M/G/1队列中的Taboo概率及其相关计算

摘要

马尔可夫链（Markov chain）描述了一个系统在不同时刻处于不同状态以及从一种状态向另一种状态发生状态转移的情况.可尔可夫链模型被应用于许多领域,其中不仅包括计算机科学和工程学,还有概率与统计,工业工程,电子工程,生物,基因与农业,经济,教育等.同样马尔可夫链可用于定位通信网络的瓶颈问题,以及评估在多处理系统种增加CPU的数量带来的好处等等.马尔可夫链是一种在许多领域都非常有用的分析工具.在这篇文章中,我们分析了Taboo概率在求解稳定分布中的重要意义,并在此基础上提出具有二次收敛速度的算法,使得原来的齐次M/G/1（或GI/M/1,QBD）马尔可夫链下的算法更具有普遍性,从而把二次收敛速度的算法推广到非齐次情形.

目录

文摘

英文文摘

§1.引言

§2.Taboo概率

§2.1有限马氏链

§2.2齐次QBD过程

§2.3非齐次QBD过程

§3.算法

§3.1非齐次QBD过程计算

§3.2非齐次GI/M/1马氏链计算

§4.算法收敛性

§5.几种算法比较

§6.数值实例

§7.结论

参考文献

致谢

声明