théorie de réseaux de files d’attente
DESCRIPTION
Théorie de Réseaux de Files d’Attente. Ramon Puigjaner Universitat de les Illes Balears Palma, Espagne. Université Paul Sabatier. Toulouse. INDICE. Introduction Types de réseaux Méthodes analytiques exacts Méthodes approchées. THÉORIE DES RÉSEAUX DE FILES D'ATTENTE. Introduction - PowerPoint PPT PresentationTRANSCRIPT
Théorie de Réseaux de Files
d’Attente
Ramon Puigjaner
Universitat de les Illes Balears
Palma, Espagne
Université Paul Sabatier. Toulouse
Université Paul Sabatier. Toulouse.
2
INDICE
Introduction
Types de réseaux
Méthodes analytiques exacts
Méthodes approchées
Université Paul Sabatier. Toulouse.
3
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction
Types de réseaux
Méthodes analytiques exacts
Méthodes approchées
Université Paul Sabatier. Toulouse.
4
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction La performance des systèmes informatiques est
caractérisée par plusieurs points de congestion à cause du partage des différentes ressources.
Il est trop restrictif et simpliste de représenter la performance du système par une seule station.
Il faut modeler explicitement les différents points de congestion du système. Le modèle résultant est un réseau de files d’attente.
Université Paul Sabatier. Toulouse.
5
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction Formellement un réseau de files d'attente est un
graphe orienté dont les nœuds sont les stations de service. Les arcs entre ces nœuds indiquent les transitions possibles des clients entre stations de service.
Les temps de transit entre stations sont toujours nuls.
Les clients que circulent à travers le réseau peuvent être de classes différentes.
Université Paul Sabatier. Toulouse.
6
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction
Types de réseaux
Méthodes analytiques exacts
Méthodes approchées
Université Paul Sabatier. Toulouse.
7
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux Réseau monoclasse: Tous les clients ont le même
(aléatoire) comportement. Tous les clients sont (statistiquement) indistinguibles.
Réseau multiclasse: Les clients de différente classe ont différentes caractéristiques de temps de service et/ou de parcoure à travers le réseau. Tous les clients d’une même classe sont (statistiquement) indistinguibles
Université Paul Sabatier. Toulouse.
8
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE Types de réseaux
Réseaux ouverts. Elles sont caractérisées par: l'existence d’une source de clients, au moins
l'existence d’un puits de clients, au moins
la possibilité de trouver un chemin que, à partir de chaque nœud, mène (éventuellement) hors du réseau.
El nombre de clients est inconnu et varie avec le temps.
La productivité ou débit (throughput) est connu et égal à la fréquence d’arrivée au système, si le système est stable.
Université Paul Sabatier. Toulouse.
9
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux Réseaux fermés. Les clients ni entrent ni sortent, et
donc, son nombre est constant. On peut considérer comme si la sortie était connectée à l’entrée. Le débit de clients à travers la connexion "sortie-entrée'' définit la productivité du réseau fermé.
Réseaux mixtes. Dans un réseau avec multiples classes de clients, il est possible que la réseau soit ouvert pour un type de clients et fermé pour un autre.
Université Paul Sabatier. Toulouse.
10
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux: réseau ouvert
CPU
Disque 2
Disque 3
Disque 4
Disque 1
Arrivées
Sorties
Université Paul Sabatier. Toulouse.
11
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux: réseau fermé
CPU
Disque 2
Disque 3
Disque 4
Disque 1
Arrivées
Sorties
Université Paul Sabatier. Toulouse.
12
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux: réseau mixte
Terminaux
Sous-systèmecentralTravaux transactionnels
Travauxinteractifs
Université Paul Sabatier. Toulouse.
13
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction
Types de réseaux
Méthodes analytiques exacts
Méthodes approchées
Université Paul Sabatier. Toulouse.
14
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP N, stations de service. C, classes de clients, que peuvent changer de classe
quand ils passent d’une station à une autre. Routage probabiliste pi,c;j,d: probabilité qu’un client de
classe c quand il sort de la station i s’en aille à la station j en classe d.
La matrice P = [pi,c;jd] est la matrice de routage. Un
client quitte la réseau avec probabilité
N
j
C
djdicic pp
1 1,0, 1
Université Paul Sabatier. Toulouse.
