acelai interval de timp estimativa
Valoarea A se numete rata procesului Poisson i reprezint numrul mediu de evenimente produse n unitatea de
timp (sau probabilitatea producerii unui eveniment intervatul (t, t + 1)), iar l/ este durata medie dintre 2
evenimente;

5) reuniunea: dac I este reuniunea unui numr finit de intervale de timp disjuncte de lungimi t1, t2, ..., tn, iar K
este numrul de evenimente produse in intervalul I, generate de un proces Poisson cu rata A, atunci are o
distribuie exponenial cu parametrul (t1 + t2 + ... + tn);
6) superpoziia: dac Aa, A2,..., An sunt procese Poisson avnd ratele 1, 2, ..., n, atunci superpoziia lor
este de asemenea un proces Poisson avnd rata 1 + 2 + ... + n;
7) recompoziia: dac A este un proces Poisson de rat care este descompus n procesele B1, B2, ..., Bn prin
atribuirea fiecrui eveniment din A lui B, cu probabilitatea qi, atunci Bi sunt de asemenea procese Poisson
independente, avnd ratele qi .
8) momentul producerii evenimentului Tn este o variabil aleatoare avnd distribuie Eriang:

n 1
( x ) k x
Fn ( x) 1 e ;
k 0 k!
9) numrul de evenimente Kt produse n intervalul de timp (0, t] este variabila aleatoare discret avnd
distribuie Poisson:
( x ) k x
pk=P(Kt=k)= e
k!

Lanuri Markov
1. Consideraii teoretice
Acestea sunt procese stochastice caracterizate prin urmtoarea proprietate foarte general. Dac starea
procesului la un moment dat este cunoscut, atunci evoluia lui ulterioar este independent de strile anterioare.
n continuare se vor considera numai procesele cu stri discrete S = {0, 1, ...}. Dac i variabila timp este
discretizat (procesul este observat la momentele 0, 1, ...), atunci se numete lan Markov.
Considernd strile i i j, probabilitatea de tranziie qi,j reprezint probabilitatea trecerii din starea i n starea
j. Dac aceste probabiliti nu depind de momentul observaiei atunci lanul se numete omogen. Un lan Markov
poate fi deci caracterizat prin matricea:

q0 , 0 ... ...
... ...
Q = q1, 0
... ... ...

cu proprietatea evident c suma pe fiecare linie este 1.

Grafic, un lan Markov poate fi reprezentat printr-un graf orientat, ale crui noduri reprezint mulimea
strilor iar arcele sunt ponderate cu probabilitile: de tranziie nenule. Dac, fiind n starea i, lanul poate ajunge
n starea j, aceasta se numete accesibil.
Dac toate strile sunt accesibile (oricare stare este accesibil din oricare alt stare) lanul este ireductibil, in
termenii reprezentrii grafice aceasta revine la condiia ca graful asociat s fie conex. .
O stare este recurent dac, o dat ce a fost atins (vizitat), ea va fi atins din nou. Dac intervalul de timp
dintre 2 "vizite" succesive este finit, atunci starea este recurent nenul; n caz contrar (interval infinit ntre 2
vizite) starea este recurent nul. Proprietile introduse pentru o stare pot fi extrapolate pentru ntreg lanul
ntruct dac o stare are (sau nu) o anumit proprietate, atunci toate strile vor avea (sau nu vor avea) roprietatea
respectiv.
Fie pj probabilitatea staionar, respectiv probabilitatea ca dup un numr mare de tranziii sistemul s se
gseasc n starea j, indiferent de starea iniial. Condiiile de existen i modul de determinare a acestor mrimi
este una din problemele fundamentale ale lanurilor Markov. Ele sunt exprimate de ctre urmtoarea teorem: un
lan ireductibil avnd spaiul strilor S este recurent nenul dac i numai dac sistemul de ecuaii:

p j pi qi , j , j S (5. 1)
iS

p
jS
j 1; (5. 2)

are soluie. Aceast soluie (dac exist) este unic; ea poate fi determinat ntotdeauna dac mulimea S este
finit Ecuaia (5.2) va fi numit n continuare condiia (ecuaia) de normalizare a probabilitilor.

