Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Hakim Badis
IGM, Universit de Paris-Est Marne-la-Valle
H. Badis. 2010/2011
Aperu
Aperu
H. Badis. 2010/2011
Aperu
Aperu
H. Badis. 2010/2011
Aperu
Aperu
H. Badis. 2010/2011
Aperu
Aperu
Systme
Modlisation par des : files dattentes, etc
Validation ou modification
Modle
Analyse analytiquement ou par simulation
Performance
H. Badis. 2010/2011
Dfinitions
de base de base
Dfinitions
Le dbit : Le nombre de bits transmis par unit de temps
Le dlai de bout en bout : cest le temps coul entre
lenvoi dun paquet par un metteur et sa rception par
le destinataire
Le taux de paquets dlivrs ou PDR (Packet Delivery
Ratio) : c'est le rapport entre le nombre de paquets de
donnes reus par les destinations et le nombre de
donnes mis par les sources
La gigue : cest la diffrence du dlai de deux paquets
successivement reus appartenant au mme flux de
donnes
H. Badis. 2010/2011
f (vo , v1)
V0
V1
V2
Vk
i =1
f ( v i 1 , v i )
i =1
f ( v i 1 , v i )
H. Badis. 2010/2011
Introduction
au filesfiles
d'attente
Le formalisme
dattente
On utilise les files d'attentes pour modliser des phnomnes de
partage de ressources :
Un client faisant demande dune ressource devra attendre que celle-ci
soit disponible
Des linstant ou la ressource sera disponible, le client entre en service
A la fin de son service, le client libre la ressource
La ressource devient alors disponible pour dautres client
H. Badis. 2010/2011
Introduction
au filesfiles
d'attente
Le formalisme
dattente
Exemples de phnomnes :
File d'attente
H. Badis. 2010/2011
Serveur
10
Notation de Kendall
On utilise A/B/s/K pour spcifier les 4 premiers critres:
A reprsente le modle d'arrive des clients
B reprsente le modle de service des clients
s reprsente le nombre de serveurs
K indique la capacit de la file dattente (+ si il ny a pas
de prcisions)
Les paramtres A et B viennent de l'ensemble:
M (de Markov) indique distribution exponentielle ou
Poisson
D (de dterministe) indique distribution uniforme
Les clients arrive intervalles rguliers
Les clients sont servis intervalles rguliers
G (de gnral) signifie une distribution arbitraire
H. Badis. 2010/2011
11
H. Badis. 2010/2011
12
H. Badis. 2010/2011
13
H. Badis. 2010/2011
14
H. Badis. 2010/2011
15
Fdp Poisson
Le domaine d'application de la loi de Poisson a t
longtemps limit celui des vnements rares comme les
suicides d'enfants, les arrives de bateaux dans un port, etc.
Mais depuis quelques dcennies son champ d'application
s'est considrablement largi. Actuellement, on l'utilise
beaucoup dans les tlcommunications (pour compter le
nombre de communications dans un intervalle de temps
donn)
Il s'agit d'une distribution discrte (et non continue) car la
variable alatoire est discrte
Les arrives doivent tre indpendantes entre les intervalles
H. Badis. 2010/2011
16
Fdp Poisson
P (k ) = e
( T )k
k!
, k = 0 ,1, 2 ,3, K
T
P(k) est la probabilit d'obtenir k vnements pendant un
temps T
P(k)
H. Badis. 2010/2011
17
Fdp Exponentielle
Soit Y une variable alatoire qui suit une loi de Poisson,
traduit par le nombre d'apparitions d'un certain phnomne
alatoire dans un intervalle de temps
La variable alatoire 1/Y reprsente l'intervalle de temps
sparant deux apparitions d'un vnement
Cette nouvelle variable suit une loi exponentielle
H. Badis. 2010/2011
18
Serveur
H. Badis. 2010/2011
19
k+1
20
p 1 = p 0
( + ) p1 = p 0 + p 2
p2 =
( + ) p1 p 0
= p 1 +
p 1
= p 0 +
p 0
p 1
p 0
= p 1
En forme gnrale
H. Badis. 2010/2011
p n = p 0
21
Intensit du trafic
On remarque que la probabilit de n'importe quel
tat dpend uniquement de , et p0
on n'a qu'a calculer p0 pour trouver une solution
Dfinissons l'intensit du trafic (Traffic Intensity)
(rho) par:
H. Badis. 2010/2011
22
P0 dans la M/M/1
Par dfinition, la somme des
probabilits doit gale 1
1=
p
k =0
p0
k =0
= p 0 ( 0 + 1 + 2 + K)
1
= p0
,
1
0 <1
p0 = 1 , 0 < 1
gnralement
H. Badis. 2010/2011
pn = n (1 ) , 0 <1
23
Exemple
Le taux darrive moyen au guichet automatique du CMR
est de 2 tudiants/min. Le temps dutilisation du guichet
est distribu de faon exponentielle avec une moyenne de
temps de 20 sec/tudiants. Combien de temps une
tudiante doit-elle attendre dans la file avant dutiliser le
guichet ?
