Орлова Анастасия Андреевна

Известно, что при исследовании систем массового обслуживания в основном рассматриваются системы с ожиданием и системы с потерями. Наблюдается также возрастающий интерес к системам с источником повторных вызовов, так называемых RQ-системах (Retrial Queuing System) [1]-[3]. Однако, в большинстве работ практически все внимание уделяется именно самой СМО, полагая что входящий поток является марковским и чаще всего – простейшим. В реальных системах входящий поток далеко не всегда является марковским и тем более простейшим. В данной статье рассматривается система с коррелирующим потоком заявок, описываются различные модели поведения системы при обработке неоднородного потока заявок и предлагаются результаты моделироваия в разработанной системе имитационного моделирования.

В данной статье рассматриваются различные способы обработки коррелирующего входного потока заявок в немарковской системе массового обслуживания. Сформулированы требования к подсистеме имитационного моделирования немарковской СМО, обеспечивающей обработку неоднородного потока. Формализована заявка и входной поток системы. Отдельно рассмотрена задача генерации входного потока заявок и его разупорядочивание. На основе реальной системе построен граф связей заявок, который лег в основу экспериментов с различными способами обработки заявок. Проведены эксперименты в зависимости от таких параметров как: среднее время генерации заявки и среднее время обработки заявки. На основе результатов моделирования сделаны выводы о плюсах и минусах каждого способа.

Дисперсионный анализ используется для оценки значимости факторов, влияющих на проведение эксперимента, его основной целью является исследование значимости различия между средними показателями. В статье так же приведена классификация видов дисперсионного анализа. Методы дисперсионного анализа реализованы во многих программных продуктах, работающих со статистикой, например в таких, как GPSS World, SPSS Statistic, AnyLogic. В GPSS World дисперсионный анализ представлен библиотечной процедурой ANOVA, в AnyLogic – в процедуре оптимизации стохастических процессов, в SPSS отдельным функционалом General Linear Model. C помощью ANOVA проверяется гипотеза об отсутствии влия­ния фактора. Для проверки гипотезы используется F- распределение Фишера.