带有负顾客的M/G/1单重工作休假可修排队系统

本文考虑了带有负顾客和单重工作休假策略的M/G/1排队系统,其中在正规忙期到达的负顾客带走正在接受服务的正顾客,并且造成系统故障进入修理状态,但修理结束后服务台不能够立刻恢复如新,而是以较低的服务速率进行服务。经过一段随机时间后,才能恢复到正常服务速率。本文给出了稳态条件下系统的顾客队长分布、系统处于各个状态概率和数学期望等一些测度指标。     

带RCE抵消策略的负顾客GI／M／1工作休假排队

考虑服务员在休假期间不是完全停止工作,而是以相对于正常服务期的低些的服务率服务顾客的GI/M/1工作休假排队模型.在此模型基础上,针对现实的GI/M/1排队模型中可能出现的外来干扰因素,提出了带RCE(removal of customers in the end)抵消策略的负顾客GI/M/1工作休假排队这一新的模型.服务规则为先到先服务.工作休假策略为空竭服务多重工作休假.抵消原则为负顾客一对一抵消队尾的正顾客,若系统中无正顾客时,到达的负顾客自动消失,负顾客不接受服务.首先通过引进补充变量得到一个向量马氏过程,然后由矩阵几何解方法成功求得到达时刻和任意时刻系统队长的稳态分布.     

带启动时间、N策略和负顾客的M/M/1工作休假排队

研究了具有正、负2类顾客的M/M/1工作休假排队模型,工作休假策略为空竭服务、N策略带启动时间多重工作休假.负顾客一对一抵消队首正在接受服务的正顾客,若系统中无正顾客时,到达的负顾客自动消失,负顾客不接受服务.使用拟生灭过程和矩阵几何解方法,得到了系统队长的稳态分布,也证明了系统队长和等待时间的条件随机分解结构.     

同步多重工作休假排队系统分析

考虑一类带有正负顾客、休假可中止的同步多重工作休假排队模型.服务台在休假期间不是完全停止工作,而是以相对服务期较低的服务率服务顾客,这种半休假策略叫作工作休假.在此模型的基础上,针对现实生活中的排队模型可能出现的干扰因素,提出了带有负顾客的排队模型,负顾客一对一抵消队尾的正顾客(若有),若系统中无正顾客,到达的负顾客自动消失,负顾客不接受服务;同时引入了另一种策略:休假可中止.采用拟生灭过程和矩阵几何解法得到了系统的稳态队长,证明了稳态条件下队长的随机分解,并且得到了附加队长的分布.最后,应用数值例子说明该模型可以较好地解决一些实际问题.     

带不同到达率及负顾客和N-策略的Geo/Geo/1工作休假排队

在离散时间Geo/Geo/1多重工作休假排队模型的基础上,同时引入负顾客和N-策略,并在模型中规定正顾客在忙期和假期内的到达率不同.在这个新模型下,得到了一些新结论并改进了一些原有的相关结论.在工作休假期,服务员不完全停止服务,而是以较正常服务率低的速率服务顾客,这可以降低顾客因不耐烦排队离开所造成的损失,同时又可提高经济效益.到达的负顾客不接受服务,只是一对一抵消队首正接受服务的正顾客,若系统中无正顾客,负顾客自动消失.在某次休假结束时,系统中顾客数不少于N则终止休假,否则继续休假.考虑实际因素,根据忙期和休假期内的不同服务率规定不同的到达率.通过拟生灭链矩阵分析方法,求出了这个排队系统的队长平稳分布、随机分解、忙期分析.最后通过两个数值实例分析了参数对队长的影响.     

有负顾客且Bernoulli反馈的M／M／c工作休假排队系统

将负顾客和反馈机制结合,研究了M／M／c工作休假排队系统,其中在休假期间,服务员并未完全停止工作,而是以相对于正常工作时较低的服务率为顾客服务,工作休假策略为空竭多重工作休假．负顾客一对一抵消正在接受服务的正顾客（若有）,若系统中无正顾客时,到达的负顾客自动消失,负顾客不接受服务．完成服务的正顾客以一定概率反馈到队尾寻求再次服务．并利用拟生灭过程和矩阵几何解方法得到了系统队长的稳态分布,给出稳态下系统的一些性能指标和数值算例．     

多重工作休假的M/M/c排队系统

在已研究的多服务台休假排队基础上,考虑到无线通信网络中服务台可以从节能状态唤醒到正常状态的机制,建立了带多重工作休假的M/M/c排队系统,在休假期间所有服务员并未完全停止工作而是以较慢的速率服务顾客,称之为同步工作休假,并且是同步N-策略多重工作休假规则,同时引入了另一种休假策略:休假可中止.采用拟生灭过程和矩阵几何解的方法对该模型进行了研究,得到了系统的稳态队长分布,表明了在服务台全忙条件下的条件随机分解.     

带负顾客的GI/Geom/1工作休假排队

考虑带负顾客的GI/Geom/1工作休假排队.负顾客一对一抵消正在服务的正顾客(若有),若系统中无正顾客,到达的负顾客自动消失,负顾客不接受服务.服务规则为先到先服务.工作休假策略为空竭服务多重工作休假.用矩阵几何解方法,求得到达前夕系统队长的稳态分布、队长分布的概率母函数及平均队长.     

