Asymptotic analysis of a multi-flow heterogeneous qs under conditions of extremely rare state changes manager of input flows markov chains

Capa

Citar

Texto integral

Resumo

Currently, multimodal systems are gaining popularity with the development of multimodal interfaces. Multimodal streams are integrated streams of different types, including the transmission of voice, text data and video, so it is logical to use non-Poisson models to describe them. As a mathematical model of a multimodal servicing system, a multi-threaded heterogeneous queuing system with flows changing their intensity depending on the states of the Markov random environment is considered. Incoming requests from various flows are serviced during an exponentially distributed random time with parameters determined by the type of flow. Expressions are obtained for finding the maximum values of the main probabilistic characteristics of the number of occupied devices of each type. Asymptotic research is carried out under the condition of extremely rare changes in the states of the environment. The form of the multidimensional asymptotic characteristic function is obtained. It is proven that one-dimensional (marginal) stationary probability distributions of the number of occupied devices of each type are weighted sums of Poisson distributions. A numerical analysis of the range of applicability of the obtained approximation was carried out.

Sobre autores

Svetlana Moiseeva

National Research Tomsk State University

Email: smoiseeva@mailt.ru
Tomsk

Ekaterina Pankratova

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: pankate@gmail.com
Moscow

Bibliografia

  1. БАСОВ О.О., ПАКУЛОВА Е.А., САИТОВ И.А. Методо-логические основы построения интеллектуальных инфо-коммуникационных систем. – Орёл: Академия ФСО Рос-сии, 2020. – 272 с.
  2. ВИШНЕВСКИЙ В.М., ДУДИН А.Н., КЛИМЕНОК В.И. Сто¬хастические системы с коррелированными потока-ми. Теория и применение в телекоммуникационных се-тях. – М.: Рекламно-издательский центр "ТЕХНОСФЕ-РА", 2018. – 564 с.
  3. ГОРБАТЕНКО А.Е. Асимптотики произвольного поряд-ка для системы МАР|GI|∞ в условии растущей интен-сивности входящего потока // Вестник Томского госу-дарственного университета. Управление, вычислитель-ная техника и информатика. – 2010. – №2(11). – С. 35–43.
  4. МАТВЕЕВ Ю.Н. Технологии биометрической идентифи-кации личности по голосу и другим модальностям // Вестник Московского государственного технического университета им. Н.Э. Баумана. – 2012. – №3(3). –С. 5.
  5. НАЗАРОВ А.А., МОИСЕЕВА С.П. Методы асимптоти-ческого анализа в теории массового обслуживания. – Томск: Изд-во НТЛ, 2006. – 112 с.
  6. НАУМОВ В.А., САМУЙЛОВ К.Е. О моделировании си-стем массового обслуживания с множественными ре-сурсами // Вестник РУДН. Серия: Математика, информа-тика, физика. – 2014. – №3. – C. 60–64.
  7. ЭЛЬСГОЛЬЦ Л.Э. Дифференциальные уравнения и вари-ационное исчисление. – М.: Наука, 1969. – 424 с.
  8. LUCANTONI D.M. New results on the single server queue with a batch Markovian arrival process // Stochastic Models. – 1991. – Vol. 7. – P. 1–46.
  9. NEUTS M.F., He Q.-M. Markov arrival process with marked transitions // Stochastic Processes and Applications. – 1998. – Vol. 74. – P. 37–52.
  10. SINGH V.P. Markovian queues with three heterogeneous servers // AIIE Transactions. – 1971. – Vol. 3 (1). – P.45–48.
  11. SINGH V.P. Two-server Markovian queues with balking: Heterogeneous vs. homogeneous servers // Operations Re-search. – 1970. – No. 18(1). – P. 145–159.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição–NãoComercial 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».