15
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP (i,c), état du client.
L’ensemble des états des clients forme un ou plusieurs sous-ensembles disjoints (o sous-chaînes): deux états de client appartiennent à la même sous-chaînes s’il et a une probabilité non nulle qu’un client puisse passer par ces deux états pendant sa vie dans le réseau.
Sous-chaînes : E1, E2, …, EK (K 1):
ouvertes
fermées
Université Paul Sabatier. Toulouse.
16
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP S état du réseau
M(S) nombre de clients dans l’état S
M(S, Ek) nombre de clients dans la sous-chaîne Ek, quand le réseau est à l’état S.
Université Paul Sabatier. Toulouse.
17
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Arrivées externes générées par des processus de Poisson:
indépendants de l’état du système
dépendants de l’état du système à travers le nombre de clients qu’il y a dans le réseau, [M(S)]. Une arrivée va à la station i en classe c avec probabilité p0,ic
dépendants de l’état du système par m processus de Poisson, un par sous-chaîne, de fréquence [M(S,Ek)]. Une arrivée à la k-ème sous-chaîne va à la station i en classe c avec probabilité p0,ic
Université Paul Sabatier. Toulouse.
18
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Quatre types de stations de service:
type 1.
Un seul canal
Temps de service réparti exponentiellement, de temps moyen 1/[i Fi(mi)], identique pour toutes les classes, avec mi (mi = mi1 + mi2 + … + miC), nombre de clients
Discipline de la file, FIFO.
Fi(mi), capacité du serveur avec Fi(1) = 1 (nous pouvons réprésenter serveurs múltiples en faisant Fi(mi) = min(mi, ni), où ni est le nombre maximum de serveurs).
Université Paul Sabatier. Toulouse.
19
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Quatre types de stations de service:
type 2.
Un seul canal
Discipline de service: serveur partagé
Chaque classe de client a une distribution des temps de service, différente et arbitraire et avec transformée de Laplace rationnelle (ou avec distribution coxienne)
La capacité du serveur peut être fonction du nombre de clients, Fi(mi).
Université Paul Sabatier. Toulouse.
20
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Quatre types de stations de service:
type 3.
Nombre de canaux plus grand ou égal que le nombre maximum de clients
Chaque classe de client a une distribution des temps de service, différente et arbitraire et avec transformée de Laplace rationnelle (ou avec distribution coxienne)
Université Paul Sabatier. Toulouse.
21
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Quatre types de stations de service:
type 4.
Un seul canal
Discipline de la file LIFO avec interruption provoquée par le dernier client en arriver
Chaque classe de client a une distribution des temps de service, différente et arbitraire et avec transformée de Laplace rationnelle (ou avec distribution coxienne)
La capacité du serveur peut être fonction du nombre de clients, Fi(mi).
Université Paul Sabatier. Toulouse.
22
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Etat du réseau S défini par le vecteur
(S1, S2, …, SN)
Si = (mi1, mi2, …, miC)
Université Paul Sabatier. Toulouse.
23
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Suposition que le système atteint un régime
stationnaire de probabilités des états p(S)
Équations d’equilibre:
Équation de normalisation
'
a ' de passage de fréquence'
de sortie de fréquence
S
SSSp
SSp
1S
Sp
Université Paul Sabatier. Toulouse.
24
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE Méthodes analytiques exacts: Théorème de BCMP
Equations de l'équilibre du débit dans le réseau
Si le réseau est ouvert, on peut le résoudre sans
difficulté puisque quelque p0,jd est non nulle.
Si le réseau est fermé, toutes les p0,jd sont nulles: système
d’équations homogène; il faut trouver une des infinies
solutions différente celle qui est identiquement nulle.
N
ijd
C
cjdicicjd ppee
1,0
1,
Université Paul Sabatier. Toulouse.
25
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de
BCMP
G constante de normalisation pour que l'addition de toutes les probabilités d’état soit égal à 1.
Si le système est fermé, le nombre d’états du système est fini et le problème est numérique.
Si le système est fermé, le nombre d’états du système est infini et le problème est analytique.
N
iii SgSd
GSp
1
1
Université Paul Sabatier. Toulouse.