Rponse: 40 sec
H. Badis. 2010/2011
24
Paramtres de performances
Dbit X
Le service seffectue avec un taux dans chaque tat o le systme
contient au moins un client
U = p ( n ) =[1 p (0)] = =
n =1
H. Badis. 2010/2011
25
Paramtres de performances
Nombre moyen de clients Q
Q = np ( n ) =(1 ) n = (1 ) n n 1 =
n
n =1
n =1
n =1
(1 )
=
(1 ) 2 1
H. Badis. 2010/2011
26
La file M/M/1/K
K est la capacit de la file, soit en attente, soit en service
Quand un client arrive alors quil y a dj K clients prsents
dans le systme, il est perdu.
La file est stable sans conditions
H. Badis. 2010/2011
27
La probabilit stationnaire
Mme mthode de calcul dans le cas dune file M/M/1
p ( n ) = n p ( 0)
pour n = 0,..., K
p (0) =
1
1 k +1
n =0
1
n
pour n = 0,..., K
k +1
1
Lorsque K tends vers l' infini, on trouve le rsultat de la fille M/M/1
On obtient finalement : p ( n) =
H. Badis. 2010/2011
28
Paramtres de performances
Dbit X
Le service seffectue avec un taux dans chaque tat o le systme
contient au moins un client
K +1
X = Proba {file non vide } = p ( n ) =[1 p (0) ] =
K +1
1
n =1
K
1 K
U = p ( n ) =[1 p (0) ] =
1 K +1
n =1
H. Badis. 2010/2011
29
Paramtres de performances
Nombre moyen de clients Q
1 ( K + 1) k + k K +1
Q = np ( n ) =
1
1 K +1
n =1
R=
H. Badis. 2010/2011
Q
= ...
X
30
La file M/M/C
M/M/C = M/M/1 + C serveurs identiques et indpendants
Temps de service exponentiel de taux pour chacun des
serveurs
H. Badis. 2010/2011
31
La file M/M/C
Le taux de transition dun tat n un tat n+1 correspond
larriv dun client, soit donc
Le taux de transition dun tat n+1 un tat n correspond
au dpart de lensemble des clients dans les serveurs, soit
donc C si nC ou n si n<C .
La file est stable lorsque <C
H. Badis. 2010/2011
32
La probabilit stationnaire
Mme mthode de calcul dans le cas dune file M/M/1
p (n) =
p (n) =
n
n!
pour n = 1,..., C 1
p ( 0)
n
C !C
n C
p ( 0)
pour n = C , C + 1,...
p (0) =
1
1 x
1
C 1
n! (C 1)!(C )
Lorsque C = 1, on trouve bien les rsultats de la file M/M/1
n =0
H. Badis. 2010/2011
33
Paramtres de performances
Dbit X
C 1
n =1
n =C
X = p ( n ) n + p ( n )C
=
C +1
(C 1)!(C )
p ( 0) +
C
(C 1)!(C ) 2
p ( 0) +
34
La file M/M/
H. Badis. 2010/2011
35
La probabilit stationnaire
Mme mthode de calcul dans le cas dune file M/M/1
p (n) =
n
n!
p ( 0)
pour n = 1,...,
H. Badis. 2010/2011
n =0
n!
= e
36
Paramtres de performances
Dbit X
X = p (n)n =e
=e e =
(n 1)!