2. Aplicaii practice

Exemplul 1
Se consider o magistral care poate avea 2 stri: liber (0) sau ocupat (1). Dac este liber (ocupat) la
momentul (n), ea va fi liber (ocupat) la momentul (n + 1) cu probabilitatea 0.9 (0.7). S se determine
probabilitatea Btaionar ca magistrala s fieliber (ocupat).
Matricea probabilitilor de tranziie este:
0.9 0.1
Q=
0.3 0.7
Deoarece graful este conex lanul este ireductibil i sistemul de ecuaii (5.1, 5.2) capt forma:

p0=0,9pi+0.3p1 p1=0.1p0+0.7p1 p0+ p1 =1

cu soluia p0 = 0.75 i pi = 0.25. Deci probabilitatea ca magistrala s fie liber (ocupat) este 0.75 (0.25).

Exemplul 2
 Se consider un buffer care are capacitatea de N instruciuni. Intr-o unitate de timp o nou instruciune poate
fi memorat n buffer (dac acesta nu este plin) cu probabilitatea . De asemenea, ntr-o unitate de timp, buffer-
ul poate fi golit complet cu probabilitatea . Dac cele 2 operau au loc simultan (n aceeai unitate de timp)
nti se execut introducerea i apoi extragerea. S se determine numrul mediu de instruciuni din buffer.

Graful asociat lanului Markov pentru 1 Graful asociat lanului Markov pentru 2

Considernd c starea (n) semnific prezena a n instruciuni in buffer, graful asociat lanului Markov este
cel din figura 2. Ecuaiile Markov sunt date de:

p0 1 1 p1 p 2 .... p N
p1 1 p o 1 1 p1
...
p N 1 1 p N 2 1 1 p N 1
p N 1 p N 1 1 p N

Prin eliminri succesive se obine:

p j j p 0 ; p N 1 / N 1
p0
Unde:
1

1 1 1
Din ecuatia de normalizare a probabilitatilor se obtine:

p0
1 1 1 1
Numarul mediu de instruiuni din buffer va fi dar de:

N
N N 2 N 1 N 1
L jp j
j 1 1 2

Procese Markov

1. Consideraii teoretice
Acestea sunt procese stochastice avnd mulimea strilor S discret iar variabila timp, continu. Cu alte
cuvinte, trecerea dintr-o stare n alta, i implicit timpul ct st procesul ntr-o stare oarecare sunt variabile
aleatoare. Evoluia unui astfel de proces este urmtoarea: ajuns n starea i procesul rmne n aceast stare o
perioad de timp (aleatoare) exponenial distribuit (cu rata i ) dup care trece n starea j (nu neaprat
consecutiv lui i), cu probabilitatea qi,j spre deosebire de lanul Markov un proces nu poate trece n aceeai stare.
Conexiunea imediat ntre procesele Markov i distribuia exponenial este dat de ipoteza c intervalele de
timp ntre evenimentele care determin tranziia rstemului dintr-o stare n alta sunt variabile aleatoare cu
distribuie exponenial. Se introduce mrimea:
ai,j= i qi,j , i,j=0, 1, ...
numit rat instantanee de tranziie, avnd urmtoarea semnificaie: dac procesul se gsete n starea i la
momentul t, iar h este un interval mic de timp, probabilitatea ca la momentul (t + h) procesul s fie n starea j
este dat de ai,j h.
Reprezentarea grafic a proceselor Markov este similar cu cea a lanurilor, cu deosebirea c arcele grafului
sunt ponderate cu coeficienii ai,j.
Se poate construi matricea generatoare A = [ai,j] n care elementele de pe diagonala principal se aleg
ai,i=- i ceea ce implic faptul c sumele pe liniile Iui A sunt nule.
Se observ c, dac se neglijeaz momentele de timp n care au loc tranziii dintr-o stare in alta, secvena
strilor vizitate reprezint un lan Markov, care se spune c este inclus n procesul Markov corespunztor. Se
spune c procesul are atributele de ireductibilitate i recuren dac lanul inclus prezint aceste proprieti. n
consecin teorema fundamental a proceselor Markov privind existena probabilitilor staionare se formuleaz
astfel: un proces ireductibil avnd mulimea strilor S i matricea generatoare A este recurent nenul dac i
numai dac sistemul:
a
iS
j ,i p j ai, j pi , i j
iS
(5. 3)

p
iS
i 1 (5. 4)

are soluie. Aceast soluie, dac exist, este unic i reprezint distribuia staionar a procesului considerat,

2. Aplicaii practice

Exemplul 1
Se va considera varianta continu a exemplului precedent; instruciunile sosesc la buffer cu o distribuie
exponenial avnd rata . Dac o instruciune gsete buffer-ul plin este pierdut. Intervalele de timp la care
buffer-ul este golit (complet) sunt de asemenea distribuite exponenial cu rata . S se determine probabilitile
staionare ale procesului.