26
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP d(S) est une fonction telle que si la réseau est fermé elle
vaut 1 et si la réseau est ouvert vaut
si la fréquence d’arrivée dépend de M(S),
si la fréquence de arrivée à chaque sous-chaîne dépend
de M(S,Ek)
1
0
SM
i
i
K
k
ESM
ik
k
i1
1,
0
Université Paul Sabatier. Toulouse.
27
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de
BCMP Les fonctions gi(Si) valent
si la station est de type 1
si la station est de type 2 ó 4
c
c
m
i
C
c
mic
iciii e
mmSg
1
!
1!
1
cm
ic
icC
c iciii
e
mmSg
1 !
1!
Université Paul Sabatier. Toulouse.
28
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de
BCMP Las fonctions gi(Si) valent
si la station est de type 3
cm
ic
icC
c icii
e
mSg
1 !
1
Université Paul Sabatier. Toulouse.
29
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Réseau fermé
N stations
M clients, tous de la même classe
Etat du réseau: m = (m1, m2, …, mN),
mi est le nombre de clients dans la station i
m1 + m2 + … + mN = M
pij probabilité de routage
Université Paul Sabatier. Toulouse.
30
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen i, capacité de service que peut dépendre du nombre
de clients k, i(k)
si, temps moyen de service si le service est indépendant de la charge, si = 1/i.
Théorème de BCMP réduit à l'énoncé par Gordon et Newell
N
iiiN mf
MGmmmp
121
1,...,,
Université Paul Sabatier. Toulouse.
31
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen
si la station i a un service indépendant de la charge
i
i
m
ki
mi
ii
k
emf
1
ii mi
miiii Xsemf
Université Paul Sabatier. Toulouse.
32
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Equations de l'équilibre du débit dans chaque station
G(M) est la constante de normalisation
NjpeeN
iijij ..., 2, ,1 para ,
1
NimMmmmmNMS
mfMG
i
N
iiN
NMSm
N
iii
0 ,0y ,|,...,,,1
21
, 1
Université Paul Sabatier. Toulouse.
33
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Nombre total d’états
fonction auxiliaire
avec G(M) = gN(M) et G(m) = gN(m).
nmSm
n
iiin mfmg
, 1
1
1
N
NM
Université Paul Sabatier. Toulouse.
34
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen
m
knn
m
k nkmSm
n
iiin
m
kkm
nmSm
n
iii
nmSm
n
iiin
kmgkfmfkf
mfmfmg
n
01
0 1, 1
0 , 1, 1
Université Paul Sabatier. Toulouse.
35
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Si la capacité de service est indépendante du nombre
de clients dans la station
fn(k) = (en sn)k = Xnk = Xn fn(k - 1)
Université Paul Sabatier. Toulouse.
36
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen
1
1
11
1
1
011
1
011
111
01
mgXmg
kmgkfXmg
kmgkfmg
kmgkfmg
kmgkfmg
nnn
m
knnnn
m
knnn
m
knnn
m
knnn
Université Paul Sabatier. Toulouse.
37
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Initialisation
pour m = 0, 1, …, M, et
gn(0) = 1, pour n = 1, 2, …, N
m
mSm
mSm iii
Xmfmf
mfmg
111,
11
1,
1
11
Université Paul Sabatier. Toulouse.
38
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Probabilités
km
NMSmNi
i
mmmpkmP,
21 ,...,,
Université Paul Sabatier. Toulouse.
39
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Probabilités
MGkMG
XXMG
X
XMG
mmmpkmP
ki
NkMSm
N
j
mj
ki
km
NMSm
N
j
mj
km
NMSmNi
j
i
j
i
, 1
, 1
,21
1
,...,,
Université Paul Sabatier. Toulouse.
40
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Probabilités
Variables opérationnelles: Utilisation
1 kMGXkMGMG
XkmP i
ki
i
MGMG
XmP iii
11
Université Paul Sabatier. Toulouse.
41
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Variables opérationnelles: Productivité
MGMG
eMG
MG
s
X
s ii
i
i
ii
11
Université Paul Sabatier. Toulouse.
42
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Variables opérationnelles: Longueur de file
M
k
ki
M
ki
M
kii
MG
kMGXkmP
kmkPMm
11
1
Université Paul Sabatier. Toulouse.