On trouve la stabilit inconditionnelle de la file
n =1
n =1
Q = np ( n ) =
n =1
Q 1
=
X
37
Exercice : Gnralisation
Lobjectif est de gnraliser tous les rsultats prcdents en
considrant que :
Les interarrives sont des variables alatoires sans mmoire
Les services sont des variables alatoires sans mmoire
Le taux dinterarrives et services dpend du nombre de clients
prsents dans la file
(n)
(n)
H. Badis. 2010/2011
38
H. Badis. 2010/2011
39
P31
P13
P01
2
P02
H. Badis. 2010/2011
P12
P23
P40
P34
P20
40
P
i =1
0i
=1
H. Badis. 2010/2011
41
P
j =0
H. Badis. 2010/2011
ij
=1
42
P31
P13
P41
P42
P21
P22
H. Badis. 2010/2011
P12
P23
P34
P
i =1
H. Badis. 2010/2011
ij
=1
44
P231
P213
P101
P102
2 P
202
H. Badis. 2010/2011
P112
P113
P223
P140
P240
P134
P120
45
P231
P213
P101
P102
P112
P113
P223
P140
P134
P120
H. Badis. 2010/2011
P242
46
P13
P41
P42
P21
P22
P12
P34
P23
Perte
H. Badis. 2010/2011
47
P31
P13
P01
2
P02
H. Badis. 2010/2011
P12
P23
4 P40
P34
P20
48
chaque passage
ei
pour i = 1,..., M
49
P0 i
j Pji
j = 1, ..., M
On a donc
i = P0 i + j Pji
j =1
ei = P0 i + e j Pji
j =1
H. Badis. 2010/2011
50
1
?
1
2
2
?
1
2 4
1
5
4
5
H. Badis. 2010/2011
51
La chaine du Markov
P31
1
P01
P30
P13
P23
P02
P40
P24
(0,0,0,0)
P02
P01
(0,1,0,0)
(1,0,0,0)
P01
P02
(1,1,0,0)
M
( 2,0,0,0)
M
3 P31
H. Badis. 2010/2011
P01
2 P24
2 P23
(0,0,0,1)
(0,0,1,0)
P01
(1,0,1,0)
M
P02
(0,1,1,0)
M
P02
(0,2,0,0)
M
3 P30
52
53
M
M M
M M
M
P ( n ) + i Pij = P ( n ei ) P0 i + P ( n ei + e j ) j Pji + P ( n + e j ) j Pj 0
i =1 j = 0
i =1
i =1 j =1
j =1
n
>
0
ni > 0
ni > 0
i
i 1 i i +1
H. Badis. 2010/2011
54
P(n) = Pi (ni )
i =1
o Pi (ni ) est la probabilit stationnaire d' une fille M/M/1 ayant un taux
d' arriv i et un taux de service i .
Soit Pi (ni ) = (1 i ) i
H. Badis. 2010/2011
ni
i
o i =
i
55
M M
P ( n ) + i Pij =
i =1 j = 0
ni > 0
M
+ i Pij =
i =1 j = 0
ni > 0
+ i Pij =
i =1 j = 0
ni > 0
+ i Pij =
i =1 j = 0
ni > 0
H. Badis. 2010/2011
i =1
P (n e ) P
i =1
P ( n ei )
P (n)
i =1
ni > 0
0i
i = 1 j =1
P0 i +
i = 1 j =1
ni > 0
M M
i
P0 i +
ei
i =1 j =1
i =1
ni > 0
j
i
ej
ei
ni > 0
i =1 j =1
P0 i +
+ P ( n e i + e j ) j P ji + P ( n + e j ) j P j 0
ni > 0
ni > 0
P ( n ei + ej )
P (n)
j =1
ni > 0
j P ji +
ni > 0
j =1
P (n+e j )
P (n)
j Pj 0
j P ji + j j P j 0
j =1
i P ji + e j P j 0
j =1
56
= e j Pj 0
j =1
j Pj 0 est le dbit moyen des clients qui quittent le systme par la station j
M
L' autre partie est vrifi e en utilisant l' quation de balance locale
H. Badis. 2010/2011
57
H. Badis. 2010/2011
58
Paramtres de performances
Dbit X
X =
Nombre moyen de clients Q
M
Q = Qi
i =1
Q 1
=
X
59
H. Badis. 2010/2011
60
3K
2 K
1
2
1
3
1
6
H. Badis. 2010/2011
62
P31
P32
P13
P23
P24
H. Badis. 2010/2011
P42
63
H. Badis. 2010/2011
64
j Pji
j = 1, ..., M
On a donc
i = j Pji
j =1
ei = e j Pji
j =1
H. Badis. 2010/2011
65
1
2
Calculer les ei
H. Badis. 2010/2011
66
La chaine du Markov
1
P31
P32
P13
P23
P24
P42
( 4,0,0,1)
4
( 4,1,0,0)
(3,0,1,1)
3 P31
2 P24
1 P13
2 P23
( 4,0,1,0)
(3,1,1,0)
( 2,0,2,1)
( 4,0,0,1)
M
M
M
M
Le nombre dtats correspond au nombre de faons
( N + M 1)!
