J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 1

Samankaltaiset tiedostot
J. Virtamo Jonoteoria / Jonoverkot 1

J. Virtamo Jonoteoria / Prioriteettijonot 1

Estynyt puheluyritys menetetään ei johda uusintayritykseen alkaa uusi miettimisaika: aika seuraavaan yritykseen Exp(γ) pitoaika X Exp(µ)

Vuonohjaus: ikkunamekanismi

J. Virtamo Jonoteoria / Prioriteettijonot 1

Estojärjestelmä (loss system, menetysjärjestelmä)

Demonstraatiot Luento 7 D7/1 D7/2 D7/3

käännetty prosessi. Tarkastellaan pelkistymätöntä stationaarista stokastista prosessia X t.

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

Syntymä-kuolema-prosessit

Liikenneongelmien aikaskaalahierarkia

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Littlen tulos. Littlen lause sanoo. N = λ T. Lause on hyvin käyttökelpoinen yleisyytensä vuoksi

Odotusjärjestelmät. Aluksi esitellään allaolevan kuvan mukaisen yhden palvelimen jonoon liittyvät perussuureet.

7 Vapaus. 7.1 Vapauden määritelmä

J. Virtamo Jonoteoria / Poisson-prosessi 1

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö

Syntymä-kuolema-prosessit

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Yleistä. Esimerkki. Yhden palvelimen jono. palvelin. saapuvat asiakkaat. poistuvat asiakkaat. odotushuone, jonotuspaikat

1 Lineaariavaruus eli Vektoriavaruus

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Algoritmit 2. Luento 13 Ti Timo Männikkö

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

Luento 9: Yhtälörajoitukset optimoinnissa

802320A LINEAARIALGEBRA OSA I

Ominaisarvo ja ominaisvektori

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

12. Hessen matriisi. Ääriarvoteoriaa

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Jatkuva-aikaisten Markov-prosessien aikakehitys

isomeerejä yhteensä yhdeksän kappaletta.

Avaruuden R n aliavaruus

ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Miten osoitetaan joukot samoiksi?

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila

Ennakkotehtävän ratkaisu

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120

Esimerkki: Tietoliikennekytkin

Generoivat funktiot, Poisson- ja eksponenttijakaumat

Demo 1: Simplex-menetelmä

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

Markov-kustannusmallit ja kulkuajat

Lineaarikuvauksen R n R m matriisi

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

MS-A0004/A0006 Matriisilaskenta

Erilaisia Markov-ketjuja

1 p p P (X 0 = 0) P (X 0 = 1) =

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Moniulotteisia todennäköisyysjakaumia

Ominaisvektoreiden lineaarinen riippumattomuus

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

Gaussin ja Jordanin eliminointimenetelmä

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi

r > y x z x = z y + y x z y + y x = r y x + y x = r

Analyysi III. Jari Taskinen. 28. syyskuuta Luku 1

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

f(n) = Ω(g(n)) jos ja vain jos g(n) = O(f(n))

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C =

Järjestelmässä olevien asiakkaiden lukumäärä N(t) ei muodosta enää Markov-prosessia.

Cantorin joukon suoristuvuus tasossa

Shorin algoritmin matematiikkaa Edvard Fagerholm

Similaarisuus. Määritelmä. Huom.

T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).

5 Differentiaaliyhtälöryhmät

x j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu

Kun järjestelmää kuvataan operaattorilla T, sisäänmenoa muuttujalla u ja ulostuloa muuttujalla y, voidaan kirjoittaa. y T u.

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Matematiikan johdantokurssi, syksy 2017 Harjoitus 8, ratkaisuista

Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko,

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

811120P Diskreetit rakenteet

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus matematiikkaan

Markov-ketjut pitkällä aikavälillä

ATM-VERKON KUTSUTASON ESTO

Mat Dynaaminen optimointi, mallivastaukset, kierros 1

Demonstraatiot Luento

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

3. Esimerkkejä luento03.ppt S Liikenneteorian perusteet - Kevät

s = 11 7 t = = 2 7 Sijoittamalla keskimmäiseen yhtälöön saadaan: k ( 2) = 0 2k = 8 k = 4

Epälineaaristen yhtälöiden ratkaisumenetelmät

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Konvergenssilauseita

Vaihtoehtoinen tapa määritellä funktioita f : N R on

2. Teoriaharjoitukset

Transkriptio:

