QueueingNetworkProcess

QueueingNetworkProcess[γ,r,μ,c]

表示一个开放式 (Jackson) 排队网络过程,其中到达向量为 γ,路线概率矩阵为 r,服务向量为 μ,服务通道向量为 c.

QueueingNetworkProcess[γ,r,μ,c,k]

表示闭合 (GordonNewell)排队网络过程,系统中有k 个任务.

更多信息

范例

打开所有单元关闭所有单元

基本范例  (2)

定义一个闭合排队网络过程:

对过程进行仿真:

定义一个开放式排队网络过程:

网络中第一个节点的属性:

范围  (10)

简单前馈网络  (2)

定义一个具有三个串联队列的网络:

网络的路线概率矩阵:

计算网络稳定状态的概率:

使用 Burke 定理验证结果:

网络中第一个节点的性能测量值:

定义前馈队列网络:

网络的路线概率矩阵不包含返回路线:

计算网络稳定状态的概率:

使用泊松聚合和分解验证结果:

网络中第四个和第五个节点的性能测量值:

简单反馈网络  (3)

定义一个网络过程,它对应于反馈概率为 p 的队列:

网络的稳定状态的 PDF

性能测量值:

具有两个彼此反馈的节点的网络:

网络的路线概率矩阵:

平均系统规模:

系统中所花的平均时间:

定义一个具有三个节点的周期队列:

网络的路线概率矩阵:

模拟网络:

Jackson 网络  (2)

定义一个开放式队列网络:

模拟网络:

绘制网络中节点处的模拟数值:

网络中节点处的性能测量值:

开放式网络的平稳分布:

概率密度函数:

累积分布函数:

均值和方差:

概率和期望:

GordonNewell 网络  (3)

定义一个闭合的排队网络:

从网络外没有到达:

网络中第二个节点的属性:

模拟网络:

绘制网络中前两个节点的模拟数值:

具有七个节点的闭合网络:

网络中每个节点处的稳态性能测量值:

闭合网络的平稳分布:

概率密度函数:

均值和方差:

概率和期望:

应用  (12)

机器维修  (3)

电子产品制造商使用五个机器人制造电路板. 机器人出故障的时间服从均值为30个小时的指数分布. 该公司有两名修理工可以维修机器人,修理时间服从均值为3小时的指数分布. 求在给定时间,通过使用具有两个状态(可运作坏掉)的队列网络,可运作的机器人的平均数目:

可运作机器人的平均数目:

工厂中的两个机器需要在任何时候都可以运作. 机器根据平均失效率 的指数分布出故障. 在出故障时,机器有 的概率被单个维修人员局部修好,该人员的工作服从参数为 的指数分布. 在概率 下,机器必须被一个专家修好,该专家的工作服从参数为 的指数分布. 也存在 的概率,机器在完成局部维修后还需要专家维修. 通过使用状态为 "working"(可运作)、"locallyRepairable"(局部可维修)和 "specialistRepairable"(专家可维修) 的排队网络,求两个机器都运作的时间的百分比:

大约 23% 的时间两个机器都可以运作:

大量机器共享的修理厂有两个连续的修理站,修理速率分别为每小时1个和每小时两个. 机器的累积故障率是每小时0.5. 求修理厂的两个修理站都是闲置状态的概率:

两个服务站都空闲的概率:

机器经历两个修理阶段的平均修理时间:

计算机系统  (4)

在三个路由器组成的串联网络中,数据包以每秒100个数据包的速率到达. 三个路由器的服务速率分别是每秒250个数据包、150个以及200个. 求在串联网络下,三个路由器每个都有两个数据包到达的概率:

在三个路由器中每一个都有两个数据包的概率:

使用 Probability 获取相同结果:

求网络中有三个数据包的概率:

在三个节点的中央服务器系统中,有10个请求在循环. 中央服务器(节点1)以概率 0.3 和 0.7 发送请求给剩下的两个节点. 这三个节点的指数服务时间分别为 1、2 和 0.8. 求在这个由服务器组成的闭合式网络中的瓶颈装置:

第一个节点是瓶颈装置:

