EISTI - Département Mathématiques

Théorie des les d'attente

Support du cours donné en 3me année

par Marietta Manolessou
(Option : Génie Logiciel)- Responsable :B.Glonneau

Année 2002-2003
Table des matières

Théorie des les d'attente i

1 Les les d'attente"

-Introduction- 1
1 Phases de l'étude d'un système : . . . . . . . . . . . . . . . . . . 1
2 Notion de le. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
3 Dénition d' un système`'
ou d'un processus. . . . . . . . . . . . . . . . . . . . . . . . . . 1
1 L'entrée ou l'arrivée du processus. . . . . . . . . . . . . . 1
2 La sortie ou le processus du service accompli. . . . . . . . 2
3 La le d'attente . . . . . . . . . . . . . . . . . . . . . . . . 2
4 Processus de l'arrivée . . . . . . . . . . . . . . . . . . . . 2
5 Processus de service . . . . . . . . . . . . . . . . . . . . . 3

2 Les Fondements Théoriques I

PROCESSUS DE NAISSANCE ET DE MORT
(Processus de Markov particuliers) 5
1 Processus de naissance . . . . . . . . . . . . . . . . . . . . . . . . 5
1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Le graphe G de la chaîne (v. g. 2.1) . . . . . . . . . . . . 6
3 La matrice de transition correspondante . . . . . . . . . 6
4 Equations de l'évolution dynamique du système . . . . . . 6
2 Processus de Poisson (g.2.2)
(Processus de Naissance Particulier) . . . . . . . . . . . . . . . 7
1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3 Les equations du futur . . . . . . . . . . . . . . . . . . . . 9
4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3 Processus de mort (ou processus de départs ou de service . . . . 10
1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4 Processus de naissance et de mort
⇔ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1 Notations de KENDALL d'une le d'attente . . . . . . . 11
2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3 Les Fondements Théoriques II

PROCESSUS DE NAISSANCE (arrivée)

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

2.1 Graphe pour un processus de naissance . . . . . . . . . . . . . . 6

2.2 Graphe pour un processus de naissance, type de Poisson . . . . 8
2.3 Exemple 4.1 Graphe pour un serveur : le M/M/1 . . . . . . . 12
2.4 Exemple 4.2 Graphe pour une le M/M/3 . . . . . . . . . . . 12

3.1 le M/M/1 à l'état j à l'instant t . . . . . . . . . . . . . . . . . 13

5.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.2 Système avec serveur central . . . . . . . . . . . . . . . . . . . . 28

v
Chapitre 1

Les les d'attente"

-Introduction-

1 Phases de l'étude d'un système :

[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.

Soit un "système" où les "clients" viennent pour un service ; ensuite "ils

partent " ; exemples :
* caisse à un magasin
* le d'attente à la banque
* système téléphonique
* ordinateur, imprimante (le des chiers en attente pour être mprimés
etc...)

3 Dénition d' un système`'

ou d'un processus.

1 L'entrée ou l'arrivée du processus.

(i) Arrivées appelées aussi clients . exemple : 1 arrivée par minute

(ii) Le processus est aussi caractérisé par le temps entre deux arrivées :
Variable déterministe ou aléatoire
(iii) La population : (nombre) ni ou inni.

1
2EISTI - 3e année Option Génie Logiciel

2 La sortie ou le processus du service accompli.

(i) temps de service :
déterministe ou aléatoire.
(ii) Un ou plusieurs serveurs parallèles

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.

FIFO (rst in, rst out=1ère entrée, 1ère sortie )

LIFO (last in, rst out=dernière entrée, 1ère sortie )

(iii) Files nies ou innies

(innies par défault)

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

(v) Rappel : la distribution exponentielle n'a pas de mémoire :

P [X > t + h|X ≥ t] = P [X > h]

(vi) Proposition 3.1

Si le temps t entre deux arrivées suit la loi exponentielle de paramètre θ,

le nombre d'arrivées dans un intervalle de temps [0, t] suit la loi de Poisson

de paramètre λ = θt :

e−θt (θt)n
P [N = n][λ=θt] =
n!
Autrement dit :

Arrivées d'après la loi de distribution de Poisson

⇔ Temps t entre deux arrivées d'après la loi Exponentielle

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)

(ii) Proposition 3.2

Si on suppose que la vitesse de service (nombre moyen de clients servis
par unité de temps) est une constante µ, alors g(t) est une distribution de
probabilité exponentielle, avec temps moyen de service :