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot JONOVERKOT Useasta jonosta muodostuva verkko Queueing network Network of queues Esimerkiksi Asiakkaita siirtyy postin, pankin, kaupan jonoista toiseen Datapaketteja kulkee reititinverkon reitittimeltä toiselle Historiaa Burken teoreema, Burke (957), Reich (957) Jackson (957, 963): avoimet jonoverkot, tulomuotoinen ratkaisu Gordon ja Newell (967): suljetut jonoverkot Baskett, Chandy, Muntz, Palacios (975): jonotyypin yleistykset Reiser ja Lavenberg (980, 982): keskiarvoanalyysi, MVA

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 2 Jacksonin jonoverkko (avoin jonoverkko) Jacksonin avoin jonoverkko muodostuu M solmusta (jonosta) seuraavin oletuksin: Solmu i on FIFO-jono rajaton määrä odotuspaikkoja Palveluaika jonossa noudattaa jakaumaa Exp( i ) kussakin jonossa asiakkaan palveluaika saa arvon riippumatta ajasta muissa jonoissa huom. pakettiverkossa paketin lähetysaika todellisuudessa on sama kaikissa jonoissa (tai poikkeaa vain vakiotekijällä, linjanopeuden käänteisarvolla) tämä riippuvuus ei käytännössäkuitenkaanvaikuta merkittävästijärjestelmänkäyttäytymiseen (ns. Kleinrockin riippumattomuusoletus) Poistuttuaan jonostai asiakasvalitseeseuraavanjonon j satunnaisesti todennäköisyydellä q i,j tai poistuu systeemistä todennäköisyydellä q i,d mallia voidaan laajentaa siten, että sidotut reitit ovat mahdollisia Verkko on avoin ulkopuolisille saapumisille lähteestä s saapuu asiakkaita Poisson-virtana intensiteetillä λ niistä osaq s,i saapuu jonoon i (intensiteetti λq s,i )

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 3 Jacksonin verkon solmu i s d N i = source, ulkoinen lähde = destination, nielu = asiakkaiden lukumäärä jonossa i λq s, i λ q N i i, d λ q, i λ i i λ i λ i q. i, i... λ M q M, i Exp( i ) λ i q i, M Ilman komplikaatioita voitaisiin olettaa tilariippuva palvelunopeus i = i (N i ). Tämän avulla voitaisiin kuvata mm. usean palvelimen solmuja. Merkintöjen keventämiseksi seuraavassa oletetaan vakio i. Jacksonin verkko Verkon avoimuus edellyttää, että jokaisesta jonosta on ainakin yksi polku ( 0) nieluun d eli että jokainen verkkoon saapunut asiakas lopulta poistuu siitä todennäköisyydellä. lähde s λ λq s, λq s, 2 λq s, 3 λ 3 3 λ 3 q 3, 2 λ λ 3 q 3, 4 λ 2 2 λ q, 2 λ 2 q 2, 4 λ q, d λ 2 q 2, d λ q, 4 λ 4 q 4, nielu d λ λ 4 4

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 4 Virtojen säilymisyhtälö Merkitään λ i =keskimääräinen asiakasvirta solmun i läpi. Vaikka ulkoiset saapumisvirrat eri solmuihin ovat poissonisia, mikään ei takaa, että virrat verkon sisällä solmujenvälillä olisivat myös poissonisia. Yleensä neeivät olekaan. poikkeuksena tapaukset, joissa verkossa ei ole silmukoita eli asiakas ei koskaan palaa solmuun, jossa on jo vieraillut; tällöin poissonisuus seuraa Burken teoreemasta. Virta λ i on peräisin suoraan lähteestä tulevasta virrasta ja muista solmuista haarautuvista virroista. Säilymisehdot muodostavat lineaarisen yhtälöryhmän, josta λ i :t voidaan ratkaista. λ i = λq s,i + M j= λ j q j,i i =,...,M Vastaava yhtälö pätee nielulle d. Koska koko verkosta poistuvan virran täytyy olla yhtäsuuri kuin saapuva virta, pätee (q s,d = 0): λ = M j= λ j q j,d Esimerkki λ = λ + qλ λ λ q -q λ = λ q Huom. λ ei ole poissoninen vaikka λ onkin.

