【数学建模算法】(20)排队论:M/M/s/s损失制排队模型

当 s 个服务台被占用后,顾客自动离去。
这里我们着重介绍如何使用 LINGO 软件中的相关函数。

1.损失制排队模型的基本参数

对于损失制排队模型,其模型的基本参数与等待制排队模型有些不同,我们关心如下指标。
(1)系统损失的概率

P_{\text {lost }}=@pel(rho,s)

其中rho是系统到达负荷\frac{\lambda}{\mu},s是服务台或服务员的个数。
(2)单位时间内平均进入系统的顾客数(\lambda_{e}

\lambda_{e}=\lambda\left(1-P_{\text {lost }}\right)

(3)系统的相对通过能力(Q)与绝对通过能力(A

Q=1-P_{\text {lost }}
A=\lambda_{e} Q=\lambda\left(1-P_{\text {lost }}\right)^{2}

(4)系统在单位时间内占用服务台(或服务员)的均值(即L_{s}

L_{s}=\lambda_{e} / \mu

注意:在损失制排队系统中,W_{q}=0,即等待时间为0。
在上述公式,引入\lambda_{e}是十分重要的,因为尽管顾客以平均\lambda的速率到达服务系统,但当系统被占满后,有一部分顾客会自动离去,因此,真正进入系统的顾客输入率是\lambda_{e},它小于\lambda

2.损失制排队模型计算实例。

2.1.s=1的情况(M/M/1/1)

例1 设某条电话线,平均每分钟有 0.6 次呼唤,若每次通话时间平均为 1.25min,求系统相应的参数指标。

其参数为\mathrm{S}=1, \quad \lambda=0.6, \quad \mu=\frac{1}{1.25}。编写LINGO程序如下:

model:
s=1;lamda=0.6;mu=1/1.25;rho=lamda/mu;
Plost=@pel(rho,s);
Q=1-Plost;
lamda_e=Q*lamda;A=Q*lamda_e;
L_s=lamda_e/mu;
eta=L_s/s;
end

求得系统的顾客损失率为43%,即43%的电话没有接通,有57%的电话得到了服务,通话率为平均每分钟有0.195次,系统的服务效率为43%。对于一个服务台的损失制系统,系统的服务效率等于系统的顾客损失率,这一点在理论上也是正确的。

2.2.s>1的情况(M / M / s / s)

例2 某单位电话交换台有一台200门内线的总机,已知在上班8h的时间内,有20%的内线分机平均每40min要一次外线电话,80%的分机平均隔120min要一次外线。又知外线打入内线的电话平均每分钟1次。假设与外线通话的时间平均为3min,并且上述时间均服从负指数分布,如果要求电话的通话率为95%,问该交换台应设置多少条外线?

(1)电话交换台的服务分为两类,第一类内线打外线,其强度为:
\lambda_{1}=\left(\frac{60}{40} \times 0.2+\frac{60}{120} \times 0.8\right) \times 200=140
第二类时外线打内线,其强度为:
\lambda_{2}=1 \times 60=60
因此,总强度为:
\lambda=\lambda_{1}+\lambda_{2}=140+60=200
(2)这是损失制服务系统,按题目要求,系统损失率不能超过5%,即:
P_{\text {lost }} \leq 0.05
(3)外线是整数,在满足条件下,条数越小越好。

由上述三条,编写相应的Lingo程序如下:

model:
lamda=200;
mu=60/3;rho=lamda/mu;
Plost=@pel(rho,s);Plost<0.05;
Q=1-Plost;
lamda_e=Q*lamda;A=Q*lamda_e;
L_s=lamda_e/mu;
eta=L_s/s;
min=s;@gin(s);
end

求得需要15条外线。在此条件下,交换台的顾客损失率为3.65 %,有96.35%的电话得到了服务,通话率为平均每小时185.67次,交换台每条外线的服务效率为64.23%。

求解时,尽量选用简单的模型让LINGO软件求解,而上述程序是解非线性整数规划(尽管是一维的),但计算时间可能会较长,因此,我们选用下面的处理方法,分两步处理。

编写LINGO程序:

model:
lamda=200;
mu=60/3;rho=lamda/mu;
@pel(rho,s)=0.05;
end

求得s=14.33555

第二步,注意到@pel(rho,s)是s的单调递减函数,因此,对s取整数(采用只入不舍原则)就是满足条件的最小服务台数,然后再计算出其它的参数指标。
编写LINGO程序如下:

model:
lamda=200;
mu=60/3;rho=lamda/mu;
s=15;Plost=@pel(rho,s);
Q=1-Plost;
lamda_e=Q*lamda;A=Q*lamda_e;
L_s=lamda_e/mu;
eta=L_s/s;
end

比较上面两种方法的计算结果,其答案是相同的,但第二种方法比第一种方法在计算时间上要少许多。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,186评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,858评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,620评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,888评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,009评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,149评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,204评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,956评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,385评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,698评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,863评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,544评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,185评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,899评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,141评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,684评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,750评论 2 351

推荐阅读更多精彩内容