1
E[Y ] =
µ
4EISTI - 3e année Option Génie Logiciel
Chapitre 2

Les Fondements Théoriques

I
PROCESSUS DE
NAISSANCE ET DE MORT
(Processus de Markov
particuliers)

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

Fig. 2.1  Graphe pour un processus de naissance

2 Le graphe G de la chaîne (v. g. 2.1)

3 La matrice de transition correspondante

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 ···
.
.
. ··· ··· ··· ··· ··· ··· ··· ···

4 Equations de l'évolution dynamique du système

(Rappel : Régime du système (Vecteur de probabilité) à l'instant t :

(t) (t)
⇔ Π(t) = {Π0 , Π1 , · · · , Π(t)
n · · · })

Théorème 1.1 (rappel)

Π(t+∆t) = Π(t) M

(Vecteur de probabilité à l'instant t + ∆t)

F.d'Attente- Fond. Théoriques I 7

⇒ Application : Les equations du futur :

Π0 (t + ∆t) = (1 − θ0 ∆t) · Π0 (t)

Π1 (t + ∆t) = θ0 ∆tΠ0 (t) + (1 − θ1 ∆t)Π1
Π2 (t + ∆t) = θ1 ∆t · Π1 (t) + (1 − θ2 ∆t)Π2
··· ··· ···
Πn (t + ∆t) = θn−1 ∆t · Πn−1 (t) + (1 − θn ∆t)Πn
··· ··· ···

⇒ 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)

Π00 (t) = −θ0 Π0 (t) pour n=0



avec les conditions :

Π0 (0) = 1 Πn (0) = 0 ∀ n ≥ 1

2 Processus de Poisson (g.2.2)

(Processus de Naissance Particulier)

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

Fig. 2.2  Graphe pour un processus de naissance, type de Poisson

Expressions mathématiques équivalentes :

(i) P [{Nt+∆t − Nt = 1|Nt = n}] = θ∆t + O1 (∆t)

(quand ∆t → 0) ∀ n ∈ N θ ∈]0, 1[.

(ii) P [{Nt+∆t − Nt > 1|Nt = n}] = O2 (∆t)

(quand ∆t → 0)

(iii) P [{Nt+∆t − Nt = 0|Nt = n}] = 1 − θ∆t + O3 (∆t)

(quand ∆t → 0)

2
Le graphe (v.g.2.2) et la matrice de transition se simplient :

0 1 2 ··· n−1 n n+1 ···

0 1 − θ∆t θ∆t 0 ··· 0 0 0 ···
1 0 1 − θ∆t θ∆t ··· 0 0 0 ···
2 0 0 1 − θ∆t ··· 0 0 0 ···
.
.
. ··· ··· ··· ··· ··· ··· ··· ···
n−1 0 0 0 ··· 1 − θ∆t θ∆t 0 ···
n 0 0 0 ··· 0 1 − θ∆t θ∆t ···
n+1 0 0 0 ··· 0 0 1 − θ∆t · · ·
.
.
. ··· ··· ··· ··· ··· ··· ··· ···
F.d'Attente- Fond. Théoriques I 9

3 Les equations du futur

Par application de la loi de transformation des probabilités :

Π(t+∆t) = Π(t) M

On obtient comme pour le cas général les équations du futur :

Π00 (t) = −θΠ0 (t)

 

 (N.0) 

et ∀ n ≥ 1
 

 (N.n) Π0n (t) = θΠn−1 (t) − θΠn (t) 

avec : Π0 (0) = 1 ; Πn (0) = 0 ∀ n ≥ 1
 

Intégration de la première :

ln Π0 = −θt + k00

⇔ Π0 = k0 e−θt
et comme Π0 (0) = 1 ⇒ k0 = 1

⇔ Π0 = e−θt (I.0)

suite ⇒ Intégration pour n=1

Π01 (t) = θe−θt − θΠ1 (t)

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

⇒ Π01 (t) = k 0 (t)e−θt − k(t)θe−θt (I.1.1.)0

donc par insertion dans (I.1)

⇒ k 0 (t)e−θt − k(t)θe−θt = θe−θt − θk(t)e−θt

et identication :

⇒ k 0 (t) = θ ⇒ k(t) = θt( avec k(0) = 0)

⇒ 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
  

⇔ P [{t0 ≤ t < t0 + dt}] = θe−θt dt

(Loi exponentielle)

3 Processus de mort (ou processus de départs ou

de service

Dénition 3.1 Les hypothèses caractéristiques sont analogues à celles des pro-
cessus de naissance, sauf que : N0 = N > 0 et

P [{pour qu'1 disparition ait lieu entre t et t + ∆t }] = µk ∆t


 P [{Nt+∆t − Nt = −1|Nt = k}] = µk ∆t + O1 (∆t)
⇔
P [{Nt+∆t − Nt = 0|Nt = k}] = 1 − µk ∆t + O2 (∆t)


µ0 = 0
et
µk > 0 k ≥ 1

Remarque 3.1 * Tous les résultats sont analogues à ceux des processus de
naissance en particulier les processus de Poisson correspondants.