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 5 Jacksonin teoreema Asiakkaiden lukumäärät N i verkon eri solmuissa, i =,...,M, ovat toisistaan riippumattomia. Jono i käyttäytyy ikään kuin saapumisvirta λ i olisi poissoninen. Tilavektori Verkon tilan määrää vektori N =(N,...,N M ). Sen mahdollisia arvoja merkitään n =(n,...,n M ). Verkko on tilassa n, kunn = n eli N = n,...,n M = n M. Tilatodennäköisyys p(n) =P{N = n} Määritellään p(n) =0, jos jokin n i < 0 Jacksonin teoreema p(n) =p (n ) p M (n M )= M p i (n i ) missä p i (n i )=( ρ i )ρ n i i ρ i = λ i / i Verkko käyttäytyy ikään kuin se muodostuisi joukosta riippumattomia M/M/-jonoja. Tilatodennäköisyys on tulomuotoinen riippumattomuus. Jos jossain solmussa on paljon asiakkaita, siitä ei seuraa mitään sen suhteen paljonko esim. naapurisolmuissa on asiakkaita. Jos palvelunopeus on tilariippuva i (n i ), niin p i (n i )=p i (0) n i λ n i i j= i (j) missä p i (0) määräytyy normiehdosta

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 6 Jacksonin teoreeman todistus Merkitään e i =(0,...,0, }{{}, 0,...,0). i:s alkio Tällöinonesimerkiksi p(n e i )=p(n,...,n i,n i,n i+,...,n M ) Nyt voidaan kirjoittaa globaali tasapainoehto verkon tilalle n (yksi yhtälö jokaista mahdollista tilaa n, n i 0 i, kohti): n 2 λp(n)+ M i ni >0 p(n) = λ M + M + M M j= q i,d i p(n + e i ) q s,i p(n e i ) q j,i j p(n + e j e i ) missä vasen puoli edustaa todennäköisyysvirtaa pois tilasta n (kun ollaan tilassa n ja verkkoon tulee mikä tahansa saapuminen tai mistä tahansa verkon jonosta tapahtuu poistuminen, siirrytään uuteen tilaan) ja oikea puoli virtaa tilaan n (vrt. kuvan siirtymäkaavio). n jonoon 2 saapuu asiakas ulkopuolelta jonosta 2 poistuu asiakas ulkopuolelle jonoon saapuu asiakas ulkopuolelta jonosta poistuu asiakas ulkopuolelle asiakas siirtyy jonosta 2 jonoon asiakas siirtyy jonosta jonoon 2 Huom. Jälleen voitaisiin sallia tilariippuvuus i = i (n i ).

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 7 Jacksonin teoreeman todistus (jatkoa) Kirjoitetaan oikean puolen ensimmäisessätermissäolevatekijä λq s,i toiseen muotoon virtojen säilymisehdon avulla: λq s,i = λ i M λ j q j,i.yhtälö saa muodon λp(n)+ M i ni >0 p(n) = M + M + M M j= λ i p(n e i ) M q i,d i p(n + e i ) M j= q j,i j p(n + e j e i ) λ j q j,i p(n e i ) Sijoitetaan tähän Jacksonin teoreeman (väite) mukainen tulomuotoinen ratkaisu yritteenä ja osoitetaan, että yhtälö toteutuu. Kyseiselle tulomuotoiselle yritteelle pätee λ i p(n e i ) = i ni >0 p(n) λ j p(n e i ) = j p(n e i + e j ) λ i p(n) = i p(n + e i ) Sijoitetaan nämä relaatiot tässä järjestyksessä oikean puolen kolmeen ensimmäiseen termiin.

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 8 Jacksonin teoreeman todistus (jatkoa) Yhtälö on nyt saatu muotoon λp(n)+ M i ni >0 p(n) = M + M + M M j= i ni >0 p(n) M q i,d λ i p(n) M j= q j,i j p(n + e j e i ) q j,i j p(n e i ) Yhtälössä menevät vastakkain vasemman puolen toinen ja oikean puolen ensimmäinen termi, samoin oikean puolen toinen ja neljäs termi. Jäljelle jää λp(n) = M q i,d λ i p(n) = p(n) M q i,d λ i mikä toteutuu, koska verkkoon tuleva ja siitä lähtevä virta ovat yhtäsuuret, λ = M λ i q i,d. Siten on osoitettu, että Jacksonin teoreeman mukaiset tulomuotoiset tilatodennäköisyydet todellakin toteuttavat verkkoa kuvaavan Markovin prosessin globaalit tasapainoyhtälöt.

