简介:1.IntroductionRecently,singleserverqueueswithvacationshavebeenstudiedextensivelyfromtheirowntheoreticalinterestaswellastheirapplicationstomanyengineeringsystemssuchascomputers,communicationnetworksandmanufacturingsystems.FOrtheM/G/lqueueingsystemswit...
简介:在这篇论文,我们与工作假期和假期打断学习M/M/1队列。工作假期最近被介绍,在哪个期间服务者能仍然以更低的率在原来的进行中的工作上提供服务。同时,我们介绍一个新policy:the服务器罐头一旦系统的一些索引例如顾客的数字,在假期时期完成某个值,从假期回到正常工作水平。没有完成假期,服务者可以从假期回来。如此的政策被称为假期打断。我们连接提及的上面二条政策并且假设如果在假期时期期间在在服务结束以后的系统有顾客,服务器将回到正常工作水平,嗨伪出生和死亡过程和矩阵几何的解决方案方法称为,我们为顾客和等待的时间的数字获得分布和随机的分解结构并且提供系统的一些索引。
简介:Inthispaper,asteady-stateMarkovianmulti-serverretrialqueueingsystemwithBernoullivacationschedulingserviceisstudied.Usingmatrix-geometricapproach,variousinterestingandimportantsystemperformancemeasuresareobtained.Further,theprobabilitydescriptorslikeidealretrialandvainretrialareprovided.Finally,extensivenumericalillustrationsarepresentedtoindicatethequantifyingnatureoftheapproachtoobtainsolutionstothisqueueingsystem.
简介:Inthispaper,weanalyzeabulkinputM[X]/M/1queuewithmultipleworkingvacations.Aquasiuppertriangletransitionprobabilitymatrixoftwo-dimensionalMarkovchaininthismodelisobtained,andwiththematrixanalysismethod,highlycomplicatedprobabilitygeneratingfunction(PGF)ofthestationaryqueuelengthisfirstlyderived,fromwhichwegotthestochasticdecompositionresultforthestationaryqueuelengthwhichindicatestheevidentrelationshipwiththatoftheclassicalM[X]/M/1queuewithoutvacation.ItisimportantthatwefindtheupperandthelowerboundsofthestationarywaitingtimeintheLaplacetransformorderusingthepropertiesoftheconditionalErlangdistribution.Furthermore,wegainthemeanqueuelengthandtheupperandthelowerboundsofthemeanwaitingtime.
简介:港口吞吐量预测是港口决策和规划的基础。为了合理预测港口吞吐量,本文利用外贸进出口总量、第一产业总产值和第三产业总产值作为BP神经网络的输入变量,港口吞吐量为输出变量,建立了港口吞吐量预测的BP神经网络预测模型。然后根据2000年-2010年广西北部湾港口吞吐量、外贸进出口总量、第一产业总产值和第三产业总产值,利用Matlab6.5软件的神经网络工具箱,通过对BP神经网络模型的反复训练,发现当隐含层节点数为6,学习率为0.05,训练次数为500次,训练精度为0.001,动力因子为0.9时得到的效果最好。并对BP神经网络模型与多元回归模型的预测结果进行比较分析,认为BP神经网络模型预测的总体效果更优。最后利用所确定的BP神经网络模型,对2011年和2012年两年的港口吞吐量进行了预测。
简介:摘要利用2008年1月1日至2012年12月31日逐日NCEP再分析资料(1×10)和大同地区地面常规观测资料,选取相邻两天的气象因子差值作为预报因子,相邻两天的日最高/最低气温的差值作为目标因子,分站点分月构建三层结构的日最高/最低BP神经网络模型,并应用独立样本进行模型检验,结果表明,该模型输出结果与实况拟合较好,且其对明显的升降温过程能够准确预报。在对ECMWF数值预报产品释用基础上,针对大同站2012年1月最高气温进行了24h、48h和72h模拟预测,结果显示,该BP神经网络预报模型各时效预报准确率TS评分均高于中央气象台MOS预报。
简介:WestudyanM/PH/1queuewithphasetypeworkingvacationandvacationinterruptionwherethevacationtimefollowsaphasetypedistribution.Theserverservesthecustomersatalowerrateinavacationperiod.Theservercomesbacktotheregularbusyperiodataservicecompletionwithoutcompletingthevacation.Suchpolicyiscalledvacationinterruption.Intermsofquasibirthanddeathprocessandmatrix-geometricsolutionmethod,weobtainthestationaryqueuelengthdistribution.Moreoverweobtaintheconditionalstochasticdecompositionstructuresofqueuelengthandwaitingtimewhentheservicetimedistributionintheregularbusyperiodisexponential.
简介:InthisnotewediscusstheannihilatingpropertiesofsequencesoverZ/(m).Byconsideringthelinearcomplexityandtheannihilatorstructure,wederivetheuniquenessconditionfortheminimalpolynomial,andsomerelatedresultsofdecimationsequences.
简介:我们与州依赖者的到达和一般服务分发学习一个单个服务者的排队系统,或简单地M(n)/G/1/K,在服务器跟随一条N政策并且当系统是空的时,度多重假期的地方。我们用增补可变技术提供一个递归的算法数字地计算系统的静止队列长度分发。唯一的输入要求是服务时间分发的Laplace-Stieltjes变换,假期时间分发,和州依赖者的到达评价。算法的Thecomputational复杂性是O(K~3)。
简介:在这篇论文,我们与州依赖者的服务学习一个排队系统andstate依赖的假期,或简单地G/M(n)/1/K。因为服务率是州依赖者的,这个系统作为特殊情况与车站假期的各种各样的类型包括G/M/c和G/M/c/K队列。我们用增补可变技术提供一个递归的算法数字地计算系统的静止队列长度分发。唯一的输入要求是theLaplace-Stieltjes变换内部到达分发以及州依赖者的服务率和州依赖者的假期率。在一份随后的同伴报纸,我们与州依赖者的假期学习它的双systemM(n)/G/1/K队列。