Graiul asociat procesului Markov pentru exemplul 1

Graful asociat acestui proces este prezentat in figura, iar ecuaiile (5.3,5.4) capt forma:

p 0 p1 p 2 ... p N
p1 p0
p 2 p1
... p N p N 1
p 0 p1 ... p N 1

Soluia este dat de:

j N

p j , j= 0, 1, ..., (N-1) p N

Exemplul 2
O reea conine 4 uniti; ele pot lua legtura ntre ele la intervale de timp aleatoare, exponenial distribuite
cu parametrul . Durata unei legturi este o variabil aleatoare cu repartiie exponenial i parametrul . S
se determine numrul mediu de legturi n regim staionar.
 Ca descriptor de stare se va considera numrul de legturi existente la un moment dat; evident, mulimea
strilor va fi S={0,1,2}. In starea 0 nu s-a stabilit nici o legtur; oricare staie poate iniia o legtur cu
probabilitatea . ntruct sunt 4 staii, probabilitatea de trecere n starea 1 este 4 . In starea 1 exist o legtur
(2 staii ocupate) i 2 staii libere. Oricare dintre ele poate iniia o legtur cu probabilitatea (probabilitatea
total 2 ) dar aceasta se va stabili numai dac este adresat unei staii libere (probabilitate 1/3). Exist ns i
posibilitatea ntoarcerii n starea 0 dac legtura existent se ntrerupe (probabilitate ). In starea 2 sunt 2
legturi n desfurare; oricare dintre ele se poate ntrerupe, deci ntoarcerea n starea 1 se face cu probabilitate 2
.
Graful asociat procesului este prezentat n figura iar ecuaiile regimului staionar sunt:

4p 0 p1
p1 2 / 3p1 4po 2p 2
2 p 2 2 / 3p1

Graful asociat procesului Markov din exemplul 2 Graful asociat procesului Markov din exemplul 3

la care se asociaz ecuaia de normalizare:

p 0 p1 p 2 1
Soluia este dat de:

p 0 1 4 / 42 / 3 2 1
p1 4p 0 / p 2 42 p 0 / 3 2

Exemplul 3
ntr-un sistem de calcul, un program trebuie sa parcurg N etape succesive pentru a fi executat complet.
Duratele execuiilor fiecrei faze sunt variabile aleatoare exponenii distribuite avnd rata . Dup execuia
unei faze se trece la faza urmtoare cu probabilitatea sau este respins; un program ajuns n faza N nu mai
poate fi respins. Un program respins sau unul care a fost terminat va fi nlocuit imediat cu unul nou care ncepe
cu faza 1.
1. S se calculeze probabilitile staionare ale procesului.
Graful asociat' procesului este cel din figura 5.5

Ecuaiile Markov capt forma:

p1 1 p 2 1 p 3 ... 1 p N
1 p 2 p 2 p1
... 1 p N 1 p N 1 p N 2
p N p N 1
p 0 p1 ... p N 1

avnd soluia: pj j 1
1 / j 1 , j=1, 2..., N
Cozi M/M/l

1. Consideraii teoretice
Acestea se ncadreaz ntr-o clas special de procese stochastice numite procese de natere-moarte la care
singurele tranziii admise din starea i sunt n strile (i -1) sau (i +1). La procesele M/M/l cererile sosesc n sistem,
ateapt la coad (dac este necesar), sunt satisfcute de server i prsesc sistemul. Se evideniaz urmtoarele
caracteristici:
sosirea cererilor este un proces stochastic de tip Poisson cu rata
timpii de satisfacere a cererilor sunt variabile aleatoare avnd repartiie exponenial cu parametrul
n sistem este prezent un singur server

Aceste procese sunt cozile de tip M/M/l: sosiri Markov / plecri Markov / 1 server. Se consider N(t) numrul
de cereri prezente n sistem la momentul t (inclusiv cea n curs de serviciu); evident, N(t) este un proces Markov
avnd mulimea strilor S = {0, 1, 2,...}i are graful asociat prezentat n figura 5.6

