Professional Documents
Culture Documents
Année 2002-2003
Table des matières
iii
ET DE MORT (service)
(Pr. N.M.) (suite) 13
1 Probabilités de régime stationnaire
(Rappel : Régime stationnaire ⇔ Π∗ M = Π∗ ) . . . . . . . . . . . 13
2 Solution des équations d'équilibre du ux des Pr. N.M. . . . . . . 14
3 Cas d'une le d'attente : M /m/1 . . . . . . . . . . . . . . . . 15
1 Utilisation-Ecacité . . . . . . . . . . . . . . . . . . . . . 15
2 Nombre moyen de clients dans le système ⇔ L . . . . . 16
3 Nombre moyen de "clients" dans la le d'attente ⇔ Lf . 17
4 Nombre moyen de clients en service ⇔ Ls . . . . . . . . 17
5 Formules de Little . . . . . . . . . . . . . . . . . . . . . . 18
4 III
PROCESSUS DE NAISSANCE (arrivée)
ET DE MORT (service)
(Pr. N.M.) (Suite) 21
1 Pour un système m/m/s . . . . . . . . . . . . . . . . . . . . . . . 21
5 Réseaux Jackson 25
1 Réseau Jackson ouvert . . . . . . . . . . . . . . . . . . . . . . . . 25
1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2 Réseau Jackson fermé . . . . . . . . . . . . . . . . . . . . . . . . 27
1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2 Algorithmes . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Table des gures
5.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.2 Système avec serveur central . . . . . . . . . . . . . . . . . . . . 28
v
Chapitre 1
[i ] Formalisation du problème
[ii ] Observation du système
[iii ] Modélisation du système
[iv ] Résolution du modèle
[v ] Vérication de la solution du modèle
[vi ] Conclusions
2 Notion de le.
1
2EISTI - 3e année Option Génie Logiciel
3 La le d'attente
Elle peut être déterministe ou aléatoire .
(i) les clients trouvent les serveurs occupés, ils doivent attendre dans
une le : la le d'attente .
(ii) l'ordre dans une le d'attente.
4 Processus de l'arrivée
ti = temps d'arrivée du ième client
Ti = temps intermédiaire entre
ème ème
la i et la (i + 1) arrivée.
Ti = ti+1 − ti
(i) Hypothèse : Les arrivées sont engendrées par un processus aléatoire, ainsi
les temps intermédiaires sont :
des variables aléatoires continues (Xi ) indépendantes qui suivent la même
loi de distribution de probabilité décrite par une fonction continue :
f : R→R
t 7→ f (t)
(ii) Si la distribution varie par rapport au temps, on sépare l'intervalle de
temps d'observation en périodes discrètes de même variation.
Exemple 3.1
t0 = 0 t1 = 3 t2 = 8 t3 = 15
T 1 = t 2 − t1 = 8−3=5
T 2 = t 3 − t2 = 15 − 8 = 7
(iii) Soit f (t) la loi de distribution qui représente la variable aléatoire X .
Soit θ(t) la fonction de temps qui représente le nombre moyen d'arrivées
par unité de temps :
−1
(unités temps : par minute ; par heure ; par jour ; par an etc.)
alors, on introduit le temps moyen entre deux arrivées :
1
Dénition 3.1 Temps moyen d'arrivées ⇔
θ(t)
(iv) Si θ n'est pas une fonction de temps mais une constante
⇒ f (t) est une distribution exponentielle :
1 1
f (t) = θe−θt ; avec E(X) = , σ 2 (X) = 2
θ θ
Théorie des les d'attente Support du cours donné en par Marietta Manolessou 3
e−θt (θt)n
P [N = n][λ=θt] =
n!
Autrement dit :
5 Processus de service
(i) On suppose que les temps de service forment une suite de variables aléa-
toires indépendentes {Yn } qui suivent la même loi de probabilité décrite
par une fonction continue :
g: R→R
t 7→ g(t)
1
E[Y ] =
µ
4EISTI - 3e année Option Génie Logiciel
Chapitre 2
1 Processus de naissance
Dénition 1.1
(i) Les individus ("clients") apparaissent selon une certaine loi au sein d'une
population.
