Théorie de Réseaux de Files d’Attente

Présentation au sujet: "Théorie de Réseaux de Files d’Attente"— Transcription de la présentation:

1 Théorie de Réseaux de Files d’Attente
Ramon Puigjaner Universitat de les Illes Balears Palma, Espagne Université Paul Sabatier. Toulouse

2 Université Paul Sabatier. Toulouse.
INDICE Introduction Types de réseaux Méthodes analytiques exacts Méthodes approchées Université Paul Sabatier. Toulouse.

3 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction Types de réseaux Méthodes analytiques exacts Méthodes approchées Université Paul Sabatier. Toulouse.

4 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction La performance des systèmes informatiques est caractérisée par plusieurs points de congestion à cause du partage des différentes ressources. Il est trop restrictif et simpliste de représenter la performance du système par une seule station. Il faut modeler explicitement les différents points de congestion du système. Le modèle résultant est un réseau de files d’attente. Université Paul Sabatier. Toulouse.

5 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction Formellement un réseau de files d'attente est un graphe orienté dont les nœuds sont les stations de service. Les arcs entre ces nœuds indiquent les transitions possibles des clients entre stations de service. Les temps de transit entre stations sont toujours nuls. Les clients que circulent à travers le réseau peuvent être de classes différentes. Université Paul Sabatier. Toulouse.

6 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction Types de réseaux Méthodes analytiques exacts Méthodes approchées Université Paul Sabatier. Toulouse.

7 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux Réseau monoclasse: Tous les clients ont le même (aléatoire) comportement. Tous les clients sont (statistiquement) indistinguibles. Réseau multiclasse: Les clients de différente classe ont différentes caractéristiques de temps de service et/ou de parcoure à travers le réseau. Tous les clients d’une même classe sont (statistiquement) indistinguibles Université Paul Sabatier. Toulouse.

8 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux Réseaux ouverts. Elles sont caractérisées par: l'existence d’une source de clients, au moins l'existence d’un puits de clients, au moins la possibilité de trouver un chemin que, à partir de chaque nœud, mène (éventuellement) hors du réseau. El nombre de clients est inconnu et varie avec le temps. La productivité ou débit (throughput) est connu et égal à la fréquence d’arrivée au système, si le système est stable. Université Paul Sabatier. Toulouse.

9 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux Réseaux fermés. Les clients ni entrent ni sortent, et donc, son nombre est constant. On peut considérer comme si la sortie était connectée à l’entrée. Le débit de clients à travers la connexion "sortie-entrée'' définit la productivité du réseau fermé. Réseaux mixtes. Dans un réseau avec multiples classes de clients, il est possible que la réseau soit ouvert pour un type de clients et fermé pour un autre. Université Paul Sabatier. Toulouse.

10 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux: réseau ouvert Université Paul Sabatier. Toulouse.

11 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux: réseau fermé Université Paul Sabatier. Toulouse.

12 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Types de réseaux: réseau mixte Université Paul Sabatier. Toulouse.

13 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction Types de réseaux Méthodes analytiques exacts Méthodes approchées Université Paul Sabatier. Toulouse.

14 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP N, stations de service. C, classes de clients, que peuvent changer de classe quand ils passent d’une station à une autre. Routage probabiliste pi,c;j,d: probabilité qu’un client de classe c quand il sort de la station i s’en aille à la station j en classe d. La matrice P = [pi,c;jd] est la matrice de routage. Un client quitte la réseau avec probabilité Université Paul Sabatier. Toulouse.

15 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP (i,c), état du client. L’ensemble des états des clients forme un ou plusieurs sous-ensembles disjoints (o sous-chaînes): deux états de client appartiennent à la même sous-chaînes s’il et a une probabilité non nulle qu’un client puisse passer par ces deux états pendant sa vie dans le réseau. Sous-chaînes : E1, E2, …, EK (K ³ 1): ouvertes fermées Université Paul Sabatier. Toulouse.

16 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP S état du réseau M(S) nombre de clients dans l’état S M(S, Ek) nombre de clients dans la sous-chaîne Ek, quand le réseau est à l’état S. Université Paul Sabatier. Toulouse.