Ecuaiile de regim staionar sunt:

p 0 p1
p1 p 0 p 2
... p j 1 p j 2 p j
care adunate conduc la:
p j 1 p j
Introducnd noiunea de factor de ncrcare a sistemului: / relaia precedent conduce la:
p j p j 1 ... j p 0

Condiia de normalizare a probabilitilor devine: p 0 1
j

j 0

Aceasta serie geometric este convergent numai daca p < 1, n care caz se obine:
p0 1 (5.5)
iar distribuia staionar a numrului de cereri n sistem este:
p j j 1 (5.6)
Principalele mrimi caracteristice pentru astfel de sisteme sunt:
1) factorul de utilizare a serverului U - reprezint fraciunea de timp ct serverul este ocupat (probabilitatea ca
serverul s fie ocupat):
U 1 p 0 i (5.7)

2) numrul mediu de cereri n sistem L:

L jp j / 1 (5.8)
j 1

3) numrul mediu de cereri n coad Q rezult din relaia:

L=Q+U
i deci:
Q = L - U = 2 / 1 (5.9)

4) timpul mediu de rspuns W reprezint timpul mediu pe care l petrece o cerere ateptnd n coad, la care se
adaug timpul mediu de serviciu:

W j 1 p j / 1 / (5.10)
j 1

5) timpul mediu de ateptare n coad Wq (excluznd timpul de serviciu):

WQ W 1 / / (5.11)

6) probabilitatea de a fi cel puin k cereri n sistem: p k p j k (5.12)
j k

Observaie important: legtura dintre numrul mediu de cereri in sistem (L) i timpul mediu de rspuns pentru o
cerere (W) este dat de teorema Little:
L = TW (5.13)
unde T - reprezint numrul mediu de cereri sosite n coad in unitatea de timp. Dac rata de sosire a cererilor n
sistem ( ) este constant i toate cererile sosite se aeaz la coad, atunci T = ; n caz contrar se va utiliza
pentru T valoarea E{ }.

2. Aplicaii practice

Exemplul 1
La o resurs comun sosesc cereri cu o medie de 20 cereri/ora. Timpul mediu de serviciu pentru o cerere este 2.5
min. S se calculeze:
a) probabilitatea ca resursa (serverul) s fie ocupat;
b) timpul mediu de ateptare a unei cereri n coad;
c) probabilitatea ca mai mult de 4 cereri s atepte serviciul;
d) probabilitatea ca o cerere s atepte n coad mai mult de 15 min.
e) care trebuie, s fie timpul mediu de serviciu pentru ca timpul mediu de ateptare n coad s fie de 10 min.
- rata de sosire a cererilor n coada este constant: = 20/60 = 1/3 [cereri/min]
- rata-de serviciu a cererilor este constant: - =1/2.5 = 0.4 [cereri/min];
- factorul de ncrcare a sistemului: = / = 5/6 < 1 deci sistemul este recurent nenul.
a) U = = 0.833.
b) WQ = / = 12.5 min.
c) probabilitatea s fie cel puin 5 cereri n coad i una n serviciu:

p 6 p 6 6 =(5/6)6
j 6

d) innd seama de distribuia exponenial a timpului de sosire i al celui de serviciu, se obine pentru funcia
de distribuie a timpului de ateptare n coad formula:
F (t ) 1 e (u ) t
i se obine:
p 15 1 p ( 15) 1 F (15) 5 /(6e)
e) WQ = 10 / = 10 30 2 - 10 - 1= 0 cu soiuia = 5/12, i deci 1 / = 2.4 min.

Exemplul 2
Se consider un canal de comunicaii la care sunt conectate N surse identice, independente, care emit mesaje
cu frecven aleatoare, exponenial distribuit i rata = 2 mesaje/sec. Timpii de transmisie sunt variabile
aleatoare, exponenial distribuite cu media 25 msec. Sa se determine numarul maxim de surse N astfel incat
timpul mediu de raspuns sa fie de maxim 100msec.
Conform principiului superpozitiei, cele N surse pot fi considerate ca un proces Poisson avand rata:
N
i 2 N
i 1
Deoarece 1/ =0.025 si deci =40 conditia W 0.1devine 1/ 0.1 si deci N 15