43
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE Méthodes de calcul: Variables opérationnelles
Variables opérationnelles: Longueur de file
111
1
11
1
1
1
1
1
1
21
MmMm
MG
kMGX
MG
MGX
kMGXMG
X
MG
kMGX
MG
MGX
MG
kMGXMm
iiiii
M
k
kiii
M
k
ki
ii
M
k
kii
M
k
kii
Université Paul Sabatier. Toulouse.
44
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Variables opérationnelles: Temps de réponse
1111
Mms
MmMmR ii
i
ii
i
ii
Université Paul Sabatier. Toulouse.
45
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithmes exacts
Méthode de convolution: est l'extension de
l’algorithme de Buzen aux réseaux BCMP
Analyse de la valeur moyenne
Université Paul Sabatier. Toulouse.
46
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne vecteur del nombre total de clients de chaque classe
vecteur de zéros partout sauf à la c-ième composante
nombre moyen de clients dans la station i quand il y a de un client moins de classe c dans la réseau
CMMMM ,...,, 21
ci eMm
0,...,0,1,0,...,0,0ce
Université Paul Sabatier. Toulouse.
47
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE Méthodes de calcul: Analyse de la valeur moyenne
Pour des stations de service de types 1, 2 et 4
Pour des stations de service de type 3
Vic le nombre moyen de visites à la station i des clients de classe c
icic sMR
cicic eMmsMR 1
Université Paul Sabatier. Toulouse.
48
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne
iciccic
N
iicic
cc
RVm
RV
M
1
Université Paul Sabatier. Toulouse.
49
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Exemple
1
2
3
Université Paul Sabatier. Toulouse.
50
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Exemple
11 21 31 12 22 32 sic11 0 0.5 0.5 0 0 0 1
21 1 0 0 0 0 0 1
31 1 0 0 0 0 0 2
12 0 0 0 0 1 0 2
22 0 0 0 1 0 0 1
31 0 0 0 0 0 0 2
Université Paul Sabatier. Toulouse.
51
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Exemple
V11 = 1 V21 = 0.5 V31 = 0.5
V12 = 1 V22 = 1 V32 = 0
Université Paul Sabatier. Toulouse.
52
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Exemple
Pas 1 m1(0,0) = m2(0,0) = m3(0,0) = 0
Pas 3 R11(1,0) = 1
R21(1,0) = 1
R31(1,0) = 2
Pas 4 1(1,0) = 1/(1 1 + 1 0.5 + 2 0.5) = 0.4
Pas 5 m1(1,0) = 0.4
m2(1,0) = 0.2
m3(1,0) = 0.4
Université Paul Sabatier. Toulouse.
53
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Exemple
Pas 3 R11(2,0) = 1 (1 + 0.4) = 1.4
R21(2,0) = 1 (1 + 0.2) = 1.2
R31(2,0) = 2 (1 + 0.4) = 2.8
Pas 4 1(2,0) = 2/(1.4 1 + 1.2 0.5 + 2.8 0.5) = 0.588
Pas 5 m1(2,0) = 0.588 1.4 1 = 0.824
m2(2,0) = 0.588 1.2 0.5 = 0.353
m3(2,0) = 0.588 2.8 0.5 = 0.824
Université Paul Sabatier. Toulouse.
54
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R11(2,0) = 1 (1 + 0.4) = 1.4
R21(2,0) = 1 (1 + 0.2) = 1.2
R31(2,0) = 2 (1 + 0.4) = 2.8
Pas 4 1(2,0) = 2/(1.4 1 + 1.2 0.5 + 2.8 0.5) = 0.588
Pas 5 m1(2,0) = 0.588 1.4 1 = 0.824
m2(2,0) = 0.588 1.2 0.5 = 0.353
m3(2,0) = 0.588 2.8 0.5 = 0.824
Université Paul Sabatier. Toulouse.
55
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R12(0,1) = 2
R22(0,1) = 1
R32(0,1) = 2
Pas 4 2(0,1) = 1/(2 1 + 1 1 + 2 0) = 0.333
Pas 5 m1(0,1) = 0.667
m2(0,1) = 0.333
m3(0,1) = 0
Université Paul Sabatier. Toulouse.