17 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Arrivées externes générées par des processus de Poisson: indépendants de l’état du système dépendants de l’état du système à travers le nombre de clients qu’il y a dans le réseau, l[M(S)]. Une arrivée va à la station i en classe c avec probabilité p0,ic dépendants de l’état du système par m processus de Poisson, un par sous-chaîne, de fréquence l[M(S,Ek)]. Une arrivée à la k-ème sous-chaîne va à la station i en classe c avec probabilité p0,ic Université Paul Sabatier. Toulouse.

18 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Quatre types de stations de service: type 1. Un seul canal Temps de service réparti exponentiellement, de temps moyen 1/[mi Fi(mi)], identique pour toutes les classes, avec mi (mi = mi1 + mi2 + … + miC), nombre de clients Discipline de la file, FIFO. Fi(mi), capacité du serveur avec Fi(1) = 1 (nous pouvons réprésenter serveurs múltiples en faisant Fi(mi) = min(mi, ni), où ni est le nombre maximum de serveurs). Université Paul Sabatier. Toulouse.

19 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Quatre types de stations de service: type 2. Un seul canal Discipline de service: serveur partagé Chaque classe de client a une distribution des temps de service, différente et arbitraire et avec transformée de Laplace rationnelle (ou avec distribution coxienne) La capacité du serveur peut être fonction du nombre de clients, Fi(mi). Université Paul Sabatier. Toulouse.

20 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Quatre types de stations de service: type 3. Nombre de canaux plus grand ou égal que le nombre maximum de clients Chaque classe de client a une distribution des temps de service, différente et arbitraire et avec transformée de Laplace rationnelle (ou avec distribution coxienne) Université Paul Sabatier. Toulouse.

21 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Quatre types de stations de service: type 4. Un seul canal Discipline de la file LIFO avec interruption provoquée par le dernier client en arriver Chaque classe de client a une distribution des temps de service, différente et arbitraire et avec transformée de Laplace rationnelle (ou avec distribution coxienne) La capacité du serveur peut être fonction du nombre de clients, Fi(mi). Université Paul Sabatier. Toulouse.

22 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Etat du réseau S défini par le vecteur (S1, S2, …, SN) Si = (mi1, mi2, …, miC) Université Paul Sabatier. Toulouse.

23 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Suposition que le système atteint un régime stationnaire de probabilités des états p(S) Équations d’equilibre: Équation de normalisation Université Paul Sabatier. Toulouse.

24 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Equations de l'équilibre du débit dans le réseau Si le réseau est ouvert, on peut le résoudre sans difficulté puisque quelque p0,jd est non nulle. Si le réseau est fermé, toutes les p0,jd sont nulles: système d’équations homogène; il faut trouver une des infinies solutions différente celle qui est identiquement nulle. Université Paul Sabatier. Toulouse.

25 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP G constante de normalisation pour que l'addition de toutes les probabilités d’état soit égal à 1. Si le système est fermé, le nombre d’états du système est fini et le problème est numérique. Si le système est fermé, le nombre d’états du système est infini et le problème est analytique. Université Paul Sabatier. Toulouse.

26 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP d(S) est une fonction telle que si la réseau est fermé elle vaut 1 et si la réseau est ouvert vaut si la fréquence d’arrivée dépend de M(S), si la fréquence de arrivée à chaque sous-chaîne dépend de M(S,Ek) Université Paul Sabatier. Toulouse.

27 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Les fonctions gi(Si) valent si la station est de type 1 si la station est de type 2 ó 4 Université Paul Sabatier. Toulouse.

28 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes analytiques exacts: Théorème de BCMP Las fonctions gi(Si) valent si la station est de type 3 Université Paul Sabatier. Toulouse.

29 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Réseau fermé N stations M clients, tous de la même classe Etat du réseau: m = (m1, m2, …, mN), mi est le nombre de clients dans la station i m1 + m2 + … + mN = M pij probabilité de routage Université Paul Sabatier. Toulouse.

30 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen mi, capacité de service que peut dépendre du nombre de clients k, mi(k) si, temps moyen de service si le service est indépendant de la charge, si = 1/mi. Théorème de BCMP réduit à l'énoncé par Gordon et Newell Université Paul Sabatier. Toulouse.

