Files1_FSur
-
Upload
kamel-brik -
Category
Documents
-
view
9 -
download
0
Transcript of Files1_FSur
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Cours de Tronc Commun Scientifique
Recherche Operationnelle
Les files d’attente (1)
Frederic SurEcole des Mines de Nancy
www.loria.fr/∼sur/enseignement/RO/
1/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Les files d’attente (1)
1 Introduction
2 VocabulaireCaracteristiquesNotations de KendallLoi de Little
3 Modelisation dans le cadre MarkovienProcessus de PoissonFile M/M/1Autres files
4 Un exemple
5 Conclusion
2/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Exemples de files d’attente (1)
Noah’s ark, Edward Hicks, 1846.
3/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Exemples de files d’attente (2)
Immigrants queuing at Ellis Island, Bettman/Corbis, ca. 1900.
4/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Exemples de files d’attente (3)
5/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Exemples de files d’attente (4)
St Pancras Station, Londres, AFP, dec. 2010.
“File” d’attente ?
6/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Exemples de files d’attente (5)
et :
Trafic aerien
Telecommunications (telephonie, call-centers)
Serveurs informatiques
. . .
Objectif : dimensionnement, organisation
par l’estimation de mesures de performance comme :
temps moyen d’attente
nombre moyen de clients dans la file
nombre de serveurs occupes
probabilite que la file soit vide / pleine
. . .
7/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Les files d’attente (1)
1 Introduction
2 VocabulaireCaracteristiquesNotations de KendallLoi de Little
3 Modelisation dans le cadre MarkovienProcessus de PoissonFile M/M/1Autres files
4 Un exemple
5 Conclusion
8/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Caracteristiques d’une file d’attente
"Clients"
File d’attente
.........
"Serveurs"
S1
1234
S2
Sn
“loi” d’arrivee des clients ?
“loi” de la duree des services ?
combien de serveurs ?
quelle est la taille de la file ?
comment s’organise la file ?
9/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Les notations de Kendall (1953)
File d’attente decrite par :
A/B/m/N/S
ou :
A est la distribution des arrivees : stochastique oudeterministe ;
B est la distribution des temps de service : idem ;
m est le nombre de serveurs ;
N est le nombre maximum de clients dans le systeme ;
S est la discipline de service (FIFO, LIFO, RAND. . .)
Question : sous quelles conditions peut-on faire des calculs ?
10/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
La loi de Little (1)
Arrivees
Departs
temps
t
1
2
3
4
5
6
7
2
3
1
4
5
Nombre d’arrivees / departs
A(t) nombre d’arrivees pendant [0, t]
D(t) nombre de departs pendant [0, t]
N(t) = A(t)− D(t) nombre de clients au temps t
Ti : temps de sejour (attente + service) du i-eme client
Remarque :
∫ t
0N(u)du =
A(t)∑i=1
Ti − R(t)
11/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
La loi de Little (2)∫ t
0N(u)du =
A(t)∑i=1
Ti − R(t)
Donc :
1
t
∫ t
0N(u)du =
A(t)
t
1
A(t)
A(t)∑i=1
Ti − R(t)
t
Hypotheses : lorsque t → +∞1 1
t
∫ t0 N(u)→ N (nombre moyen de clients presents par
unite de temps)
2A(t)
t → λ (nombre moyen d’arrivees par unite de temps)
3
(∑A(t)i=1 Ti
)/A(t)→ T (temps de sejour moyen)
4R(t)
t → 0
(hypotheses 1,2,3 : “regime permanent”, hypothese 4 naturelle)12/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
La loi de Little (3)
Proposition - loi de Little (1961)
N = λ · T
Autre version :Nf = λ · Tf
avec :– Nf : nombre moyen de clients dans la file d’attente– Tf : temps d’attente moyen dans la file.
Remarque : resultat general !−→ pas d’hypothese sur la distribution des arrivees ou destemps de services, ni sur la discipline de service.
13/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Exemple
Un serveur informatique a 5 processeurs recoit en moyenne1000 requetes par seconde.L’administrateur du serveur se rend compte que le serveurest occupe a 100%, et qu’en moyenne 8 requetes sont enattente.
Question 1 : quel est le temps moyen d’attente d’unerequete ? (attention au time-out)loi de Little : Tf = Nf /λ = 8/1000 sec.
Question 2 : quel est le temps moyen de traitement d’unerequete ?T − Tf = (N − Nf )/λ = 5/1000 sec.