具有两种服务的负顾客M/(G1/G2)/1休假排队系统

考虑具有两种不同服务的负顾客M/(G1/G2)/1休假排队模型,正顾客接受第一种服务后以概率θ(0≤θ≤1)进行第二种服务,或者以概率1-θ离开系统.服务规则是先到先服务(FCFS).在正顾客接受两种服务的过程中均可能有负顾客到达,负顾客不接受服务,只抵消正在接受服务的顾客(RCH).休假策略为空竭服务单重休假(E,SV),通过补充变量法求得了稳态队长的概率母函数的随机分解结果.     

具有两种不同服务的负顾客M/G/1排队系统

考虑单服务台提供两种不同服务的负顾客M/G/1排队模型,每个正顾客接受第一种服务后以概率θ(0≤θ≤1)进行第二种服务,或者以概率1-θ离开系统,第二种服务完成后也离开系统.服务规则是先到先服务(FCFS).在正顾客接受两种服务的过程中均可能有负顾客到达,负顾客不接受服务,只起抵消正顾客的作用,抵消正在接受服务的顾客(RCH).通过补充变量法和状态转移方程求得了系统稳态队长的概率母函数.     

M/M/C排队模型在理发服务行业中的应用

将随机服务系统中M/M/C排队模型应用到理发服务行业.笔者对重庆南岸区某理发店进行了现场调查,以10 min为一个调查单位调查顾客到达数,统计了72个调查单位的数据,又随机调查了为113名顾客服务的时间,得到了单位时间内到达的顾客数n和为每位顾客服务的时间t,然后利用χ2拟合检验,得到单位时间的顾客到达数服从Possion分布,服务时间服从负指数分布,从而建立起M/M/C等待制FCFS排队模型,通过计算和分析M/M/C排队模型的主要指标,得到该理发店宜聘用的最佳理发师数.本文对随机服务系统中的M/M/C排队模型在各行业中的应用具有示范意义.     

可修排队系统M／M（M／M）／1的几何过程模型

研究了服务台可修的Ｍ／Ｍ（Ｍ／１）／１排队系统，在服务台修复非新时，利用几何过程和向量Ｍａｒｋｏｖ过程，并借助于经典排队系统Ｍ／Ｍ／１的忙期，求得了该系统的一些排队指标及服务台的可靠性指标。     

T型非抢占优先权M/M/1排队系统

为了进一步优化认知无线网频谱的接入,在将T作为时间参数引入排队系统的基础上,提出了一种新的T型非抢占优先权排队策略,并将其引入M/M/1排队模型中,系统分析并推导出顾客在系统内的平均等待时间、平均逗留时间以及系统的平均队长.最后通过Matlab软件对顾客平均等待时间进行了仿真模拟.     

一类有差错服务的单服务窗闭合式M／M／1／m／m排队模型

讨论了αk=1-k/βm（服务台对系统中第k个顾客正确服务的概率）的有差错服务的M／M／1／m／m排队模型,得到了系统的平稳分布,平均输入率,平均队长,平均等待队长等各项指标。     

标准的M/M/C优于C个标准M/M/1排队系统的证明

本文证明了到达率相同,服务率也相同时,标准M/M/C排队系统优于C个标准M/M/1排队系统.     

有负顾客到达的M/M/c/N可修排队模型

研究了具有负顾客到达的M/M/c/N排队模型,其中负顾客到达抵消一个正在服务的正顾客,系统中多个服务台都可能发生故障且可修.通过矩阵分块的迭代解法求出了稳态概率的精确解,得到系统的一些稳态排队指标和稳态故障频度、可用度等可靠性指标.在此基础上利用MATLAB通过数值算例,考察了系统某些参数对系统平均顾客数和稳态可用度的影响.     

基于累积前景理论的M/M/1排队模型

基于Kahneman和Tversky提出的累积前景理论(Cumulative Prospect Theory,简称CPT),分析了M/M/1排队模型中顾客的最优到达率问题,此模型包含参照点、S-型价值函数、损失厌恶以及概率的权重函数.分析了模型的适定性问题,并在适定性的基础上对顾客最优到达率进行了分析.基于累积前景理论,商家服务速率越高,最优顾客到达率越高.商品价格和顾客的边际等待成本对最优顾客到达率的影响与服务收益对最优到达率的影响相反.在数值案例中,各要素对顾客最优到达率的影响与期望效用理论(Expected Utility Theory,简称EU)的分析结果是类似的.并指出累积前景理论求出的顾客最优到达率总是比期望效用理论下求出的顾客最优到达率低.     

对M/M/1抢占优先权排队的一些注记

讨论M/M/1抢占优先权排队模型,该模型可以用一个具有可数位相的拟生灭过程来描述.对该过程,得到了其率算子元素的母函数,在此基础上,还得到了联合平稳分布算子几何解的母函数形式.另外,给出了平稳状态时低优先权顾客数分布的概率母函数,结果表明它不是一个有理函数.     

随机服务系统理论M/M/C和M/G/K模型的实例应用

通过随机服务系统理论中的M/M/C和M/G/K模型,研究眼疾病床的优化安排问题,进而使得患者在系统内逗留的时间达到最短.