Академический Документы
Профессиональный Документы
Культура Документы
On va essayer de lever les contraintes de l'analyse oprationnelle avec les files d'attente. On peut reprsenter un systme par un ensemble de files d'attente, chaque file modlisant une ressource par exemple. Une file d'attente est dfinit par :
La suite des instants d'arrives des clients La suite des temps de service des clients La disciple de service qui donne l'ordre dans lequel seront servi les clients. La capacit de la file Le nombre de serveurs Population totale de clients (rare)
Notation de Kendall
Avec :
M : loi exponentielle (Markovienne) D : loi constante Ek : loi Erlang-k Hk : loi hyper-exponentielle ordre k GI : loi gnrale indpendante G : loi gnrale
A : processus d'arrive S : processus de sortie C : nombre de serveurs K : capacit maximale de la file L : population de clients DS : discipline de service
FCFS : First Come First Serve (Preempt) LCFS : Last Come First Serve (Preempt) QUANTUM : Round Robin PS : Processor Sharing RANDOM PRIORITY
Rappelons que la loi de Little reste valable quelque soit la loi d'arrive, loi de priorit, temps de service, la condition qu'il existe un rgime stationnaire limite.
L=.R
Chane de Markov
Une chane de Markov est un systme qui peut prendre diffrents tats parmi un ensemble d'tats. Un processus de Markov suppose que la probabilit de passer d'un tat un autre ne dpend que de l'tat courant. Il n'y a pas mmoire du pass. Deux types de chanes sont considrer :
Chane temps discret o les transitions ne peuvent se produire qu' des instants prcis. Chane temps continu o les transitions peuvent se produire tout instant. Cependant, du fait de la proprit sans mmoire requise, le temps de sjour dans un tat est distribu exponentiellement.
Une chane de Markov est dite homogne si les probabilits de transition ne dpendent pas du temps, irrductible si tout tat est accessible partir de n'importe quel autre tat.
Auteur: PHAM Cong-Duc
Equation de Chapman-Kolmogorov
Pij (m,n) = ! Pik (m, q)Pkj (q,n)
k
! 0,5 0,2 0 0,3$ # 0 0 0,4 0,6& P=# 0 & # 0,5 0,5 0 & " 0 0 0,1 0,9% avec
Chane de Markov
' Pij = 1
i
Equation de Chapman-Kolmogorov
Pij (s,t) = ! Pik (s,u)Pkj (u,t)
k
Chane de Markov
"1 !"2 0 0
) Qij = 0
i
C'est un cas particulier de chane de Markov o seules les transitions d'un tat un tat voisin sont permises. On s'intresse au cas continu avec des taux de transitions. C'est le point de dpart de la thorie des files d'attente. On introduit les donnes suivantes :
k = taux de naissances quand la population est k k = taux de morts quand la population est k
!0
!1
!n-1
n-1
10
Rsultats
# !" 0 % 1 % 0 Q =% 0 % % 0 $ .
.& .( .( .( .( ( .'
11
Cas o
"! k = ! # $ k = 0
Les processus de Poisson se rencontrent souvent dans les phnomnes physiques et naturels. Gnralement, c'est le cas lorque les arrives sont produites par un grand nombre de sources indpendantes (entre d'un calculateur, central tlphonique...)
12
A partir de la distribution de Poisson, on peut en dduire la fonction de rpartition (PDF) et la fonction de densit (pdf).
PDF = A(t) = 1! e ! " t pdf = a(t) = " e! " t
C'est la loi exponentielle. Si le nombre d'arrives est un processus de Poisson, le temps inter-arrive suit la loi exponentielle. La loi exponentielle est dite sans mmoire, et c'est la seule. Par exemple le temps de sjour ne dpend pas du tout du temps de sjour pass.
13
Processus de Poisson
(! t)k " !t Pk (t) = e , k # 0,t # 0 k! Avec Pk (t) = P[k naissances pendant [0,t]]
E[X] = Var[X] = 1 !
Loi exponentielle
E[X] =
1 ! 1 !2
Var[X] = CCV = 1
14
La file M/M/1
1 serveur
15
Rsultats
!