(ii) Il s'agit d'une chaîne de Markov : particulière
(a) L'état du système au temps t est déni par le nombre k des "clients"
dans le système d'attente.
(b) La probabilité (prob. d'apparition d' 1 "client"), Pk,k+1 (t) est θk ∆t, et
elle est indépendante de la position de ∆t sur l'axe des temps.
(c) On néglige la probabilité pour qu'il se produise plus d'1 apparition dans
∆t.
(d) A cause de c) la probabilité complémentaire (1 − θk ∆t) représente à une
probabilité pour qu'il n'appa-
inniment petit ordre supérieur près, la
raisse aucun client pendant le temps ∆t.
(e) Pour tout i>j
Pij (t) = 0 ∀ t ∈ R+
5
6 EISTI 3e année G.L /Sup.cours de M.Manolessou
1−
-θ0 ∆t
'$ 1−
-θ1 ∆t
'$ 1−
-θ2 ∆t
'$ 1− 1−
-θn−1 ∆t '$
'$ -θn ∆t 1−
-θn+1 ∆t
'$
&%
~ - &% -~ - &% . . . . . - . . . &%
-.~ ~ - &% -~ - &% -~
... ... ...
θ0 ∆t θ1 ∆t θn−1 ∆t θn ∆t θn+1 ∆t
0 1 2 n-1 n n+1
0 1 − θ0 ∆t θ0 ∆t 0 ··· 0 0 0 ···
1 0 1 − θ1 ∆t θ1 ∆t ··· 0 0 0 ···
2 0 0 1 − θ2 ∆t ··· 0 0 0 ···
.
.
. ··· ··· ··· ··· ··· ··· ··· ···
M =
n−1 0 0 0 ··· 1 − θn−1 ∆t θn−1 ∆t 0 ···
n 0 0 0 ··· 0 1 − θn ∆t θn ∆t ···
n+1 0 0 0 ··· 0 0 1 − θn+1 ∆t ···
.
.
. ··· ··· ··· ··· ··· ··· ··· ···
(t) (t)
⇔ Π(t) = {Π0 , Π1 , · · · , Π(t)
n · · · })
Π(t+∆t) = Π(t) M
⇒ en général ∀ n:
Πn (t + ∆t) − Πn (t)
= θn−1 Πn−1 − θn Πn
∆t
⇒ En prenant la limite ∆t → 0, on obtient les équations du futur
0
Πn (t) = θn−1 Πn−1 (t) − θn Πn (t) (n ≥ 1)
Π0 (0) = 1 Πn (0) = 0 ∀ n ≥ 1
Dénition 2.1
On appelle processus de Poisson un processus de naissance qui vérie les
conditions suivantes :
1) C'est un processus homogène.
2) C'est un processus additif et à accroissements indépendants.
né-
3) La probabilité pour la réalisation de 2 événements en même temps est
gligeable devant la probabilité de la réalisation d'un événement.
4) On écarte le cas des probabilités =1 ou nulles.
8 EISTI 3e année G.L /Sup.cours de M.Manolessou
1−
-θ∆t
'$ 1−
-θ∆t
'$ 1−
-θ∆t
'$ 1−
-θ∆t
'$ 1−
-θ∆t
'$ 1−
-θ∆t
'$
&%
~ - &%
-~ - &% . . . . . - . . . &%
-.~ ~ - &%
-~ - &%
-~
... ... ...
θ∆t θ∆t θ∆t θ∆t θ∆t
0 1 2 n-1 n n+1
2
Le graphe (v.g.2.2) et la matrice de transition se simplient :
Π(t+∆t) = Π(t) M
Intégration de la première :
ln Π0 = −θt + k00
⇔ Π0 = k0 e−θt
et comme Π0 (0) = 1 ⇒ k0 = 1
⇔ Π0 = e−θt (I.0)
L'eqnation (s.s.m.) :
Π01 + θΠ1 (t) = 0
Π1 = ke−θt ⇒ Π1 (t) = k(t)e−θt (I.1.1.)
mais
Π1 (0) = 0 ⇒ k(0) = 0
Par derivation de (I.1.1) on obtient
et identication :
⇒ nalement
Π1 (t) = θte−θt (I.1)
En continuant ainsi et par récurrence on trouve ∀n :
(θt)n −θt
Πn (t) = e (I.2)
n!