de rpartir les N clients dans les M stations : C NM+M1 1 =
N !( M 1)! 67
H. Badis. 2010/2011
M M
M M
P ( n ) i Pij = P ( n ei + e j ) j Pji
i =1 jn=i1> 0
i =1 j =1
ni > 0
1
i 1 i i +1
H. Badis. 2010/2011
68
G ( M , N ) i =1
ni
ei
o f i (ni ) =
i
et G(M, N) est une constante de normalisation
La probabilit stationnaire davoir K clients dans le station i est
donne par :
K
ei Gi(M-1,N-K)
Pi ( K ) =
i G(M , N )
H. Badis. 2010/2011
69
P ( n ) i Pij =
i =1 jn=i1> 0
P
i =1 j = 1
ni > 0
M
ij
i Pij =
j =1
P (n e
i =1 j = 1
i =1 j =1
j =1
i =
j =1
H. Badis. 2010/2011
j P ji
j P ji i =
e1 1 e i
1
...
G ( M , N ) 1
i
n
j =1
ni > 0
+ e j ) j P ji
ni > 0
P ( n ei + ej )
P (n)
P ( n ei + ej )
P (n)
e1 1 e i
1
...
G ( M , N ) 1
i
ni 1
ej
...
j
n
i e j
...
j
n j +1
nj
j =1
e
... M
M
e
... M
M
ij
P ( n ei + ej )
P (n)
j =1
P ( n ei + ej )
P(n)
j P ji
nM
nM
j P ji
j P ji i =
ej
ei
j =1
i
M
j P ji e i =
e
j =1
70
P ji
G ( M , N ) = G ( M 1, N ) + M G ( M , N 1)
eM
=
M
G (1, N ) = 1
G ( M ,0 ) = 1
H. Badis. 2010/2011
n = 0,..., N
M = 1,..., M
71
G ( M , N ) = G ( M 1, N ) + M G ( M , N 1)
eM
=
M
G (1, N ) = 1
G ( M ,0 ) = 1
H. Badis. 2010/2011
n = 0,..., N
M = 1,..., M
72
Paramtres de performances
Le taux dutilisation Ui dune station i :
ei G ( M , N 1)
U i = 1 Pi (0) =
i G(M , N )
Le dbit Xi dune station i
G ( M , N 1)
X i = (1 Pi (0)) i = ei
G(M , N )
Qi = KPi (k ) =
K Gi (M 1, N K )
G(M , N ) k =1 i
k =1
Temps moyen de sjour Ri dans la station i
R=
H. Badis. 2010/2011
Qi
Xi
73
1
2
1
2
1
2
1
2
1
3
2
3
H. Badis. 2010/2011
11
12
P13 2
P01 1
P02 1
H. Badis. 2010/2011
P31 2
P12 1
21
22
P13 1
P23 2
31
32 P34 1
41 P
40 1
42
P20 1
P42 2
75
OIF=
et O U F = {1,..., R }
76
P
j =0
ij r
= 1 i = 0,..., M
P00 r = 0
P0 j rF = 0
Pi 0 rF = 0
H. Badis. 2010/2011
77
H. Badis. 2010/2011
78
ir
r =1
H. Badis. 2010/2011
is
pour i = 1,..., M
ir
<1
ir
79
H. Badis. 2010/2011
80
ir
< 1 i = 1,..., M
rO ir
81
G i =1
R
o f i (ni ) = ni
r =1
1 eir
nir ! i
ni
, et
Kr
H. Badis. 2010/2011
82