Детализация функциональной модели
На интервале активности процесс может находиться в состояниях ГВ, HP, ПУ и ЭЗ. Будем считать, что ресурсы выделяются во время пребывания в состоянии HP (интервал tнj,), а освобождаются все сразу — в конце интервала пребывания в состоянии ЭЗ (по истечении tэj), оба эти интервала — детерминированные величины. Интервал активности равен: Появится последняя заявка, соответствующая выделению последнего… Читать ещё >
Детализация функциональной модели (реферат, курсовая, диплом, контрольная)
Построить необходимую детализацию можно с помощью итерационной процедуры. Данная процедура позволяет получить необходимые оценки параметров системы. Начало итерации обозначим как А, конец — Б.
А.
Зададим для N узлов стохастической сети номера в виде индексов j. Сделаем следующие допущения [1−3]:
1. Даны в некотором приближении средние значения всех , — интервалов активности. Где j=1,2,…, N.
2. Вероятность, с которой транзакт поступает от производителя к потребителю, может быть получена на основе следующих параметров: учебные планы, индивидуальные графики обучения, количество обучаемых студентов.
3. Учебный план, отображаемый в виде сети, представляет собой матрицу передач П=[]. Вероятность, с которой транзакт попадает в процесс-потребитель, в период представляет собой линейную комбинацию. Указанная комбинация обладает постоянными коэффициентами, обозначаемыми. Данные коэффициенты являются вероятностями перехода заявок на выходах узлов.
Сделанные предположения будут справедливы в том случае, если учебный процесс находится в стационарном режиме, т. е., все переходные процессы завершены. Следовательно, среднее значение для времени изучения дисциплин можно получить по формуле:
где — среднее значение длительности интервала активности; - степень интенсивности запросов на предмет с номером j; - интенсивность, с которой поступает поток студентов, изучающих данную дисциплину.
Знание среднего значения для интервалов активности составляющих учебного процесса позволит оценить время выполнения учебного плана.
Модель, с помощью которой будет производиться анализ интервалов активности, имеет следующие обозначения:
— ожидание студентов;
— готовность к выполнению;
— необходимы ресурсы;
- процесс изучения дисциплины;
— дисперсия процесса изучения;
завершающее мероприятие;
— время ожидания очереди к ресурсу;
— время активности процесса;
— главная составляющая интервала активности;
- время ожидания начального элемента ресурса;
— время ожидания некоторого ресурса;
— время обслуживания в очереди к ресурсу;
— длительность обслуживания в очереди к ресурсу;
— время простоя из-за нехватки ресурса;
время ожидания требуемого ресурса;
— коэффициент вариации времени ожидания ресурса;
— коэффициент вариаций времени обслуживания в очереди к ресурсу;
— коэффициент вариации интервала запросов к ресурсу.
На интервале активности процесс может находиться в состояниях ГВ, HP, ПУ и ЭЗ. Будем считать, что ресурсы выделяются во время пребывания в состоянии HP (интервал tнj,), а освобождаются все сразу — в конце интервала пребывания в состоянии ЭЗ (по истечении tэj), оба эти интервала — детерминированные величины. Интервал активности равен [2]:
Где — длительность пребывания в состоянии HP; - длительность пребывания в состоянии ПУ; j — номер процесса, j=1,2, …, N, (t) — индекс, показывающий случайный характер индексируемой величины.
Будем считать, что величины tгj и tэj известны, а интервал задан с помощью математического ожидания ГП и дисперсии da. Интервал можно определять с помощью одного из трех возможных способов:
- 1) исходя из характеристик распределенного института (головного университета, осуществляющего открытое образование);
- 2) с помощью хронометрирования;
3) если университет осуществляет приоритетное обслуживание для некоторых категорий учащихся, то это цикл обслуживания; методика определения цикла обслуживания для потоков типа пуассоновского или группового.
Предположим, что в распоряжении университета имеется М глобальных ресурсов, используемых при обучении. Мощность каждого ресурса — Si элементов, а для выполнения процесса (изучения курса) у предварительно необходимо выделить Rij элементов каждого ресурса. Причем 0 < Rij< Si, i=1,2 .M, j=1,2. N.
Поставим в соответствие началу интервала активности момент появления транзакта на входе модельной системы. Этот транзакт попадает на вход генератора, на каждом i-м выходе которого через время tгj появятся порции Rij заявок, которые распределяются по Si, очередям. Длительность обслуживания в каждой очереди — это интервал времени, начинающийся в момент выделения процессу первого элемента ресурса i из набора свободных ресурсов и заканчивающийся моментом возвращения всех Rij элементов в этот набор (каждому ресурсу соответствует свой менеджер обслуживания, контролирующий очередь) [3−6].
Через какой-то интервал времени.
на входе счетчика появится первая удовлетворенная заявка очереди i-го ресурса. После этого проходит еще Rij-1 случайных интервалов, пока не появятся остальные заявки. Если считать, что интенсивность освобождения процессами элементов стационарна, то каждый из Rij -1 интервалов в среднем равен tri/ Si, где tri= М [tri(t)].
Через время.
появится последняя заявка, соответствующая выделению последнего из запрошенных rij элементов i-ro ресурса. После чего учебный процесс выполняется (за время) и завершается контрольными мероприятиями (за время tэj). Поток заявок, поступающий на вход рассматриваемой модели, — неординарный с интенсивностью .
Рисунок 2 — Модель анализа интервала активности процесса: а — схема массового обслуживания в пределах интервала активности; б — временные диаграммы элементарных процессов.
Однако есть две причины, позволяющие предположить возникновение в модели режима открытого образования случайных групп в потоках траизактов:
- — один студент может привести несколько студентов (а в модели один транзакт может породить группу других транзактов);
- — в учебном плане могут быть циклы.
Сеть процессов, образующих учебный план, — довольно сложная, полнодоступная. Поэтому в практических расчетах будем считать, что поток групп — пуассоновский, а размер группы распределен по закону обобщенного распределения фланга [6].
Одно из свойств групповых потоков заключается в том, что превосходит математическое ожидание интервала между заявками, поэтому коэффициент вариации с > 1. Формула для оценки среднего размера группы заявок при обобщенном распределении Эрланга имеет вид.
.
Это соотношение позволяет отслеживать появление групповых потоков в реальных системах или в их имитационных моделях. Особенность обобщенного распределения Эрланга заключается в том, что его применение позволяет выполнить расчет на худший случай (при перегрузках).
Далее воспользуемся свойствами полученного распределения. Поэтому применим гипотезу Л. Клейнрока о независимости не к потокам заявок, а к потокам групп заявок. Коэффициент вариации интервала поступления сj в групповом потоке такого типа не меньше единицы. Исходя из свойств рассмотренного распределения, средний размер случайной группы связан с коэффициентом вариации соотношениями [1]:
.
Средний размер группы, поступающей в одну очередь, равен:
.
Где вероятность того, что запрос на выделение элемента i-го ресурса поступил от j-го процесса:
.
Предположим, что известна вероятность ненулевой задержки в очереди (в режиме перегрузок) и среднее значение tcj = tиj+trj.. По правилу расчетов для объединения процессов с учетом формул диффузной аппроксимации получим среднее время обслуживания очереди:
.
Конец итерации. Из временной диаграммы на рисунке 2 следует:
Уточнив значения, известные в начале итерации с определенной погрешностью, итерацию можно повторить, пока процесс не сойдется к результатам с приемлемой точностью. Таким образом, методом последовательных приближений можно получить интересующие нас параметры интервала активности.