31 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen si la station i a un service indépendant de la charge Université Paul Sabatier. Toulouse.

32 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Equations de l'équilibre du débit dans chaque station G(M) est la constante de normalisation Université Paul Sabatier. Toulouse.

33 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Nombre total d’états fonction auxiliaire avec G(M) = gN(M) et G(m) = gN(m). Université Paul Sabatier. Toulouse.

34 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Université Paul Sabatier. Toulouse.

35 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Si la capacité de service est indépendante du nombre de clients dans la station fn(k) = (en sn)k = Xnk = Xn fn(k - 1) Université Paul Sabatier. Toulouse.

36 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Université Paul Sabatier. Toulouse.

37 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithme de Buzen Initialisation pour m = 0, 1, …, M, et gn(0) = 1, pour n = 1, 2, …, N Université Paul Sabatier. Toulouse.

38 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Probabilités Université Paul Sabatier. Toulouse.

39 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Probabilités Université Paul Sabatier. Toulouse.

40 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Probabilités Variables opérationnelles: Utilisation Université Paul Sabatier. Toulouse.

41 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Variables opérationnelles: Productivité Université Paul Sabatier. Toulouse.

42 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Variables opérationnelles: Longueur de file Université Paul Sabatier. Toulouse.

43 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Variables opérationnelles: Longueur de file Université Paul Sabatier. Toulouse.

44 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Variables opérationnelles Variables opérationnelles: Temps de réponse Université Paul Sabatier. Toulouse.

45 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Algorithmes exacts Méthode de convolution: est l'extension de l’algorithme de Buzen aux réseaux BCMP Analyse de la valeur moyenne Université Paul Sabatier. Toulouse.

46 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne vecteur del nombre total de clients de chaque classe vecteur de zéros partout sauf à la c-ième composante nombre moyen de clients dans la station i quand il y a de un client moins de classe c dans la réseau Université Paul Sabatier. Toulouse.

47 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Pour des stations de service de types 1, 2 et 4 Pour des stations de service de type 3 Vic le nombre moyen de visites à la station i des clients de classe c Université Paul Sabatier. Toulouse.

48 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Université Paul Sabatier. Toulouse.

49 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Exemple Université Paul Sabatier. Toulouse.

50 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Exemple sic Université Paul Sabatier. Toulouse.

51 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Exemple V11 = 1 V21 = V31 = 0.5 V12 = 1 V22 = 1 V32 = 0 Université Paul Sabatier. Toulouse.

52 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Exemple Pas 1 m1(0,0) = m2(0,0) = m3(0,0) = 0 Pas 3 R11(1,0) = 1 R21(1,0) = 1 R31(1,0) = 2 Pas 4 l1(1,0) = 1/(1 ´ ´ ´ 0.5) = 0.4 Pas 5 m1(1,0) = 0.4 m2(1,0) = 0.2 m3(1,0) = 0.4 Université Paul Sabatier. Toulouse.

53 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes de calcul: Analyse de la valeur moyenne Exemple Pas 3 R11(2,0) = 1 ´ ( ) = 1.4 R21(2,0) = 1 ´ ( ) = 1.2 R31(2,0) = 2 ´ ( ) = 2.8 Pas 4 l1(2,0) = 2/(1.4 ´ ´ ´ 0.5) = 0.588 Pas 5 m1(2,0) = ´ 1.4 ´ 1 = 0.824 m2(2,0) = ´ 1.2 ´ 0.5 = 0.353 m3(2,0) = ´ 2.8 ´ 0.5 = 0.824 Université Paul Sabatier. Toulouse.

54 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R11(2,0) = 1 ´ ( ) = 1.4 R21(2,0) = 1 ´ ( ) = 1.2 R31(2,0) = 2 ´ ( ) = 2.8 Pas 4 l1(2,0) = 2/(1.4 ´ ´ ´ 0.5) = 0.588 Pas 5 m1(2,0) = ´ 1.4 ´ 1 = 0.824 m2(2,0) = ´ 1.2 ´ 0.5 = 0.353 m3(2,0) = ´ 2.8 ´ 0.5 = 0.824 Université Paul Sabatier. Toulouse.