14/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Les files d’attente (1)
1 Introduction
2 VocabulaireCaracteristiquesNotations de KendallLoi de Little
3 Modelisation dans le cadre MarkovienProcessus de PoissonFile M/M/1Autres files
4 Un exemple
5 Conclusion
15/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Les clients n’ont pas de memoireHypotheses sur les arrivees A(t) pendant [0, t] :
∀0 6 t1 6 · · · 6 tk ,, les v.a.A(t1)− A(0), . . . ,A(tk)− A(tk−1) sont independantes(phenomene “sans memoire”)
Pr(A(t + h)− A(t) = 1) =h→0 λh + o(h)
Pr(A(t + h)− A(t) > 1) =h→0 o(h)
λ : taux d’arrivee (nombre par unite de temps).
Alors on peut montrer que
1 ∀t, A(t) suit une loi de Poisson :
∀k > 0, Pr(A(t) = k) = e−λt (λt)k
k!2 le temps Tarr entre deux arrivees suit une loi
exponentielle :
∀t > 0, Pr(Tarr = t) = λe−λt
On dit que A(t) est un processus de Poisson.16/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Processus de Poisson
0 10 20 30 40 50 60 70 80 900
2
4
6
8
10
12
14
16
18
20
t
A(t
)
(exemple avec λ = 0.2)
Proprietes : E (A(t)) = λt, E (Tarr) = 1/λ
Remarque : les hypotheses pour arriver a Poisson semblent
restrictives, mais en fait le th. de Palm-Khintchine nous dit que
“sous certaines conditions”, le cumul de processus d’arrivee
non-Poissonniens tend vers un processus de Poisson.17/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Les serveurs n’ont pas davantage de memoire. . .
Hypothese : la duree d’un service suit une loi exponentielle.
∀t > 0, Pr(Tserv = t) = µe−µt
De maniere equivalente, si S(t) est le nombre de servicespossibles pendant [0, t],∀t, S(t) suit une loi de Poisson :
∀k > 0, Pr(S(t) = k) = e−µt (µt)k
k!
Ici µ est le taux de service (ou nombre moyen de services parunite de temps) d’un serveur donne.(1/µ est la duree moyenne d’un service.)
18/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Loi des departs hors du systeme
Attention : la loi des departs D(t) n’a pas de raison d’etrela loi de S(t).
−→ c’est le cas si les serveurs sont occupes en permanence−→ sinon le taux de depart est inferieur au taux de service.
Exemple : cas de s serveurs independants et “sansmemoire”, chacun ayant un taux de service µ.Le centre de service suit alors une loi de service “sansmemoire” de taux sµ.
−→ Loi des departs :
si n > s clients dans le systeme, taux sµ
si n < s clients dans le systeme : taux nµ < sµ.
Justification : Si X et Y v.a. independantes, suivant la loiexponentielle (parametres α et β),alors min(X ,Y ) est une v.a. de loi expo. (param. α + β).
19/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
File M/M/1Exemple canonique : un serveur, file non-bornee.
Arrivees = processus de Poisson, taux d’arrivee λ
Duree des services exponentielle, taux de service µ
−→ hypothese Markovienne (M) dans les deux cas
+ proba d’arrivee et service pendant [0, h] est o(h)
Si m < n :Pr(Nt+h = n|Nt = m) = Pr(A(t +h)−A(t) = m−n|Nt = m)
donc (cf def processus de Poisson)si m < n − 1 : Pr(Nt+h = n|Nt = m) = o(h)et : Pr(Nt+h = n|Nt = n − 1) = λh + o(h)
De meme :si m > n + 1 : Pr(Nt+h = n|Nt = m) = o(h)et : Pr(Nt+h = n|Nt = n + 1) = µh + o(h)
Vocabulaire : Nt = processus de Markov a temps continu.20/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
File M/M/1 : calculsComme (probabilites totales) :
Pr(Nt+h = n) = Pr(Nt+h = n|Nt = n − 1) · Pr(Nt = n − 1)
+ Pr(Nt+h = n|Nt = n) · Pr(Nt = n)
+ Pr(Nt+h = n|Nt = n + 1) · Pr(Nt = n + 1)
+ Pr(Nt+h = n|Nt 6= {n − 1, n, n + 1})·Pr(Nt 6= {n − 1, n, n + 1})
On deduit :
Pr(Nt+h = n) = (λh + o(h)) Pr(Nt = n − 1)
+(1− λh + o(h))(1− µh + o(h)) Pr(Nt = n)
+(µh + o(h)) Pr(Nt = n + 1)
+o(h) Pr(Nt > n + 1 ou Nt < n − 1)
D’ou :
Pr(Nt+h = n) = λh Pr(Nt = n − 1) + (1− λh − µh) Pr(Nt = n)
+µh Pr(Nt = n + 1) + o(h)
21/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
File M/M/1 : vue comme une chaıne de Markov
Pr(Nt+h = n) = λh Pr(Nt = n − 1) + (1− λh − µh) Pr(Nt = n)
+µh Pr(Nt = n + 1) + o(h) (si n > 1 . . . )
D’ou la representation :
0��
λ
44 1��µ
tt
λ
44 2��µ
tt
λ
44 3��µ
tt
λ
33 . . .µ
tt
Remarque : chaıne ergodique ?
