本文中我在R中构造一个简单的M / M / 1队列的离散事件模拟 。
模拟变量
像往常一样，我们从模拟及其检测所需的变量 开始。
t.end <- 10^5 # duration of sim t.clock <- 0 # sim time Ta <- 1.3333 # interarrival period Ts <- 1.0000 # service period t1 <- 0 # time for next arrival t2 <- t.end # time for next departure tn <- t.clock # tmp var for last event time tb <- 0 # tmp var for last busy-time start n <- 0 # number in system s <- 0 # cumulative number-time product b <- 0 # total busy time c <- 0 # total completions qc <- 0 # plot instantaneous q size tc <- 0 # plot time delta plotSamples <- 100 set.seed(1)
接下来，我们需要编写R代码以对进入队列和从队列离开进行实际的M / M / 1模拟。
仿真循环
while (t.clock < t.end) { if (t1 < t2) { # arrival event t.clock <- t1 s <- s + n * (t.clock - tn) # delta time-weighted number in queue else { t2 <- t.end b <- b + t.clock - tb } } }
检测指标
在这里，我们 检测数据以形成一些众所周知的性能指标。
队列长度
这是瞬时队列长度- 平均负载数据的曲线图。这就是排队波动的样子。
显示为红色虚线的框具有与阶梯曲线下方相同的面积。
PDQ模型
为了进行分析比较，我们还使用 PDQ-R模型。
是的，这几行代码与上面带工具的仿真代码等效，并且可以保证处于稳定状态。即使在R中运行PDQ本质上也是瞬时的。模拟将花费更长的时间，
结果
最后，我们可以将模拟的M / M / 1队列与相应的PDQ结果进行比较。像往常一样，最好将它们分解为输入和输出。
- 输入：
Tsim：1.00e + 05 Ta：1.3333，Ts：1.0000＃次 Ar：0.7500，Sr：1.0000＃
3.输出：
Usim：0.7477，Updq：0.75 Xsim：0.7495，Xpdq：0.75 Rsim：4.0316，Rpdq：4.00 Qsim：3.0219，Qpdq：3.00
我们可以得出结论，仿真在指定的10 5个时间步长内达到了稳态。