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 9 Esimerkki λ = λ + λ 2 λ 2 = q λ ρ = λ /, ρ 2 = λ 2 / 2 λ λ = q λ 2 = λ q q p(n,n 2 )=( ρ )ρ n ( ρ 2 )ρ n 2 2 Keskimääräiset jononpituudet λ λ CPU I/O 2 λ λ 2 λ 2 =qλ (-q)λ N = ρ ρ, N2 = ρ 2 ρ 2, N = N + N = ρ ρ + ρ 2 ρ 2 Keskimääräinen aika systeemissä T = N λ = ρ λ( ρ ) + ρ 2 λ( ρ 2 ) = λ / λ( λ / ) + λ 2 / 2 λ( λ 2 / 2 ) = S λs + S 2 λs 2 Ekvivalentti systeemi CPU /S I/O /S 2 missä S = λ λ = q keskimääräinen CPU-aika S 2 = λ 2 2 λ = q q keskimääräinen I/O-aika 2

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 0 Jacksonin verkon keskiarvotuloksia Oletetaan tilasta riippumattomat palvelunopeudet i. Keskimääräinen asiakkaiden lukumäärä solmussa i Keskimääräinen viipymisaika solmussa i N i = ρ i ρ i Keskimääräinen odotusaika solmussa i W i = T i i = ρ i ρ i i Solmuun i saapuneen asiakkaan keskimääräinen viipymisaika verkossa T i = N i λ i = ρ i i = i λ i T i,d = T i + M q i,j Tj,d j= vrt. virtojen säilymisyhtälö Tästä yhtälöryhmästä (i =,...,M) voidaan T i,d :t ratkaista. Asiakkaan keskimääräinen viipymisaika verkossa (keskiarvo koko asiakaspopulaation yli) Littlen tuloksen perusteella λ λ T = N λ = λ M λ i i λ i

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot Optimaalinen kapasiteetin jako Halutaan minimoida keskimääräinen viipymisaika T verkossa tai, mikäonsamaasia,keskimääräinen asiakkaiden lukumäärä N verkossa. Oletetaan, että kapasiteetit i ovat muuten vapaasti valittavissa, mutta niitä rajoittaa ehto (kustannusehto) M i = C. N = M λ i M =min!, i = C i λ i Käytetään Lagrangen kerroinmenetelmää ja minimoidaan H = M λ i + x( M i C) i λ i parametrien i suhteen ja määrätään x siten, että minimipiste toteuttaa rajoitusehdon H λ i = i ( i λ i ) + x =0 2 i = λ i +(λ i /x) /2 Sijoittamalla tämä ehtoyhtälöön, saadaan x = λ j C j i = λ i + λj j j λi λj (C j λ j ) Ensin allokoidaan pakollinen kapasiteetti λ i ; ylijäämäraha jaetaan λ i :den suhteessa.

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 2 Avoimen verkon saapumislause (Random Observer Property, vrt. PASTA) Avoimessa jonoverkossa mihin tahansa solmuun saapuvan asiakkaan näkemät tilatodennäköisyydet (todennäköisyys, että systeemi on tilassa n juuri ennen saapumista) ovat samat kuin tasapainotodennäköisyydet p(n). Todistus. Tarkastellaan jonosta i jonoon j siirtyvää asiakasta. Sijoitetaan näiden jonojen väliin kuvitteellinen jono 0, jossa palvelunopeus 0 on hyvin suuri. Rajalla 0 lisätty jono ei mitenkään vaikuta systeemin käyttäytymiseen: jonosta i jonoon j siirtyvät asiakkat viipyvät vain häviävän pienen hetken lisätyssä välijonossa. i 0 j Lisätty jono kuitenkin mahdollistaa siirtyvän asiakkaan vangitsemisen. Siirtyminen tapahtuu juuri sinä lyhyenähetkenä, jolloin jonossa 0 on asiakas eli kun N 0 (t) =. Siirtyvän asiakkaan näkemä verkon tilajakauma on muiden jonojen (muiden kuin jono 0) yhteisjakauma ehdolla N 0 =. Nyt käytetään hyväksi sitä, että myös laajennettu systeemi muodostaa Jacksonin jonoverkon ja sen tilajakauma on tulomuotoinen. Merkitään laajennetun systeemin tilavektoria n :lla eli n =(n 0,n,...,n M ). Pätee p (n )=P{N = n } = p 0 (n 0 )p (n ) p M (n M )=p 0 (n 0 )p(n). P{N = n,...,n M = n M N 0 =} = P{N 0 =,N = n,...,n M = n M } = p(n) P{N 0 =}