在三个节点的中央服务器系统中,有10个请求在循环. 中央服务器(节点1)以概率 0.3 和 0.5 发送请求给剩下的两个节点. 额外的请求只到达中央服务器,并且服从速率为 0.15 的泊松过程,而这三个节点的指数服务时间分别为 1、2 和 0.8. 求在这个由服务器组成的开放式网络中的瓶颈装置:

第一个节点(中央服务器)是瓶颈装置:

新程序以速率 γ 的泊松过程到达 CPU. 程序在 CPU 中花的执行时间服从均值为 1/μ 1 的指数分布. 在该阶段,程序执行或者以概率 p 完成,或者以概率 1-p 需要从二级存储获取额外的信息. 从二级存储获取信息要求的时间服从均值为 1/μ 2 的指数分布. 求每个程序在系统中所花的平均时间:

使用 Little 定理,这是程序所使用的平均时间:

客户服务  (1)

客户以每小时40个的平均速率的泊松过程到达超市. 他们在收银台付款前平均花 小时来装满购物车. 付款时间服从平均4分钟的指数分布. 求在任何给定时间商店内客户的平均数目:

商店中客户的平均数目:

通讯网络  (2)

一个发射器有发送消息的两种许可证. 只要发射器有一个许可证,它就以指数速率 λ 生成消息. 消息到达发送系统,并且以指数速率 μ 发送. 只要消息到达发送系统的另一端,对应的许可证以指数速率 μ 发送回发射器. 求网络的稳定状态概率质量函数:

网络的稳定状态分布:

网络的稳定状态 pmf:

发射器上没有消息的概率:

下面显示在保险公司的电话系统. 电话以 800 号码呼进(黑色)并且然后被转给索赔(红色)或者保单服务(蓝色):

从外部到三个节点的到达速率:

在三个节点上的服务速率:

网络的路线概率矩阵:

图表显示服务通道向量如下所示:

因此,这个开放式网络如下:

与三个节点处的平均队列长度比较:

在系统中每个客户所花的总平均时间大约是17分钟:

机场候机楼  (1)

乘客到达机场,并且走到航站楼的四个值机柜台之一. 接下来,他们进行安检,最后他们从航站楼的三个登机口之一登机:

航站楼网络由下面描述:

研究安检和三号登机口的客流量:

物流网络  (1)

某制造业物流由一个工厂、三个仓库和六个店铺组成:

网络的到达、服务和路径信息是:

比较第一个和第二个仓库的客流量值:

属性和关系  (3)

具有单个节点的排队网络过程等价于排队过程:

求等价排队过程的到达率:

这些具有相同的平稳分布:

定义具有两个串联队列的网络:

网络的稳定状态的 PDF

使用单个排队过程的乘积,获取相同结果:

零外部到达向量 γ 对应于闭合排队网络:

系统中总恰好有七个任务:

巧妙范例  (1)

定义一个闭合的排队网络:

对网络生成随机数据:

比较实际属性值和从模拟得到的数值:

Wolfram Research (2012),QueueingNetworkProcess,Wolfram 语言函数,https://reference.wolfram.com/language/ref/QueueingNetworkProcess.html.

文本

Wolfram Research (2012),QueueingNetworkProcess,Wolfram 语言函数,https://reference.wolfram.com/language/ref/QueueingNetworkProcess.html.

CMS

Wolfram 语言. 2012. "QueueingNetworkProcess." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/QueueingNetworkProcess.html.

APA

Wolfram 语言. (2012). QueueingNetworkProcess. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/QueueingNetworkProcess.html 年

BibTeX

@misc{reference.wolfram_2024_queueingnetworkprocess, author="Wolfram Research", title="{QueueingNetworkProcess}", year="2012", howpublished="\url{https://reference.wolfram.com/language/ref/QueueingNetworkProcess.html}", note=[Accessed: 03-December-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_queueingnetworkprocess, organization={Wolfram Research}, title={QueueingNetworkProcess}, year={2012}, url={https://reference.wolfram.com/language/ref/QueueingNetworkProcess.html}, note=[Accessed: 03-December-2024 ]}