On reconnaît la loi de Poisson qui détermine la probabilité d'occurrence
de n événements pendant l'intervalle [0, t[.
10 EISTI 3e année G.L /Sup.cours de M.Manolessou
Remarque importante
Si on s'intéresse à la probabilité pour que l'intervalle qui sépare l'occurrence de
deux événements successifs (du Processus de Poisson) soit compris entre t0 et
t0 + dt ⇒
P [{t0 ≤ t < t0 + dt}] = P [{t ≥ t0 }] × θdt
aucun événement 1 événement
⇔ P ne se produit ×P se produit
00
avant l'instant t0 pendant le temps dt
(Loi exponentielle)
Dénition 3.1 Les hypothèses caractéristiques sont analogues à celles des pro-
cessus de naissance, sauf que : N0 = N > 0 et
Remarque 3.1 * Tous les résultats sont analogues à ceux des processus de
naissance en particulier les processus de Poisson correspondants.
dans A ou B :
Ek ≡ Erlang ; Hr ≡ Hypergéometrique
D ≡ Déterministe ; G ≡ Générale
2
Exemples
M/M/1
M/M/S/N
G/G/S
G/M/1
G/Er /S/N
etc.
12 EISTI 3e année G.L /Sup.cours de M.Manolessou
µ
'$ µ2 '$
1 '$ ... ...
µj−1 µj '$
. . '$
. µj+1
'$
0 1 2 j-1 j j+1
&%- &%
- - &%
-. . . . . . - . . . &%- &%- - &%
-. . . . . . ...
θ0 θ1 θj−1 θj θj+1
0
5 '$
'$ 10 '$
... ...
15. 15 '$
. . '$ 15 '$
0 1 2 j-1 j j+1
&%- &%
- -. . . . . . - . . . &%
- &% - &%
- - &%
-. . . . . . ...
4 4 4 4 4
0
3
Complément aux lois de distribution de probabilité
... ...
µj−1
. µj '$
. . '$ µj+1
'$
j-1 j j+1
13
14 EISTI 3e année G.L /Sup.cours de M.Manolessou
Πj (t + ∆t) − Πj (t) =
= P { arrivée de j − 1”}
+P {service de j + 1”}
−P { arrivée de j”}
−P { service de j”}
⇔
Πj (t + ∆t) − Πj (t)
= θj−1 ∆tΠj−1 (t)
+µj+1 ∆tΠj+1 (t)
−θj ∆tΠj (t)
−µj ∆tΠj (t) + O(∆t)
dΠj (t)
= θj−1 Πj−1 (t) + µj+1 Πj+1 (t) − (θj + µj )Πj (t) II.0
dt
mais pour un régime stationnaire
dΠj
→0 (⇔ Πj → Π∗j )
dt
θj−1 Πj−1 (t) + µj+1 Πj+1 = (θj + µj )Πj II.0.a
Pour :
j = 0 ⇒ Π0 θ0 = µ1 Π1
j = 1 ⇒ (θ1 + µ1 )Π1 = θ0 Π0 + µ2 Π2
j = 2 ⇒ (θ2 + µ2 )Π2 = θ1 Π1 + µ3 Π3
. . .
. . .
. . .
j ⇒ (θj + µj )Πj = θj−1 Πj−1 + µj+1 Πj+1
De (j = 0)
θ0
⇒ Π1 = Π0 (II.1)
µ1
et de (j = 1) ⇒ élim. de Π1 )
θ0
(θ1 + µ1 ) Π0 = θ0 Π0 + µ2 Π2
µ1
⇒
θ1 θ0
Π2 = Π0
µ2 µ1
. . .
. . . (II.2)
. . .