Exemplul 3
Se consider o coad M/M/1 cu "descurajare": o cerere sosit i care gsete j alte cereri n sistem se va aeza
la coad cu probabilitatea l/(j + 1) i va renuna cu probabilitatea j/(j + 1).
Graful procesului este prezentat n figura 5.7, unde este rata procesului Poisson care modeleaz sursa
emitoare de cereri.
Ecuaiile Markov pentru acest proces capt forma:
p 0 p1
/ 2 p1 p 0 p 2
... / j p j 1 ( j 1) p j 2 p j
care prin nsumare conduc la: p j ( / ) p 0 / j
j

Din condiia de normalizare: p
j 0
j

Se obtine: p
j 0
0 ( / ) j / j! p 0 e / =1 i deci: p 0 e /
/
i p j ( / ) e
j
/j
care reprezint o distribuie (discreta) Poisson.
Celelalte mrimi caracteristice se obin imediat:
- factorul de utilizare a serverului:
U 1 p 0 1 e /
- numrul mediu de cereri n sistem:

L jp j /
j 1

- deoarece numrul mediu de cereri care se aeaz la coad nu este constant, pentru aplicarea teoremei Little se
va determina valoarea medie:

k

1 ( / )
T=E{ k }= k p k e (1 e / ) ;
k 0 k 0 k 1 k!

- din teorema Little se obine timpul mediu de rspuns pentru o cerere (W):

W L /T .
(1 e / )
2

Cozi M/M/n

1. Consideraii teoretice

Se va considera o generalizare a cazului precedent, presupunnd existena a n serveri, identici i independeni.

Celelalte ipoteze se consider n continuare valide:
- procesul de sosire a cererilor este de tip Poisson, cu rata ;
- exist o singur coad comun la care se ateapt in ordinea sosirii;
- timpii de serviciu sunt exponenial distribuii cu parametrul pentru toi serverii.
Se remarc c N(t), numrul de cereri n sistem la momentul t, este un proces Markov ireductibil avnd
mulimea strilor S = {0, 1, 2, ...}. Rata instantanee de tranziie din starea j n starea (j + 1) este constant i egal
cu rata sosirilor . Deci T = in teorema Little.
Pentru a determina rata de trecere din j n (j - 1) se vor considera 2 cazuri:
a) dac j < n toate cererile existente n sistem sunt in serviciu. Deoarece fiecare serviciu se termin ntr-un
interval de timp h cu probabilitatea /i, probabilitatea de a exista o plecare din sistem este j h. Considernd
un interval unitar de timp rezult c rata instantanee de tranziie din j n (j - 1) este j ;
b) dac j > n toi serverii sunt ocupai i rata instantanee de tranziie este independent de j, fiind n . Rezult
deci c: j min( j , n )

Cu aceste observaii, diagrama strilor are aspectul din figura 5.8 i ecuaiile regimului staionar sunt:
p 0 p1
p1 p 0 2p 2
... n p j p j 1 np j 1 , j n
Adunnd primele n relaii i, distinct, celelalte ecuaii se obine:
p ( j ) p j p / j! , 0
daca j=0, 1, ... , (n-1)

p p0 /( n!n j n ) daca j n
j

unde p = / este factorul de ncrcare a sistemului. Din condiia:



p
j 0
j 1

se obine:
n 1 p j
p
i

p 0 1 care conduce la o valoare nenul pentru p0 numai dac p < n ceea ce reprezint
j 0 j! i n n!
condiia ca sistemul s nu fie saturat. In aceast situaie se obine: ,.

p j
n
p0
j 0 j! n 1! n
- numrul mediu de serveri ocupai S este obinut din relaia:
n
S kp k n p k ;
k 1 k n
- gradul de utilizare a setului de Berveri U:

U S / n / n 1;

- probabilitatea q ca o cerere s stea la coad ('deci probabilitatea s existe cel puin alte n cereri n sistem):

n
q p n p j p 0 ;
j n n 1! n
- numrul mediu de cereri n sistem L:

L jp j (1 q /( n ))
j 1

- timpul mediu de rspuns W:

W 1 / T L / 1 / q / n

- timpul mediu de ateptare n coad WQ:

W Q W 1 / q / n

- numrul mediu de cereri n coad Q:

