Report
View in EDS

ИССЛЕДОВАНИЕ FORK-JOIN СИСТЕМЫ С МАРКОВСКИМ ВХОДНЫМ ПОТОКОМ И РАСПРЕДЕЛЕНИЕМ ВРЕМЕНИ ОБСЛУЖИВАНИЯ ФАЗОВОГО ТИПА

Bibliographic Details
Title: ИССЛЕДОВАНИЕ FORK-JOIN СИСТЕМЫ С МАРКОВСКИМ ВХОДНЫМ ПОТОКОМ И РАСПРЕДЕЛЕНИЕМ ВРЕМЕНИ ОБСЛУЖИВАНИЯ ФАЗОВОГО ТИПА
Publisher Information: Проблемы информатики, 2023.
Publication Year: 2023
Subject Terms: Марковский входной ноток, Machine Learning, фазовое распределение времени обслуживания, fork-join система массового обслуживания, Markovian Arrival process, fork-join system, Phase-Type distribution, стационарные характеристики производительности, машинное обучение, stationary performance characteristics
Description: In this paper, we examine a fork-join queueing system. Customers enter the system in a MAP (Markovian Arrival Process). Each of the customers entering the system forks into К tasks, to be served in К independent subsystems. Each subsystem consists of a server and a buffer. The service time of a task bv the k-th server has a PH (Phase type) distribution with an irreducible representation (fik,Sk). For the special case when К = 2, the stationary distribution is obtained, and algorithms arc presented to compute the stationary distribution, and performance characteristics of the fork-join system. We suggested an approach based on a combination of Machine learning and Monte-Carlo method to investigate the performance characteristics of fork-join system. The results of numerical experiments arc presented in this paper.
В настоящей работе исследуется fork-join система массового обслуживания с коррелированным марковским входным потоком. Каждая из поступающих в систему заявок разбивается на К запросов, которые попадают для обслуживания на К обслуживающих подсистем. Каждая из подсистем состоит из одного обслуживающего прибора и буфера. Время обслуживания на приборах имеет фазовое распределение. Для частного случая К = 2 получено условие стационарного режима, представлены алгоритмы для расчета стационарного распределения и стационарных показателей производительности системы. Для исследования характеристик производительности fork-join системы в общем случае К ^ 2 предложен подход, базирующийся на комбинации методов машинного обучения и имитационного моделирования. Приведены результаты численных примеров.
Document Type: Research
DOI: 10.24412/2073-0667-2023-4-29-56
Rights: CC BY
Accession Number: edsair.doi...........4bbe9a6d92986b4feada563d8961cd9a
Database: OpenAIRE
FullText Text:
  Availability: 0
Header DbId: edsair
DbLabel: OpenAIRE
An: edsair.doi...........4bbe9a6d92986b4feada563d8961cd9a
RelevancyScore: 806
AccessLevel: 3
PubType: Report
PubTypeId: report
PreciseRelevancyScore: 805.779541015625
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: ИССЛЕДОВАНИЕ FORK-JOIN СИСТЕМЫ С МАРКОВСКИМ ВХОДНЫМ ПОТОКОМ И РАСПРЕДЕЛЕНИЕМ ВРЕМЕНИ ОБСЛУЖИВАНИЯ ФАЗОВОГО ТИПА
– Name: Publisher
  Label: Publisher Information
  Group: PubInfo
  Data: Проблемы информатики, 2023.