55 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R12(0,1) = 2 R22(0,1) = 1 R32(0,1) = 2 Pas 4 l2(0,1) = 1/(2 ´ ´ ´ 0) = 0.333 Pas 5 m1(0,1) = 0.667 m2(0,1) = 0.333 m3(0,1) = 0 Université Paul Sabatier. Toulouse.

56 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R12(0,2) = 2 ´ ( ) = 3.333 R22(0,2) = 1 ´ ( ) = 1.333 R32(0,2) = 2 ´ (1 + 0) = 2 Pas 4 l2(0,2) = 2/(3.333 ´ ´ ´ 0) = 0.429 Pas 5 m1(0,2) = ´ ´ 1 = 1.429 m2(0,2) = ´ ´ 1 = 0.571 m3(0,2) = ´ 2 ´ 0 = 0 Université Paul Sabatier. Toulouse.

57 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R11(1,1) = 1 ´ ( ) = 1.667 R21(1,1) = 1 ´ ( ) = 1.333 R31(1,1) = 2 ´ (1 + 0) = 2 R12(1,1) = 2 ´ ( ) = 2.8 R22(1,1) = 1 ´ ( ) = 1.2 R32(1,1) = 2 ´ ( ) = 2.8 Pas 4 l1(1,1) = 1/(1.667 ´ ´ ´ 0.5) = 0.3 l2(1,1) = 1/(2.8 ´ ´ ´ 0) = 0.25 Pas 5 m1(1,1) = 0.3 ´ ´ ´ 2.8 ´ 1 = 1.2 m2(1,1) = 0.3 ´ ´ ´ 1.2 ´ 1 = 0.5 m3(1,1) = 0.3 ´ 2 ´ ´ 2.8 ´ 0 = 0.3 Université Paul Sabatier. Toulouse.

58 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R11(2,1) = 1 ´ ( ) = 2.2 R21(2,1) = 1 ´ ( ) = 1.5 R31(2,1) = 2 ´ ( ) = 2.6 R12(2,1) = 2 ´ ( ) = 3.647 R22(2,1) = 1 ´ ( ) = 1.353 R32(2,1) = 2 ´ ( ) = 3.647 Pas 4 l1(2,1) = 2/(2.2 ´ ´ ´ 0.5) = 0.471 l2(2,1) = 1/(3.647 ´ ´ ´ 0) = 0.2 Pas 5 m1(2,1) = ´ 2.2 ´ ´ ´ 1 = 1.765 m2(2,1) = ´ 1.5 ´ ´ ´ 1 = 0.623 m3(2,1) = ´ 2.6 ´ ´ ´ 0 = 0.612 Université Paul Sabatier. Toulouse.

59 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R11(1,2) = 1 ´ ( ) = 2.429 R21(1,2) = 1 ´ ( ) = 1.571 R31(1,2) = 2 ´ (1 + 0) = 2 R12(1,2) = 2 ´ ( ) = 4.4 R22(1,2) = 1 ´ ( ) = 1.5 R32(1,2) = 2 ´ ( ) = 2.6 Pas 4 l1(1,2) = 1/(2.429 ´ ´ ´ 0.5) = 0.237 l2(1,2) = 2/(4.4 ´ ´ ´ 0) = 0.339 Pas 5 m1(1,2) = ´ ´ ´ 4.4 ´ 1 = 2.068 m2(1,2) = ´ ´ ´ 1.5 ´ 1 = 0.695 m3(1,2) = ´ 2 ´ ´ 2.6 ´ 0 = 0.237 Université Paul Sabatier. Toulouse.

60 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Pas 3 R11(2,2) = 1 ´ ( ) = 3.068 R21(2,2) = 1 ´ ( ) = 1.695 R31(2,2) = 2 ´ ( ) = 2.474 R12(2,2) = 2 ´ ( ) = 5.530 R22(2,2) = 1 ´ ( ) = 1.623 R32(2,2) = 2 ´ ( ) = 3.224 Pas 4 l1(2,2)=2/(3.068´ ´ ´0.5) = 0.388 l2(2,2)=2/(5.530´ ´ ´0 )= 0.280 Pas 5 m1(2,2)=0.388´3.068´ ´5.530´1 = 2.737 m2(2,2)=0.388´1.695´ ´1.62 ´1 = 0.783 m3(2,2)=0.388´2.474´ ´3.224´0 = 0.480 Université Paul Sabatier. Toulouse.