Q TWQ WQ q / n

Aplicaii practice

Exemplul 1
Se consider un sistem M/M/l avnd parametrii i i care se nlocuiete cu un sistem M/M/2 n care
fiecare din cei 2 serveri este de 2 ori mai lent (parametrii fiind deci i ). S se compare cele 2 sisteme pe
baza numrului mediu de cereri n sistem (L). Pentru primul sistem se calculeaz imediat:

L1 /(1 ) /

Pentru cel de-al doilea se determin succesiv:

1 pj 2 2
p 0
j 0 j! 2 2

p 2 (2 ) 2 2 4p
q L2 1
2 2 2 2 2 4 p
2
Cu observaia c pentru cazul M/M/2 factorul de ncrcare este dat de:

2

/ 2
se obine:
2
L2
2 2
Deoarece

L2 L1 /( ) >0

Rezi L2 L1 i deci sistemul cu 2 servere este mai puin eficient dect cel iniial.

Exemplul 2
Se va considera un sistem cu mai muli serveri caracterizat prin = 15.9; = 5.4; n = 3. S se determine
mrimile caracteristice definite anterior:

- factorul de ncrcare a sistemului:

/ 15.9 / 5.4 2.944444
- probabilitatea ca sistemul s fie gol:
p 0 1 2 / 2 3 /(2(3 p )) 0.004204
numrul mediu de serveri ocupai:
S= =2.944444
- gradul de utilizare a setului de serveri:
U=S/3=0.981491
- probabilitatea ca o cerere s stea la coad:
3
q p0 0.965172
2(3 )
- numrul mediu de cereri n sistem:
L q (1 q /( n )) 54.098511
- timpul mediu de rspuns:
W L / 3.402422
- timpul mediu de ateptare n coad:
WQ W 1 / 3.217237
- numrul mediu de cereri n coad:
Q WQ 51.154066

Laborator 9 - Simularea Sistemelor cu Evenimente Discrete modelate prin, procese stochastice

ir de ateptare cu un singur executant

La o agenie de turism sosesc clieni, intervalul ntre sosiri fiind distribuit exponenial, cu parametrul .
Agentul servete primul client care urmeaz in irul de ateptare, timpul de servire al unui client fiind o variabil
aleatoare distribuit exponenial, cu parametrul = 2h-1.
a) Care este eficiena agentului n sezonul de iarn cnd n medie exist doi clieni pe zi? Dar n sezonul de
var, cnd n medie sosesc 50 clieni pe zi ? b) Ct este timpul mediu de ateptare al unui client? c) Dorina
clienilor de a se aeza n irul de ateptare este influenat de numrul de clieni ateptnd in sistem. Analizai
pierderea medie datorat renunrii unor clieni, n urmtoarele situaii:

a) Probabilitatea ca rin nou client sosit s se aeze n ir este invers proporional cu numrul de clieni deja
existeni;
b) Un client nou sosit renun daci gsete n sistem mai mult de 5 clieni;
c) Un client nou sosit renuna dac gsete mai mult de doi clieni?

Simularea sistemului se va realiza trasnd evoluia sistemului n timpul continuu t al simulrii, prin luarea n
considerare a evenimentelor semnificative. Exist dou tipuri de evenimente semnificative:
1. Sosirea unui nou client. Dac noul client hotrte s se alture cozii i dac este acceptat de ctre coad,
sosirea clientului va fi considerat eveniment semnificativ. Cnd timpul curent al simulrii t va fi setat la
momentul acestei sosiri tA se va putea calcula momentul urmtoarei sosiri tA tA + X unde X este distribuit
exponenial.
2. Terminarea servirii primului client din coad. Cnd timpul curent al simulrii t va fi setat la momentul
terminrii, tD, se va putea calcula momentul urmtoarei terminri, dac n coad mai erau i ali clieni, timpul de
servire, Y, fiind exponenial distribuit tD tD + Y.