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 3 Suljettu jonoverkko (Gordonin ja Newellin verkko) Suljettu jonoverkko muodostuu M solmusta. Se eroaa avoimesta jonoverkosta siinä, että ulkoista lähdettä ja nielua ei ole. Verkon sisällä kiertää K:n asiakkaan vakiopopulaatio. Kukin solmu i muodostaa FIFO-jonon, jossa palveluaika arvotaan muista riippumatta jakaumasta Exp( i ). Jälleen voitaisiin sallia tilariippuvat palvelunopeudet i (n i ). Jonosta i poistuva asiakas valitsee solmun j seuraavaksi kohteeksi todennäköisyydellä q i,j. Eri solmujen läpi kulkevat asiakasvirrat λ i toteuttavat virtojen säilymisehdon λ i = M j= λ j q j,i i =,...,M 2 λ λ λ 2 λ 2 2 3 λ 3 λ 3 3 4 λ 4 λ 4 4 Nämä muodostavat homogeenisen lineaarisen yhtälöryhmän. Yksi yhtälö on muista lineaarisesti riippuva, ja ratkaisu on vakiotekijää vaille yksikäsitteisesti määrätty. Olkoon (ˆλ,...,ˆλ M )yhtälöryhmän jokin ratkaisu. Yleinen ratkaisu on muotoa α (ˆλ,...,ˆλ M ), missä α on vakio. Se mitä α:n arvoa todelliset virrat vastaavat, jää toistaiseksi määräämättä. Asia selviää ns. keskiarvoanalyysin yhteydessä. Merkitään kyseistä arvoa ˆα:lla, ts. λ i =ˆαˆλ i. Merkitään ˆρ i = ˆλ i / i.nämä suureet ovat vastaavasti verrannollisia jonojen todellisiin kuormiin ρ i = λ i / i, nimittäin ρ i =ˆαˆρ i.

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 4 Gordonin ja Newellin lause Suljetun jonoverkon tasapainotodennäköisyydet ovat p(n) = M ˆρ n i i, G(K, M) kun i n i = K 0, kun i n i K missä G(K, M) = n: i n i =K M ˆρ n i Todistus on samantapainen kuin avoimessa jonoverkossa. Yksityiskohdat sivuutetaan. Todennäköisyysjakauma on siis tässäkin tapauksessa tulomuotoinen alueessa i n i = K (mutta ei kaikkialla!). Huom. Vaikka tekijöissä ˆρ i on määräämätön kerroin, itse ratkaisu on täysin määrätty, koska sama tekijä korotettuna potenssiin K esiintyy sekä tulossa että nimittäjän normitekijässä. Suljetun jonoverkon saapumislause (Lavenberg) Suljetussa jonoverkossa, jossa on K asiakasta, mihin tahansa solmuun saapuvan asiakkaan näkemät tilatodennäköisyydet ovat samat kuin tasapainotodennäköisyydet p[k ](n)verkossa, jossa on K asiakasta (Vrt. asiakkaan näkemä jakauma Engsetin järjestelmässä; mielivaltainen asiakas on ikään kuin ulkopuolisen tarkkailijan roolissa). Lause voidaan todistaa samalla tavalla apujonon avulla kuin avoimen jonoverkon tapauksessa. Yksityiskohdat sivuutetaan.

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 5 Keskiarvoanalyysi MVA, Mean Value Analysis (Reiser ja Lavenberg) Halutaan selvittää asiakkaiden keskimääräiset lukumäärät Ni [K] sekä viipymisajat T i [K] samoin kuin asiakasvirtojen λ i absoluuttiset tasot eri jonoissa. Analyysi perustuu keskeisesti edellä esitettyyn saapumislauseeseen. Laskenta tapahtuu rekursiivisesti lisäten askelittain asiakkaiden lukumäärää verkossa. Tämän vuoksi asiakkaiden kokonaismäärä merkitään eksplisiittisesti näkyviin hakasuluissa. Keskimääräiselle viipymisajalle jonossa i pätee T i [K] = i }{{} oma palveluaika + N i [K] i }{{} edessä olevien asiakkaiden palveluun kuluva aika missä N i [K] onjonooni saapuvan asiakkaan keskimäärin näkemä miehitys jonossa. Saapumislauseen perusteella pätee N i [K] = N i [K ] missä N i [K ] on tavallinen tasapainojakaumasta laskettu miehitys. Siten on T i [K] =(+ N i [K ]) i

