MM1排队系统仿真matlab实验报告.docx

1、MM1排队系统仿真matlab实验报告MM1排队系统仿真matlab实验报告M/M/1排队系统实验报告一、实验目的本次实验要求实现M/M/1单窗口无限排队系统的系统仿真，利用事件调度法实现离散事件系统仿真，并统计平均队列长度以及平均等待时间等值，以与理论分析结果进行对比。二、实验原理根据排队论的知识我们知道，排队系统的分类是根据该系统中的顾客到达模式、服务模式、服务员数量以及服务规则等因素决定的。1、 顾客到达模式设到达过程是一个参数为的Poisson过程，则长度为的时间内到达个呼叫的概率 服从Poisson分布，即，其中0为一常数，表示了平均到达率或Poisson呼叫流的强度。2、 服务模式

2、设每个呼叫的持续时间为，服从参数为的负指数分布，即其分布函数为3、 服务规则先进先服务的规则（FIFO）4、 理论分析结果在该M/M/1系统中，设，则稳态时的平均等待队长为，顾客的平均等待时间为。三、实验内容M/M/1排队系统：实现了当顾客到达分布服从负指数分布，系统服务时间也服从负指数分布，单服务台系统，单队排队，按FIFO（先入先出队列）方式服务。四、采用的语言MatLab语言源代码：clear; temp=temp+1; ArriveFlag(i)=1; else CusNum(i)=CusNum(i-1)-1; endend%系统中平均顾客数计算Time_interval=zeros(

3、size(Timepoint);Time_interval(1)=t_Arrive(1);for i=2:length(Timepoint) Time_interval(i)=Timepoint(i)-Timepoint(i-1);endCusNum_fromStart=0 CusNum;CusNum_avg=sum(CusNum_fromStart.*Time_interval 0 )/Timepoint(end);QueLength=zeros(size(CusNum);for i=1:length(CusNum) if CusNum(i)=2 QueLength(i)=CusNum(i)

4、-1; else QueLength(i)=0; endendQueLength_avg=sum(0 QueLength.*Time_interval 0 )/Timepoint(end);%系统平均等待队长%仿真图figure(1);set(1,position,0,0,1000,700);subplot(2,2,1);title(各顾客到达时间和离去时间);stairs(0 ArriveNum,0 t_Arrive,b);hold on;stairs(0 LeaveNum,0 t_Leave,y);legend(到达时间,离去时间);hold off;subplot(2,2,2);stai

5、rs(Timepoint,CusNum,b)title(系统等待队长分布);xlabel(时间);ylabel(队长);subplot(2,2,3);title(各顾客在系统中的排队时间和等待时间);stairs(0 ArriveNum,0 t_Queue,b);hold on;stairs(0 LeaveNum,0 t_Wait,y);hold off;legend(排队时间,等待时间);%仿真值与理论值比较disp(理论平均等待时间t_Wait_avg=,num2str(1/(Mu-Lambda);disp(理论平均排队时间t_Wait_avg=,num2str(Lambda/(Mu*(M

6、u-Lambda);disp(理论系统中平均顾客数=,num2str(Lambda/(Mu-Lambda);disp(理论系统中平均等待队长=,num2str(Lambda*Lambda/(Mu*(Mu-Lambda);disp(仿真平均等待时间t_Wait_avg=,num2str(t_Wait_avg)disp(仿真平均排队时间t_Queue_avg=,num2str(t_Queue_avg)disp(仿真系统中平均顾客数=,num2str(CusNum_avg);disp(仿真系统中平均等待队长=,num2str(QueLength_avg);五、数据结构1.仿真设计算法（主要函数）利用

7、负指数分布与泊松过程的关系，产生符合泊松过程的顾客流，产生符合负指数分布的随机变量作为每个顾客的服务时间：Interval_Arrive=-log(rand(1,SimTotal)/Lambda;%到达时间间隔，结果与调用exprnd(1/Lambda，m)函数产生的结果相同Interval_Serve=-log(rand(1,SimTotal)/Mu;%服务时间间隔t_Arrive(1)=Interval_Arrive(1);%顾客到达时间时间计算t_Wait=t_Leave-t_Arrive; %各顾客在系统中的等待时间t_Queue=t_Wait-Interval_Serve; %各顾客

8、在系统中的排队时间由事件来触发仿真时钟的不断推进。每发生一次事件，记录下两次事件间隔的时间以及在该时间段内排队的人数：Timepoint=t_Arrive,t_Leave; %系统中顾客数变化CusNum=zeros(size(Timepoint);CusNum_avg=sum(CusNum_fromStart.*Time_interval 0 )/Timepoint(end); %系统中平均顾客数计算QueLength_avg=sum(0 QueLength.*Time_interval 0 )/Timepoint(end); %系统平均等待队长2.算法的流程图六、仿真结果分析顾客的平均等待

9、时间与顾客的平均等待队长，计算其方差如下：从上表可以看出，通过这种模型和方法仿真的结果和理论值十分接近，增加仿真顾客数时，可以得到更理想的结果。但由于变量定义的限制，在仿真时顾客总数超过1,500,000时会溢出。证明使此静态仿真的思想对排队系统进行仿真是切实可行的。实验结果截图如下（SimTotal分别为100、1000、10000、100000）：（仿真顾客总数为100000和1000000时，其图像与10000的区别很小）七、遇到的问题及解决方法1.在算法设计阶段对计算平均队长时对应的时间段不够清楚，重新画出状态转移图后，引入变量Timepoint用来返回按时间排序的到达和离开的时间点，从而得到正确的时间间隔内的CusNum,并由此计算出平均队长。2.在刚开始进行仿真时仿真顾客数设置较小，得到的仿真结果与理论值相差巨大，进行改进后，得到的结果与理论值相差不大。3.刚开始使用exprnd(Mu,m)产生负指数分布，但运行时报错，上网查找资料后找到替代方法：改成Interval_Serve=-log(rand(1,SimTotal)/Mu;方法生成负指数分布，运行正常。八、实验心得通过本次实验我对M/M/1单窗口无限排队系统有了更深的认识，同时对MatLab编程语言更加熟悉，并了解到仿真在通信网中的重要作用。此次实验我受益匪浅。