Convenim s realizm simularea observnd n timp monoton cresctor coada (nu vom ea voie s ne ntoarcem
n timp pentru a considera i evenimente neglijate). Intr-un moment oarecare t, urmtorul eveniment semnificativ
este fie sosirea unui nou lent, fie terminarea unei serviri. Construim o list de evenimente care s arate ce tip
eveniment urmeaz (sosire, plecare sau ambele). Lista de evenimente va fi analizat ii modificata pn cnd n
ea nu mai rmne dect evenimentul nuli. La fiecare pas de analiz a listei se vor face actualizrile indicate n
organigrama din figur.

clear

Variabila:
% t - variabila timp curent
% Na- numrul do sosiri pina la t
% Nd- numrul de plecri pina la t
% n - numrul de client! in sistem
% Ev.tA - timpul urmtoarei sosiri
% Ev.tD - timpul urmtoareiplecri
% Variabile colectata:
% A (Na) - timpul la care ara loc a'
% Na- a sosire
% D(Nd) - timpul la care are loc a Nd - a plecare
% ns(Na)- numrul de lucrri in sistem la sosirea a Na-a
% Seteaz rand('uniform')

lamda=6; % Timpul mediu intre doua sosiri este 1/6 ore

min=7 % Timpul mediu de serviri este 1/7 ore

Lista de
evenimente
T=8 ore % Durata zilei de lucru este 8 ore
% Itereaza pentru nz zile de lucru
nz=l;
for izi=l:nz .

%lnitializare
T=0; Na=0; Nd=0; n=0; Ev_tA=0; Ev_tA=0;
X=-log(rand(l,l))/lambda;
tA=X;
if (Ta<T),
Ev_tA=tA;
while ( sum(size(Ev_tA)) + sum(size(Ev_tD))),
% Testeaz listele de evenimente
% Ev_tA, Ev_tD, A, D, ns
%pause

% Cazul 1 Este ateptata o lucrare dar nu mai exista

% nici o lucrare neprocesata
if ((sum(size(Ev_tA))==2) & (sum(size(Ev_tD))==0))
% ne mutam in momentul urmtoarei sosiri
T=Ev_tA; n=n+l; Na=Na+1; A(Na)=t; ns(Na)=n;
X=-log(rand(l,l))/lambda; tA=t+X;
Y=log(rand(l,l))/miu; tD=t+Y;
if (tA<=T), Ev_tA=tA; Ev_tD=tD;
else Ev_tA=0; Ev_tD=tD; end %if tA<=T
end % end if cazul 1

% Cazul 2 Exista sosiri necolectate si sosiri

% neprelucrate (n>0)
if ((sum(size(Ev_tA))==2) & (sum(size(Ev_tD))==2))
if (Ev_tA<=Ev_tD)
% Ne mutam in momentul urmtoarei sosiri
t=Ev_tA; n=n+l; Na=Na+l; A(Na)=t; ns(Na)=n;
X=-log(rand(l,l))/lambda; tA=t+X;
if (tA<=T), Ev_tA=tA;
else Ev_tA= 0 end %if tA.
else % Ev_tD<Ev_tA
% Ne mutam in momentul terminrii executiei curente
t=Ev_tD; n=n-1 Nd=Nd+l; D(Nd)=t;
if (n>0).
Y=-log(rand(i,i))/miu; tD=t+Y;
Ev_tD=tD;
else Ev_tD=0;
end % end if n>0 (
end % end if Ev_tA<*Ev_tD
end % end if cazul 2
% Cazul 3 Nu mai exista sosiri necolectate, dar
% exista cel puin o sosire neprocesata
% care se executa acum
if ((sum(size(Ev_tA))==0) A (sum(size(Ev_tD))==2))
% Ne mutam in momentul terminrii execuiei curente
t=Ev_tD; n=n-1 Nd=Nd+1; D(Nd)=t;
if (n>0),
Y=-log(rand(i,i))/miu; tD=t+Y;
Ev_tD=tD;
else Ev_tD=0;
 end % end if n>0"
end % end if cazul 3
end % Bhile
end % if t<T
end % for izi

subplot(211)
hh=i:length(A);
h=length(A);
plot(hh,A,hh,D,hh,D-A)
ylabel('A(i).D(i).D(i)-A(i)')
xlabel('i')

Ai=A-[0 A(l:(h-1))]; % Vectorul timpilor dintre doua sosiri

med_timpi_sosiri=mean(Al)
dev_stand_timpi_sosiri=std(Al)

% Comparai cu valorile teoretice (1/lambda)

med_timpi_raspuns=mean(D-A)
dev_stand_timpi_rasp=std(D-A)

subplot(212)

plot(0,O.A(h), max(ns)+i,A,ns,'w-')

xlabel ('timpii sosirilor')

ylabel ('numarul de clienti in sistem')