Formule des coupes (regime permanent) +∑
pn = 1 :
λp0 = µp1
λp1 = µp2
. . .λpn = µpn+1
. . .
=⇒ ∀n, pn =
(λ
µ
)n
·(
1− λ
µ
)
. . .sous la condition τ = λ/µ < 1
τ : nombre moyen d’arrivees pendant la duree de service.22/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
File M/M/1 : proprietesSous condition : τ = λ/µ < 1
En regime permanent :
pn = τn(1− τ)
Nombre moyen de clients dans le systeme :
N =+∞∑n=0
npn =τ
1− τNombre moyen de clients dans la file d’attente :
Nf =+∞∑n=1
(n − 1)pn =τ 2
1− τTemps de sejour moyen dans le systeme : (loi de Little)
T = N/λ =1
λ
τ
1− τTemps d’attente moyen dans la file : (loi de Little)
Tf = Nf /λ =1
λ
τ 2
1− τ23/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Autres files markoviennes(convention : on ne represente pas les boucles du graphe)
M/M/3
0λ
44 1
µtt
λ
44 2
2µtt
λ
44 3
3µtt
λ
44 4
3µtt
λ
33 . . .3µ
tt
M/M/2/4
0λ
44 1
µtt
λ
44 2
2µtt
λ
44 3
2µtt
λ
44 4
2µtt
−→ formule des coupes.−→ cf formulaire dans le polycopie.−→ attention, la formule de Little dit : T = N/λou λ est le taux d’entree effectif.Et dans le cas M/M/n/K ? T = N/
(λ(1− p(K ))
)24/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Les files d’attente (1)
1 Introduction
2 VocabulaireCaracteristiquesNotations de KendallLoi de Little
3 Modelisation dans le cadre MarkovienProcessus de PoissonFile M/M/1Autres files
4 Un exemple
5 Conclusion
25/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Comparaison de differentes strategies
Des requetes sont envoyees sur un serveur, taux d’arrivee λ.Arbitrage entre trois types de serveurs :(ou trois types d’organisation de la file d’attente dans une
administration)
1 processeur unique tres puissant avec taux de service mµ,file M/M/1 ;
2 m processeurs legers avec taux de service µ,file M/M/m ;
3 m processeurs legers independants, taux de service µ,chacun possedant une file M/M/1 dans laquelle unnouveau service entre “au hasard” (proba uniforme)
Question : temps de traitement d’une nouvelle requete ?
26/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Comparaison de differentes strategies
1 M/M/1, taux de service mµ, taux d’arrivee λ
T =1
λ
λ/(mµ)
1− λ/(mµ)
2 M/M/m, taux de service µ, taux d’arrivee λT donne par les formules du polycopie.cf formule Erlang-C.
3 equivaut a m files M/M/1, taux de service µ, tauxd’arrivee λ/m
T =m
λ
λ/(mµ)
1− λ/(mµ)
27/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Comparaison de differentes strategiesExemple : m = 10, µ = 1
3 4 5 6 7 8 90
1
2
3
4
5
6
7
8
9
10
λ
tem
ps d
’atte
nte
cas 1
cas 2
cas 3
Remarque : λ < 10.Explication intuitive ?
28/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Les files d’attente (1)
1 Introduction
2 VocabulaireCaracteristiquesNotations de KendallLoi de Little
3 Modelisation dans le cadre MarkovienProcessus de PoissonFile M/M/1Autres files
4 Un exemple
5 Conclusion
29/30
Files d’attente (1)
F. Sur - ENSMN
Introduction
Vocabulaire
Caracteristiques
Notations de Kendall
Loi de Little
Modelisation dansle cadre Markovien
Processus de Poisson
File M/M/1
Autres files
Un exemple
Conclusion
Conclusion
Deux cas vus aujourd’hui :
File d’attente generale : formules de Little.
File d’attente Markovienne : modelisation par chaıne deMarkov, les calculs en regime permanent / stationnairesont faciles.
Prochaine seance :
Generalisation du cadre M/M(processus de naissance et de mort)
M/MX
M/G
reseaux. . .
30/30