61 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Introduction Types de réseaux Méthodes analytiques exacts Méthodes approchées Université Paul Sabatier. Toulouse.

62 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées Diffusion Décomposition-agrégation Itératives Université Paul Sabatier. Toulouse.

63 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Diffusion Réseau avec N stations d’un seul canal avec: Distribution générale de temps de service avec moyenne, mi, et coefficient quadratique de variation Ksi2. Probabilité de transition pij, indépendante de l’état du système. Fréquence d’arrivée l0 avec coefficient quadratique de variation des temps entre arrivées K02. Probabilité d’arrivée p0i et de sortie pj(N + 1). Université Paul Sabatier. Toulouse.

64 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Diffusion Supposition que la probabilité d’état a forme de produit. Processus d’arrivée et sortie Pour appliquer la formule de diffusion il faut connaître le processus d’arrivée li et Kai2 et le temps de service si = mi-1 et Ksi2. li et Kai2 sont déterminées à partir des processus de sortie des autres stations et du processus de arrivée. Université Paul Sabatier. Toulouse.

65 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Diffusion Processus de sortie de la station i. Pendant les périodes d'occupation, la fréquence de sortie est mi et le coefficient quadratique de variation Ksi2. Mais la station est occupée seulement avec probabilité ri. Fréquence moyenne de sortie, ri mi Variance des sorties, ri Ksi2 mi Université Paul Sabatier. Toulouse.

66 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Diffusion Processus d’arrivée à la station i. Superposition des processus de sortie. Université Paul Sabatier. Toulouse.

67 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Diffusion Réseaux ouverts. Fréquence d’arrivée à la station i li = l0 ei ri = eil0mi-1 Université Paul Sabatier. Toulouse.

68 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées Diffusion Décomposition-agrégation Itératives Université Paul Sabatier. Toulouse.

69 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Décomposition-agrégation Remplacement d’un groupe d’éléments par un élément synthétique que reproduise son comportement. En générale, on cherche des groupes d’éléments qui aient tous une dynamique similaire et que les clients circulent avec une grande probabilité entre eux et avec faible probabilité avec les éléments externes à l’ensemble considéré. Université Paul Sabatier. Toulouse.

70 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Décomposition-agrégation Réseau BCMP avec une seule station non-BCMP Université Paul Sabatier. Toulouse.

71 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Décomposition-agrégation Université Paul Sabatier. Toulouse.

72 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Décomposition-agrégation Théorème de Norton Pas de décomposition: court-circuit de la station non-BCMP. analyse du réseau résultant et calcul du débit à travers le court-circuit X(m) pour m clients dans la réseau, où m = 1, 2, ..., M. Pas d’agrégation: La réseau de files d'attente original se réduit à la station court-circuitée et à une autre station que représente approximativement la réseau court-circuité, dont la capacité de service est X(m). Université Paul Sabatier. Toulouse.

73 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Décomposition-agrégation Université Paul Sabatier. Toulouse.

74 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées Diffusion Décomposition-agrégation Itératives Université Paul Sabatier. Toulouse.

75 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Itératives En général, on part d’une conjoncture raisonnable pour établir l’itération En général, on ne démontre pas que l’itération soit convergeante, ni que, en cas de convergence, cette convergence le soit sur une valeur proche de la solution exacte. Malgré sa manque de justification théorique par rapport à sa convergence fournissent une voie intéressante pour traiter des réseaux de files d’attente. Université Paul Sabatier. Toulouse.

76 THÉORIE DES RÉSEAUX DE FILES D'ATTENTE
Méthodes approchées: Itératives Itération entre el traitement analytique d’un réseau de files d’attente et le traitement analytique d’une file Méthode des modèles subordonnés Méthode du réseau auxiliaire Université Paul Sabatier. Toulouse.