θj−1 θj−2 θ0
Πj = ··· Π0
µj µj−1 µ1
F.d'Attente- Fond. Théoriques II 15
⇒
Πj = Cj Π0 (II.3)
j−1
Q θi
avec : Cj =
i=0 µi+1
Comme par dénition :
∞
X
Πj = 1 (II.4)
j=0
avec :
θj = θ ∀j
µ0 = 0 ; µj = µ ∀ j ≥ 1
j−1 j
Y θ θ
⇒ Cj = = II.6
i=0
µ µ
1 Utilisation-Ecacité
Dénition 3.1
Ecacité
ou
θ
ρ= ≡ Intensité de la circulation
µ
ou
Utilisation du système
Πj = ρj Π0 (rappel)
16 EISTI 3e année G.L /Sup.cours de M.Manolessou
et comme :
∞
P
Πj = 1
j=0
∞
ρj = 1
P
⇔
j=0
1
⇒ Π0 = P∞
j=0 ρj
Soit :
∞
X
S= ρj
j=0
1
⇒S= et Π0 = 1 − ρ
1−ρ
Πj = ρj (1 − ρ)
∀ j≥1 II.7
0≤ρ<1
∞
X ∞
X
L= jΠij = (1 − ρ) jρj
j=0 j=0
L = (1 − ρ)S 0 II.8
où S 0 = 0 + ρ + 2ρ2 + 3ρ3 + . . .
et ρS 0 = ρ2 + 2ρ3 + . . .
⇒
S 0 − ρS 0 = ρ + 2ρ2 + 3ρ3 + . . . − 0 − ρ2 − 2ρ3 − ..
= ρ + ρ2 + ρ3 + . . .
⇒
∞
X ∞
X
(1 − ρ)S 0 = ρj = ρj − 1
j=1 j=0
⇒
1
(1 − ρ)S 0 = −1
1−ρ
⇒
1 − (1 − ρ) ρ
S0 = =
(1 − ρ2 ) (1 − ρ)2
et de II.8
F.d'Attente- Fond. Théoriques II 17
ρ
L= II.9
1−ρ
ou
θ/µ θ
L= ⇔ L= II.9.a
1 − θ/µ µ−θ
⇔
∞
X ∞
X
Lf = jΠj − Πj II.11
j=1 j=1
or :
∞
X ∞
X
jΠj = jΠj = L nombre moyen de clients dans le système
j=1 j=0
et
∞
X
Πj = 1 − Π0
j=1
⇒ II.11 donne :
ρ
Lf = L − ρ = −ρ
1−ρ
⇒
ρ2
Lf = II.12
1−ρ
L = Lf + Ls ⇒ Ls = L − Lf
ρ ρ2
Ls = −
1−ρ 1−ρ
ρ(1 − ρ)
= =ρ
1−ρ
Ls = ρ II.13
18 EISTI 3e année G.L /Sup.cours de M.Manolessou
5 Formules de Little
θ = Nombre moyen d'arrivées (de clients) par unité de temps
L = Nombre moyen de clients dans le système
Lf = Nombre moyen de clients dans la le
Ls = Nombre moyen de clients en service
W Temps moyen d'attente / par client dans le système
W f Temps moyen d'attente / par client dans la le
W s Temps moyen d'attente / par client en service
L = θW
Lf = θW f ( pour un état stationnaire)
Ls = θW s
Remarque
Lorque θ dépend de j (état actuel du système) on dénit un taux d'arrivées
moyen θ∗ tel que
L = θ∗ W
Lf = θ∗ W f
Preuve des formules de Little
(Cas où θ = const)
Supposons qu'un client arrive dans le système : En moyenne il sera la dernière
arrivée de L clients qui sont déjà dans le système.
Il attendra en moyenne un temps W et pendant ce temps il y aura :
θW arrivées ⇒ L = θW
D'une manière analogue on obtient :
Lf = θW f C.Q.F.D.
En plus comme :
W − Wf = Ws
(temps m. d'attente dans le système - temps m. passé dans la le = temps m.
passé par un client en service)
1 Ls
Ws = (L − Lf ) = C.Q.F.D.