– Name: DatePubCY
  Label: Publication Year
  Group: Date
  Data: 2023
– Name: Subject
  Label: Subject Terms
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22Марковский+входной+ноток%22">Марковский входной ноток</searchLink><br /><searchLink fieldCode="DE" term="%22Machine+Learning%22">Machine Learning</searchLink><br /><searchLink fieldCode="DE" term="%22фазовое+распределение+времени+обслуживания%22">фазовое распределение времени обслуживания</searchLink><br /><searchLink fieldCode="DE" term="%22fork-join+система+массового+обслуживания%22">fork-join система массового обслуживания</searchLink><br /><searchLink fieldCode="DE" term="%22Markovian+Arrival+process%22">Markovian Arrival process</searchLink><br /><searchLink fieldCode="DE" term="%22fork-join+system%22">fork-join system</searchLink><br /><searchLink fieldCode="DE" term="%22Phase-Type+distribution%22">Phase-Type distribution</searchLink><br /><searchLink fieldCode="DE" term="%22стационарные+характеристики+производительности%22">стационарные характеристики производительности</searchLink><br /><searchLink fieldCode="DE" term="%22машинное+обучение%22">машинное обучение</searchLink><br /><searchLink fieldCode="DE" term="%22stationary+performance+characteristics%22">stationary performance characteristics</searchLink>
– Name: Abstract
  Label: Description
  Group: Ab
  Data: In this paper, we examine a fork-join queueing system. Customers enter the system in a MAP (Markovian Arrival Process). Each of the customers entering the system forks into К tasks, to be served in К independent subsystems. Each subsystem consists of a server and a buffer. The service time of a task bv the k-th server has a PH (Phase type) distribution with an irreducible representation (fik,Sk). For the special case when К = 2, the stationary distribution is obtained, and algorithms arc presented to compute the stationary distribution, and performance characteristics of the fork-join system. We suggested an approach based on a combination of Machine learning and Monte-Carlo method to investigate the performance characteristics of fork-join system. The results of numerical experiments arc presented in this paper.<br />В настоящей работе исследуется fork-join система массового обслуживания с коррелированным марковским входным потоком. Каждая из поступающих в систему заявок разбивается на К запросов, которые попадают для обслуживания на К обслуживающих подсистем. Каждая из подсистем состоит из одного обслуживающего прибора и буфера. Время обслуживания на приборах имеет фазовое распределение. Для частного случая К = 2 получено условие стационарного режима, представлены алгоритмы для расчета стационарного распределения и стационарных показателей производительности системы. Для исследования характеристик производительности fork-join системы в общем случае К ^ 2 предложен подход, базирующийся на комбинации методов машинного обучения и имитационного моделирования. Приведены результаты численных примеров.
– Name: TypeDocument
  Label: Document Type
  Group: TypDoc
  Data: Research
– Name: DOI
  Label: DOI
  Group: ID
  Data: 10.24412/2073-0667-2023-4-29-56
– Name: Copyright
  Label: Rights
  Group: Cpyrght
  Data: CC BY
– Name: AN
  Label: Accession Number
  Group: ID
  Data: edsair.doi...........4bbe9a6d92986b4feada563d8961cd9a
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsair&AN=edsair.doi...........4bbe9a6d92986b4feada563d8961cd9a
RecordInfo BibRecord:
  BibEntity:
    Identifiers:
      – Type: doi
        Value: 10.24412/2073-0667-2023-4-29-56
    Languages:
      – Text: Undetermined
    Subjects:
      – SubjectFull: Марковский входной ноток
        Type: general
      – SubjectFull: Machine Learning
        Type: general
      – SubjectFull: фазовое распределение времени обслуживания
        Type: general
      – SubjectFull: fork-join система массового обслуживания
        Type: general
      – SubjectFull: Markovian Arrival process
        Type: general
      – SubjectFull: fork-join system
        Type: general
      – SubjectFull: Phase-Type distribution
        Type: general
      – SubjectFull: стационарные характеристики производительности
        Type: general
      – SubjectFull: машинное обучение
        Type: general
      – SubjectFull: stationary performance characteristics
        Type: general
    Titles:
      – TitleFull: ИССЛЕДОВАНИЕ FORK-JOIN СИСТЕМЫ С МАРКОВСКИМ ВХОДНЫМ ПОТОКОМ И РАСПРЕДЕЛЕНИЕМ ВРЕМЕНИ ОБСЛУЖИВАНИЯ ФАЗОВОГО ТИПА
        Type: main
  BibRelationships:
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 01
              M: 01
              Type: published
              Y: 2023
          Identifiers:
            – Type: issn-locals
              Value: edsair
ResultId 1