56
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R12(0,2) = 2 (1 + 0.667) = 3.333
R22(0,2) = 1 (1 + 0.333) = 1.333
R32(0,2) = 2 (1 + 0) = 2
Pas 4 2(0,2) = 2/(3.333 1 + 1.333 1 + 2 0) = 0.429
Pas 5 m1(0,2) = 0.429 3.333 1 = 1.429
m2(0,2) = 0.429 1.333 1 = 0.571
m3(0,2) = 0.429 2 0 = 0
Université Paul Sabatier. Toulouse.
57
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R11(1,1) = 1 (1 + 0.667) = 1.667
R21(1,1) = 1 (1 + 0.333) = 1.333
R31(1,1) = 2 (1 + 0) = 2
R12(1,1) = 2 (1 + 0.4) = 2.8
R22(1,1) = 1 (1 + 0.2) = 1.2
R32(1,1) = 2 (1 + 0.4) = 2.8
Pas 4 1(1,1) = 1/(1.667 1 + 1.333 0.5 + 2 0.5) = 0.3
2(1,1) = 1/(2.8 1 + 1.2 1 + 2.8 0) = 0.25
Pas 5 m1(1,1) = 0.3 1.667 1 + 0.25 2.8 1 = 1.2
m2(1,1) = 0.3 1.333 0.5 + 0.25 1.2 1 = 0.5
m3(1,1) = 0.3 2 0.5 + 0.25 2.8 0 = 0.3
Université Paul Sabatier. Toulouse.
58
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R11(2,1) = 1 (1 + 1.2) = 2.2
R21(2,1) = 1 (1 + 0.5) = 1.5
R31(2,1) = 2 (1 + 0.3) = 2.6
R12(2,1) = 2 (1 + 0.824) = 3.647
R22(2,1) = 1 (1 + 0.353) = 1.353
R32(2,1) = 2 (1 + 0.824) = 3.647
Pas 4 1(2,1) = 2/(2.2 1 + 1.5 0.5 + 2.6 0.5) = 0.471
2(2,1) = 1/(3.647 1 + 1.353 1 + 3.647 0) = 0.2
Pas 5 m1(2,1) = 0.471 2.2 1 + 0.2 3.647 1 = 1.765
m2(2,1) = 0.471 1.5 0.5 + 0.2 1.353 1 = 0.623
m3(2,1) = 0.471 2.6 0.5 + 0.2 3.647 0 = 0.612
Université Paul Sabatier. Toulouse.
59
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R11(1,2) = 1 (1 + 1.429) = 2.429
R21(1,2) = 1 (1 + 0.571) = 1.571
R31(1,2) = 2 (1 + 0) = 2
R12(1,2) = 2 (1 + 1.2) = 4.4
R22(1,2) = 1 (1 + 0.5) = 1.5
R32(1,2) = 2 (1 + 0.3) = 2.6
Pas 4 1(1,2) = 1/(2.429 1 + 1.571 0.5 + 2 0.5) = 0.237
2(1,2) = 2/(4.4 1 + 1.5 1 + 2.6 0) = 0.339
Pas 5 m1(1,2) = 0.237 2.429 1 + 0.339 4.4 1 = 2.068
m2(1,2) = 0.237 1.571 0.5 + 0.339 1.5 1 = 0.695
m3(1,2) = 0.237 2 0.5 + 0.339 2.6 0 = 0.237
Université Paul Sabatier. Toulouse.
60
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R11(2,2) = 1 (1 + 2.068) = 3.068
R21(2,2) = 1 (1 + 0.695) = 1.695
R31(2,2) = 2 (1 + 0.237) = 2.474
R12(2,2) = 2 (1 + 1.765) = 5.530
R22(2,2) = 1 (1 + 0.623) = 1.623
R32(2,2) = 2 (1 + 0.612) = 3.224
Pas 4 1(2,2)=2/(3.0681 +1.6950.5+2.47 0.5) = 0.388
2(2,2)=2/(5.5301+1.6231+3.2240 )= 0.280
Pas 5 m1(2,2)=0.3883.0681+0.2805.5301 = 2.737
m2(2,2)=0.3881.6950.5+0.2801.62 1 = 0.783
m3(2,2)=0.3882.4740.5+0.2803.2240 = 0.480
Université Paul Sabatier. Toulouse.
61
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction
Types de réseaux
Méthodes analytiques exacts
Méthodes approchées
Université Paul Sabatier. Toulouse.