θ θ
Application : Salle d'attente chez le médecin
Si la durée d'une consultation est en moyenne de 15 mn, et le médecin
convoque ses clients (1 chaque fois) toutes les 20 mn, et étant donné que dans
notre société les clients arrivent au hasard ... on aura : θ = 3/h et µ = 4/h et
on calcule :
θ 3
L= = =3
µ−θ 4−3
dans cette salle
⇒ le nombre moyen de clients qui attendent est 3.
et en consultation
Alors que le temps moyen d'attente dans la salle (par client) est
Lf ρ2 θ/µ 3
Wf = = = = h
θ (1 − ρ)θ µ−θ 4
⇔ 3/4 d'heure.
Chapitre 4
III
PROCESSUS DE
NAISSANCE (arrivée)
ET DE MORT (service)
(Pr. N.M.) (Suite)
On a :
µn = nµ ∀ 1 ≤ n < s
et µn = sµ ∀ n ≥ s
Par une procédure analogue (mais plus compliquée. . .) on montre les résultats
suivants :
Proposition 1.1
n
1 θ
Πn = Π0 n≤s
n! µ
n III.1
1 θ
Πn = Π0 n≥s
sn−s s! µ
et
θ
L = θW f + III.2
µ
avec :
(θ/µ)s
Wf = Π III.3
θ 2 0
µss!(1 − )
µs
et
1
Π0 = s−1
III.4
(θ/µ)s X (θ/µ)n
+
θ n!
s! 1 − n=0
µs
19
20 Théorie des les d'attente
Preuve
En reprenant les équations (d'équilibre) générales des processus de naissance
et de mort on a le système diérenciel suivant :
0
Π (t) = −θΠ0 (t) + µΠ1 (t)
00
Π1 (t) = θΠ0 (t) − (θ + µ)Π1 (t) + 2µΠ2 (t)
··· ··· ···
0
Πn (t) = θΠn−1 (t) − (θ + nµ)Πn (t) + (n + 1)µΠn+1 (t) ∀ 1 ≤ n < s
III.5
et
Π0n (t) = θΠn−1 (t) − (θ + sµ)Πn (t) + sµΠn+1 (t)
III.6
∀ n≥s
θ
Π1 = Π0
µ
2
1 θ
Π2 = Π0
2 µ
3
1 θ
Π3 = Π0
6 µ
et en général :
pour n≤s
n
1 θ
Πn = Π0 III.7
n! µ
et à la limite : (n = s)
s
1 θ
Πs = Π0 III.8
s! µ
Par l'équation III.6, le régime permanent doit vérier :
⇔ Π0s = 0 ⇔
et de III.8,
s+1
1 θ
III.9 ⇒ Πs+1 = Π0
s!s µ
et de proche en proche pour n≥s :
n
1 θ
Πn = Π0 III.10
s!sn−s µ
⇔ ( 2 n
θ 1 θ 1 θ
1 = Π0 1+ + + ...
µ 2! µ n! µ
| {z }
n<s
s s+1 n )
1 θ 1 θ 1 θ
+ + + ... + n−s
s! µ s!s µ s!s µ
| {z }
n≥s
La somme innie des termes avec n≥s convergera comme une série géomé-
trique
(⇔ Le système ne s'engorgera pas - il n'y aura pas d' embouteillage) ssi
θ
<1 III.11
µs
1
Π0 = s−1
III.12
s X (θ/µ)n
(θ/µ)
+
θ n!
s! 1 − n=0
µs
q.e.d.
(Exercice : A comparer avec le résultat de la le M/M/1.
(θ/µ)s
Wf = 2 Π0 III.13
θ
µss!( 1 −
µs
θ
L = θW f + III.14
µ
22 Théorie des les d'attente
Chapitre 5
Réseaux Jackson
Théorème 1.1
Supposons qu'un réseau de les d'attente avec K noeuds vérie :
1) Chaque noeud est constitué de sk serveurs du type exponentiel avec taux
myen de service : µk .
2) Les clients arrivent au noeud k (par l'extérieur du système) suivant un
processus de Poisson avec taux moyen d'arrivée λk
(Les arrivées peuvent venir auussi au noeud k par les autres noeuds qui
appartiennent au réseau les autres noeuds qui appartiennent au réseau.)