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 6 Keskiarvoanalyysi (jatkoa) Keskimääräinen miehitys jonossa i on N i [K] =K M j= ˆλ i T i [K] ˆλ j T j [K] Todistus. Todelliset asiakasvirrat ovat λ i =ˆαˆλ i. Laventamalla lauseke ˆα:lla ja soveltamalla Littlen lausetta nähdään K M j= ˆλ i T i [K] ˆλ j T j [K] = K M j= λ i [K] T i [K] λ j [K] T j [K] = K M j= N i [K] N j [K] = K N i [K] K = N i [K] Soveltamalla Littlen lausetta toiseen suuntaan saadaan todellinen asiakasvirta jonon i läpi: λ i [K] = N i [K] T i [K] = K M j= ˆλi ˆλ j T j [K]

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 7 MVA-algoritmi Tulokset voidaan koota seuraavaksi rekursiiviseksi laskentamenetelmäksi. Rekursion alku: N i [0] = 0 Kunverkkoontyhjä, kaikki keskiarvot ovat nollia. Rekursioaskel: T i [K] = (+ N i [K ]) i N i [K] = K M j= λ i [K] = N i [K] T i [K] ˆλ i T i [K] ˆλ j T j [K] Keskimmäisessä kaavassa ˆλ i :t ovat mikä tahansa virtausyhtälöiden λ i = j λ j q j,i ratkaisu.

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 8 Esimerkki. Syklinen verkko λ... = 2 = = M = Virtausyhtälöiden eräs ratkaisu on: ˆλ = ˆλ 2 = = ˆλ M = Koska kaikki jonot ovat samanlaisia, voidaan indeksit jättää pois. Rekursioyhtälöt ovat nyt T [K] = (+ N[K ]) N[K] = K/M λ[k] = N[K]/ T [K] Lähtien alkuarvosta N[0] = 0 ratkaistaan keskiarvot suuremmille populaatioille T [] = N[] = M λ[] = M T [2] = M+ M N[2] = 2 M λ[2] = 2 M+ T [3] = M+2 M N[2] = 3 M λ[2] = 3 M+2 Kun K M niin λ[k] K (kierrokseen kuluva aika on M/, K kiertäjää). M... T [K] = M+K M N[K] = K M λ[k] = K M+K Kun K M niin λ[k] (kaikki jonot täynnä; asiakkaita lähtee keskim. / väliajoin).

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 9 Esimerkki 2. 2/3 /3 λ λ 2 K =3 Virtausyhtälöiden eräs ratkaisu on: ˆλ =2, ˆλ 2 = Lähtien alkuarvoista N [0] = N 2 [0] = 0 ratkaistaan keskiarvot suuremmille populaatioille K = T [] = N [] = λ [] = 2 3 2/ 2/+/ = 2 3 T 2 [] = N 2 [] = λ 2 [] = 3 / 2/+/ = 3 K =2 T [2] = ( + 2 3 ) = 5 3 N [2] = 2 λ [2] = 6 7 2 5/3 2 5/3+ 4/3 = 0 7 T 2 [2] = ( + 3 ) = 4 3 N 2 [2] = 2 λ 2 [2] = 3 7 4/3 2 5/3+ 4/3 = 4 7 K =3 T [3] = ( + 0 7 ) = 7 7 N [3] = 3 λ [3] = 4 5 2 7/7 2 7/7+ /7 = 34 5 T 2 [3] = ( + 4 7 ) = 7 N 2 [3] = 3 λ 2 [3] = 7 5 /7 2 7/7+ /7 = 5

J. Virtamo Liikenneteoria ja liikenteenhallinta / Jonoverkot 20 Nortonin teoreema Jonoverkoille voidaan johtaa samantapainen Nortonin teoreema kuin mitä käytetään lineaaristen piirien analyysissä. Jonoverkkojen tapauksessa teoreema voidaan todistaa käyttäen hyväksi verkon tunnettua tasapainojakaumaa. Kun ollaan kiinnostuneita vain verkon jonkun osan, esim. jonon i käyttäytymisestä, muu osa verkkoa voidaan korvata ekvivalentilla jonolla. N-n N asiakasta koko verkossa. N n asiakasta jonossa i. n asiakasta muussa osassa verkkoa. T(n) Lasketaan läpäisy (virta) T (n) oikosuljetulle systeemille asiakkaiden lukumäärän n funktiona. n =T(n) n N-n Muun verkon korvaavalla ekvivalentilla jonolla on tilariippuva palvelunopeus T (n). Jono i käyttäytyy samoin kuin alkuperäisessä verkossa.