62
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées
Diffusion
Décomposition-agrégation
Itératives
Université Paul Sabatier. Toulouse.
63
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Diffusion Réseau avec N stations d’un seul canal avec:
Distribution générale de temps de service avec moyenne, i, et coefficient quadratique de variation Ksi2.
Probabilité de transition pij, indépendante de l’état du système.
Fréquence d’arrivée 0 avec coefficient quadratique de variation des temps entre arrivées K0
2.
Probabilité d’arrivée p0i et de sortie pj(N + 1).
Université Paul Sabatier. Toulouse.
64
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Diffusion Supposition que la probabilité d’état a forme de
produit.
Processus d’arrivée et sortie
Pour appliquer la formule de diffusion il faut connaître le processus d’arrivée i et Kai2 et le temps de service si = i-1 et Ksi2.
i et Kai2 sont déterminées à partir des processus de sortie des autres stations et du processus de arrivée.
Université Paul Sabatier. Toulouse.
65
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Diffusion Processus de sortie de la station i.
Pendant les périodes d'occupation, la fréquence de sortie est i et le coefficient quadratique de variation Ksi2. Mais la station est occupée seulement avec probabilité i.
Fréquence moyenne de sortie, i iVariance des sorties, i Ksi2 i
Université Paul Sabatier. Toulouse.
66
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Diffusion Processus d’arrivée à la station i.
Superposition des processus de sortie.
1 ó 0
22
1 ó 0
111
jjijjjisj
iai
N
jjjjii
ppKK
p
Université Paul Sabatier. Toulouse.
67
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Diffusion Réseaux ouverts.
Fréquence d’arrivée à la station i
i = 0 ei
i = ei0i-1
N
jjijii pepe
10
N
jijjisjai eepKK
1
1222 11
Université Paul Sabatier. Toulouse.
68
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées
Diffusion
Décomposition-agrégation
Itératives
Université Paul Sabatier. Toulouse.
69
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Décomposition-agrégation Remplacement d’un groupe d’éléments par un élément
synthétique que reproduise son comportement.
En générale, on cherche des groupes d’éléments qui aient tous une dynamique similaire et que les clients circulent avec une grande probabilité entre eux et avec faible probabilité avec les éléments externes à l’ensemble considéré.
Université Paul Sabatier. Toulouse.
70
THÉORIE DES RÉSEAUX DE FILES D'ATTENTEMéthodes approchées: Décomposition-agrégation
Réseau BCMP avec une seule station non-BCMP
2
p21
p24
p23 p
42
p43
p34
p31
p12
p13
3
1 4
p14
p11
Université Paul Sabatier. Toulouse.
71
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Décomposition-agrégation
2
p21
p24
p23 p
42
p43
p34
p31
p12
p13
1 4
p14
p11
Université Paul Sabatier. Toulouse.
72
THÉORIE DES RÉSEAUX DE FILES D'ATTENTEMéthodes approchées: Décomposition-agrégation
Théorème de Norton Pas de décomposition:
court-circuit de la station non-BCMP. analyse du réseau résultant et calcul du débit à travers le
court-circuit X(m) pour m clients dans la réseau, où m = 1,
2, ..., M.
Pas d’agrégation: La réseau de files d'attente original se
réduit à la station court-circuitée et à une autre station
que représente approximativement la réseau court-
circuité, dont la capacité de service est X(m).
Université Paul Sabatier. Toulouse.
73
THÉORIE DES RÉSEAUX DE FILES D'ATTENTEMéthodes approchées: Décomposition-agrégation
3
X (m )
Université Paul Sabatier. Toulouse.
74
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées
Diffusion
Décomposition-agrégation
Itératives
Université Paul Sabatier. Toulouse.
75
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Itératives En général, on part d’une conjoncture raisonnable
pour établir l’itération
En général, on ne démontre pas que l’itération soit convergeante, ni que, en cas de convergence, cette convergence le soit sur une valeur proche de la solution exacte.
Malgré sa manque de justification théorique par rapport à sa convergence fournissent une voie intéressante pour traiter des réseaux de files d’attente.
Université Paul Sabatier. Toulouse.
76
THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Itératives Itération entre el traitement analytique d’un réseau
de files d’attente et le traitement analytique d’une file
Méthode des modèles subordonnés
Méthode du réseau auxiliaire