Service exponentiel
"! k = ! # $ k =
%=
Arrives Poissonnienne
'
N = L = ( kPk = 1 R= (1 & % ) 1 S=
k=0
% 1&%
16
Exemple
17
Exemple - 2
Throughput
knee
cliff
throughput starts to decrease very fast to zero (congestion collapse) delay approaches infinity delay = 1/(1 U) Auteur: PHAM Cong-Duc
Delay
Load
Load
18
Arrives dcourages
Rsultats
"! = ! $ k k +1 # $ = % k
! &=
! k +1
Service exponentiel
Arrives Poissonnienne
N=& R=
N '1
& (1 ' P0 )
19
La file M/M/
Rsultats
"! k = ! # $ k = k
Arrives Poissonniennes
! %=
N &1
N=%
Services exponentiels
R=
Mme rsultat que pour les arrives dcourages ! Sauf que l'expression de R est plus simple.
20
La file M/M/m
Rsultats
$! k = ! ' % $ k ' k = % m & & 1" k "m k#m
Arrives Poissonnienne
! (= m
Services exponentiels
k"m P0 = k#m
m)1
21
La file M/M/1/K
Rsultats
! # '! k = # $ $ %0 ' = % k
k<K k"K 1& k & K
Service exponentiel K
! (= m
Arrives Poissonnienne
Pk = ( P0 1) ( P0 = (1 ) ( K +1 ) U = 1) P0 PK = Probabilit de rejet
22
( ( K+1 N= ) (K + 1) 1) ( 1 ) ( K +1
R= N ! (1) PK )
Exemple
23
Exemple - suite
24
La file M/M/m/m
Rsultats
# ! '! k = # $ $ %0 ' = k % k k<m k"m 1& k & m
Arrives Poissonnienne
! (=
Services exponentiels
(k Pk = P0 k! 1 P0 = m k ( ) k! k =0 U = 1* P0 Pm = Probabilit de rejet
25
La file M/G/1
Des temps de service exponentiels sont facilement manipulables mais sont difficilement applicables dans des cas concrets. La file M/G/1 permet l'utilisation de temps de service distribus selon une loi gnrale. Ce n'est plus un processus de naissance et de mort.
Par exemple si la dure du service est la constante S, et si le service du client prcdent est commenc depuis une dure H, au moment de l'arrive d'un client, on sait que ce dernier devra attendre pendant S-H. Ce qui se passera dans le futur dpend donc du pass par l'intermdiaire de H.
La file M/G/1 permet de lever les contraintes des temps de service exponentiels en gnralisant la notion de service.
26
La file M/G/1
Rsultats
Service de moyenne S S
bn = " t n h(t)dt
0
Arrives Poissonnienne
# ! # 1 + c 2 && % ( N = !%1 + $ 1" ! $ 2 ' ' R ! # 1 + c2 & % = 1+ S 1"!$ 2 ' W ! # 1 + c2 & % = S 1" ! $ 2 '
27
La file M/G/1/PS
La politique PS (Processor Sharing) est une allocation par quantum quand q->0 avec gnralement q<<S. On dmontre que :
! = "S
Pk = ! P0 P0 = 1 # ! U = 1# P0 = ! P[n > N] = ! N
k
N=
! 1# !
S (1 # ! )
R=
On retrouve les mmes rsultats que pour la file M/M/1. La politique PS tend donc effacer l'influence de la variance.
Auteur: PHAM Cong-Duc
28
Dans le modle multi-classes, plusieurs classes de clients avec des services diffrents peuvent coexister. Indexons les classes par i, on a :
$ &Ui = ! i = " i Si & %U = ! = # ! i & C " S = # i Si & ' i =1 " On dfinit par !
{i} i j=1
( ( 1+ ci2 + + # * !i Si * 2 , ) , i =1 ) 2 cs = .1 !S
C
Wi = Si
Wi =
s' il y a des classes de priorit dcroissante de 1 C sans premption s' il y a des classes de priorit dcroissante de 1 C avec premption et reprise.
# 1 + c2 & )! j S j % 2 j ( $ ' j =1
30
On a alors :
W="
!i Wi i =1 !
# Ri = Si + Wi % C $ ! R = S + W = " i Ri % ! &
i =1
# Ni = ! i Ri % C $ % N = ! R = " Ni & i =1
31