一个有用的结论: 顾客逗留时间服从 μ − λ \mu-\lambda μ−λ 的指数分布(参考平均逗留时间 W s W_s Ws)。
2.多服务台M/M/c/N/ ∞ \infin ∞
首先计算出来对应的P值:
计算出系统的运行指标:
3.多服务台M/M/c/ ∞ \infin ∞/m
首先计算出来对应的P值:
计算出系统的运行指标:
(7)排队系统最优化
1.标准M/M/1系统的最优服务率
参数引入:
C s C_s Cs:对每个顾客的单位时间服务费。
C w C_w Cw:为每个顾客在系统停留单位时间的损失费。
G G G:单位时间对每位顾客服务的收入。
z z z:总费用。
优化目标(单位时间费用最小): min z = C s μ + C w L s \min{z}=C_s\mu+C_wL_s minz=Csμ+CwLs
求得最优取值: μ ∗ = λ + C w C s λ \mu^{*}=\lambda+\sqrt{\dfrac{C_w}{C_s}\lambda} μ∗=λ+CsCwλ
优化目标(服务利润最大): max z = μ ( 1 − P 0 ) G − C s μ \max{z}=\mu(1-P_0)G-C_s\mu maxz=μ(1−P0)G−Csμ ( 1 − P 0 1-P_0 1−P0表示排除没有人的情况)
2.系统容量有限M/M/1/N/ ∞ \infin ∞的最优服务率
与标准情况的差别:这里相当于如果系统中已经有 N N N个顾客了,那么后来的都会被拒绝,所以说这里实际进入(稳定状态下服务完)的客户多一个 ( 1 − P N ) (1-P_N) (1−PN)的系数,为 λ ( 1 − P N ) \lambda(1-P_N) λ(1−PN)。
优化目标为: min z = λ ( 1 − P N ) G − C s μ = λ G 1 − ρ N 1 − ρ N + 1 − C s μ \min{z}=\lambda(1-P_N)G-C_s\mu=\lambda G\frac{1-\rho^{N}}{1-\rho^{N+1}}-C_s\mu minz=λ(1−PN)G−Csμ=λG1−ρN+11−ρN−Csμ
求得结果: ρ N + 1 N − ( N + 1 ) ρ + ρ N + 1 ( 1 − ρ N + 1 ) 2 = C s G \rho^{N+1}\frac{N-(N+1)\rho+\rho^{N+1}}{(1-\rho^{N+1})^2}=\frac{C_s}{G} ρN+1(1−ρN+1)2N−(N+1)ρ+ρN+1=GCs 注意这里面 ρ = λ μ \displaystyle\rho=\frac{\lambda}{\mu} ρ=μλ,其他的参量也都知道,因此最后只需要通过数值方法求解 μ ∗ \mu^{*} μ∗。
3.顾客源有限M/M/1/m/m的最优服务率
根据之前的模型可知,单位时间服务完的顾客数为 λ ( m − L s ) \lambda(m-L_s) λ(m−Ls)。
优化目标(服务利润最大): max z = λ ( m − L s ) G − C s μ \max{z}=\lambda(m-L_s)G-C_s\mu maxz=λ(m−Ls)G−Csμ ( 1 − P 0 1-P_0 1−P0表示排除没有人的情况)
优化结果为:
4.标准M/M/c的最优服务台数
优化目标(单位时间费用最小): min z = C s μ + C w L s \min{z}=C_s\mu+C_wL_s minz=Csμ+CwLs,注意这里因为 L s = L s ( c ) L_s=L_s(c) Ls=Ls(c)所以个服务台的个数有关。
由于 c c c是离散的取值,因此采用边际分析法求解,假定 c c c的最优值为 c ∗ c^{*} c∗,此时 z ( c ∗ ) z(c^{*}) z(c∗)为最少费用。
根据最小值的特性可以得到如下的不等式: z ( c ∗ ) ≤ z ( c ∗ − 1 ) z ( c ∗ ) ≤ z ( c ∗ + 1 ) z(c^{*})\le z(c^{*}-1)\\ z(c^{*})\le z(c^{*}+1) z(c∗)≤z(c∗−1)z(c∗)≤z(c∗+1)