3) Chaque client servi au noeud k va instantanément à un autre noeud j
avec une probabilité Pkj ou il abandonne le réseau avec une probabilité :
K
X
1− Pkj
j=1
⇒
(a) Quelque soit le noeud k, le taux moyen d'arrivées par tous les autres est
donné par l'équation
K
X
Λ k = λk + Pjk Λj (équations du trac) (E.0)
j=1
Λk < sk µk k = 1, . . . K
(Condition de Stabilité)
23
24 Théorie des les d'attente
q=1-p
? le serveur
entrée 6sortie
(input) (output)
Λ
- - 1/µ
λ N0 N1 λ
Fig. 5.1
⇒
Π∗ (n1 n2 n3 . . . nK ) = p1 (n1 )p2 (n2 ) . . . pk (nk ) . . . pK (nK )
où pk (nk ) est la probabilité du régime stationnaire qui correspond à l'état d'y
ième
avoir nk clients au k noeud si ce noeud est traité comme une le d'attente
du type M/M/sk avec taux moyen d'arrivée Λk et temps moyen de service 1/µK
pour chacun des serveurs sk .
⇔ Pour le nombre de clients, le réseau de Jackson se comporte à l'équilibre
comme N les indépendantes avec les intensités d'arrivées Λk (k = 1, . . . K)
solutions de (E.0) et les services µk (k = 1, . . . K).
Donc si on pose
Λk
= ρ̄k pour chaque noeud ⇒
sk µk
K
Y
Π∗ (n1 . . . nK ) = ρ̄nk k (1 − ρ̄k )
k=1
λ λ
Λ = λ + qΛ ⇒ Λ = et ρ = ΛW s =
p pµ
ρ λ Ws p
L= = ; W = =
1−ρ pµ − λ 1−ρ pµ − λ
EISTI 3e année-Option Génie Logiciel-Cours donné par M.Manolessou 25
Exemple numérique
1
Exemple 2
3) Quand le service est complèté dans CPU un job retourne (se boucle)
vers CPU avec une probabilité p1 on entre dans un des I/O avec probabilité
pk , (k = 2, 3, . . . K).
4) Après les services dans les I/O, un job retourne à la le de CPU pour en-
core un cycle. Si {n1 . . . nk } représente l'état du système (nj le nombre de
p2
- 2
6
p3
- 3 ?
6
`0 `0 .
.
? - CPU - . ? -
6 p1 6
`0
`0
New Program pK−1
? ? - K-1 -
`0 6
pK
? - K -
2 Algorithmes
Dénition 2.1
Dk = Vk × Sk ≡ demande de service (la quantité du temps de service
k ième centre pour Vk visites) ou
dont un job a besoin au
Dk ≡ temps moyen d'attente en service au serveur k.
Données :
1
Sk = ; pk k = 1 . . . K
µk
On calcule les mesures de performance de la façon suivante :
Etape (1) (Initialisation) Set
Lk [0] = 0, k = 1, 2, . . . K
Etape (2) (Iteration) Pour n = 1, 2, . . . N calculate
(1) Wk [n] = Dk (1 + Lk [n − 1]) k = 1, . . . K.
PK
(2) W [n] = Wk [n]
k=1
n
(3) λ[n] =
W (n)
(4) Lk [n] = λ(n)Wk (n)
Etape (3) (Calcul des mesures de performance)
Set job response time (turnaround time)
(5) W = W [N ]
Set throughput :
(6) λ = λ[N ]
Set server utilization
(7) ρk = λDk k = 1, 2, . . . K
Fin
Remarque
ALGORITHME 2
(Pour construire les paramètres appliqués à l'algorithme 1)
Dénition 2.2
1
V1 =
P1
Etape (2) For n = 2, 3, . . . K calculate
V n = Pn V 1
Références
(Pour un approfondissement et des exemples)
(8) Probability - Statistics and Queuing theory with Computer Scheme Ap-
plications ;
A.O. Allen (Acad. Press 1990)