具有多重休假和Min(N,V)-策略控制的Geo/G/1离散时间排队

考虑服务员具有多重休假和系统采用min(N,V)-策略控制的离散时间Geo/G/1排队系统,使用全概率分解技术和更新过程理论,研究了系统在任意时刻n+的瞬态队长分布和稳态队长分布,得到了瞬态队长分布的z-变换表达式和稳态队长分布的递推表达式.进一步,得到了系统在时刻点n,n~-和外部观察时刻点的稳态队长分布.特别地,本文直接获得了一些特殊离散时间排队系统相应的结果.最后,通过数值实例阐述了获得便于计算的稳态队长分布的表达式在系统容量设计中的重要价值.     

小型信控环形交叉口自适应控制模型与算法研究

针对各进口流量不均衡的城市小型环交,本文以单位绿灯时间通过的车辆数最大为目标,结合排队长度与等待时间的限制,建立了小型环交单进口放行自适应控制模型。在不同的流量均衡度下,仿真结果表明本文建立的自适应控制模型相较于单进口放行定时控制与左转二次停车控制,在交叉口平均延误、排队长度等方面均有较为明显的优势。     

考虑关联交叉口排队长度的干线协调相位差模型

为减少干线车辆延误与停车次数,将干线相邻交通信号连接起来进行协调控制。基于相邻交叉口交通流的到达特性,分析干线协调控制的内在机理。依据车流到达类型,将车队头车绿灯到达情况下的交叉口延误分为车队尾部受阻与车队不受阻两种类型。分析关联交叉口的排队特性,将排队长度引入延误计算过程,建立了四种干线协调控制相位差模型。选取青岛市珠江路干线五个相邻信号交叉口进行模型验证,得出相邻交叉口相位差与延误的相关关系,确定了使车辆延误最小的相位差。结果表明,基于排队特性的相位差模型在干线协调控制中具有一定的可行性与实用性。     

电梯服务系统的排队模型

运用排队论理论建立了电梯服务系统的最少服务一个顾客最多服务γ个顾客的成批服务M/M/1排队模型,并给出了γ为随机变量时电梯服务系统的一些参数指标.     

基于连续滑模控制的主动队列管理算法及仿真

基于一种改进的滑模控制器提出了一种主动队列管理（AQM）算法。采用连续的滑模控制（SMC）方案来取代不连续的切换控制，消除了滑模控制中存在的抖振现象从而使队列跟踪性能得到改善．对于网络模型的不确定性、网络参数的时变性及非TCP适应流所引起的网络抖动试算法具有很强的鲁棒性。仿真结果表明该方法可以使队列长度快速收敛到设定值，同时使队列振荡最小，结果也表明在网络条件变化的情况下，该算法优于传统的PI控制和传统的滑模控制。     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

批量到达的离散时间排队系统

主要讨论了离散时间状态下的批量到达排队系统,推广了经典的离散时间排队模型.考虑单个服务台的情形,假设顾客的批次到达服从几何分布、每批到达的顾客数服从一般的离散分布、顾客的服务时间也服从几何分布,使用嵌入Markov链的方法,分析得到了该随机排队系统的队长、等待队长、等待时间以及忙期等关键指标的母函数.这些结论与经典排队系统中相对应的结论在形式上十分相似,并且将经典排队系统作为其特例,从而推广了随机排队系统的研究框架.     

空竭服务多级适应性休假GeomX/G(Geom/G)/1可修排队系统

在空竭服务多级适应性休假Geom^x／G／1排队的基础上,讨论了空竭服务多级适应性休假Geom^x／G(Geom／G)／1可修排队系统．利用嵌入马尔可夫链法,得到了稳态状态下顾客离去时刻系统队长的母函数,说明系统队长存在随机分解;此外,对系统的一个忙循环进行分析,使用Wald定理和离散时间更新报酬定理得到了系统的稳态可用度．     

相依型离散时间排队系统的相关分析

讨论了离散时间状态下的相依型排队系统,推广了经典的离散时间排队模型.考虑顾客的到达率依赖于其到达时系统中的顾客数,假定在单个服务台的情形,顾客到达时间间隔服从一般分布,使用嵌入马尔可夫链的方法,得到了该随机排队系统的队长、等待队长、等待时间以及忙期等关键指标的分布或母函数.     

基于NS2软件验证随机早期检测算法RED的优越性

在构造RED算法的网络拓扑模型和建立该模型的有限状态机的基础上,用目前主流的网络模拟软件NS2进行仿真,得到当前队列大小、平均队列大小和TCP数据源窗口大小的仿真图形,通过对仿真图形的比较和分析,说明RED算法的高效性和优越性。