4 Processus de naissance et de mort

⇔
Synthèse réaliste qui donne la modélisation la plus dèle de tous
les types de les d'attente.
F.d'Attente- Fond. Théoriques I 11

1 Notations de KENDALL d'une le d'attente

A/B/S(N)

A = Code de la loi des arrivées (M loi Poisson) (ou m)

B = Code de la loi des services (départs) (M loi exp) (ou m)

S = Nombre de serveurs (guichets etc. . . identiques)

(N) = Nombre max de clients admis (∞ si il est omis)

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

Fig. 2.3  Exemple 4.1 Graphe pour un serveur : le M/M/1

 5  '$
'$  10 '$
... ...
15.  15 '$
. . '$  15 '$

0 1 2 j-1 j j+1

&%- &%
- -. . . . . . - . . . &%
- &% - &%
- - &%
-. . . . . . ...
4 4 4 4 4
0

Fig. 2.4  Exemple 4.2 Graphe pour une le M/M/3

 
3µ ∀j ≥ 3
avec : µ = 5; θj = θ = 4 ∀ j ∈ N; µj =
jµ ∀j = 1, 2

3
Complément aux lois de distribution de probabilité

Loi de distribution de Erlang pour le temps entre 2 arrivées

(Type de distribution de probabilité intermédiaire)

(θk)k −θkt k−1

bk (t) = e t
Γ(k)
(fonction de densité pour le temps d'attente entre le k ème et k + 1ème client -
arrivée)
Chapitre 3

Les Fondements Théoriques

II
PROCESSUS DE
NAISSANCE (arrivée)
ET DE MORT (service)
(Pr. N.M.) (suite)

1 Probabilités de régime stationnaire

(Rappel : Régime stationnaire ⇔ Π∗ M = Π ∗ )

On considère le système à l'état j à l'instant t avec : Pij (t)(ou Πj (t))

... ...
µj−1
.  µj '$
. . '$  µj+1
 '$

j-1 j j+1

... ... - . . . &%- &%- - &%

-. . . . . . ...
θj−1 θj θj+1

Fig. 3.1  le M/M/1 à l'état j à l'instant t

13
14 EISTI 3e année G.L /Sup.cours de M.Manolessou

On cherche : Pij (t + ∆t) ou Πi (t + ∆t)

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)

⇒ (Division par ∆t et lim ∆t → 0 ⇔ dérivée aux deux membres)

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

2 Solution des équations d'équilibre du ux des

Pr. N.M.

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

en additionnant terme à terme les (II.1), . . . (II..2), . . .

(II.4) ⇔  
∞
X
Π0 1 + Cj  = 1
j=1
( )
1
⇒ Π0 = P∞
1+ j=1 Cj
et ( )
1
⇒ Πj = Cj P∞ (II.5)
1+ j=1 Cj

3 Cas d'une le d'attente : M /m/1

M / m / 1
↓ ↓ ↓
Poisson Exp. 1 serveur

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


(Suite à l'étude de la le m/m/1)

On a donc : (voir eq. II.3, II.6)

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

Cette série est convergente ssi ρ<1 (s. géométrique)

Cette condition de convergence constitue la condition la plus naturelle pour
qu'il n'y ait pas d'embouteillage.

1
⇒S= et Π0 = 1 − ρ
1−ρ

Πj = ρj (1 − ρ)

∀ j≥1 II.7

0≤ρ<1

2 Nombre moyen de clients dans le système ⇔ L

∞
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

3 Nombre moyen de "clients" dans la le d'attente ⇔ Lf

Si j clients sont dans le système (∀ j ≥ 1) ⇒ (j − 1) clients seront dans
la le :
∞
X
Lf = (j − 1)Πj II.10
j=1

⇔
∞
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

4 Nombre moyen de clients en service ⇔ Ls

(Pour un système M/m/1)

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)

1 Pour un système m/m/s

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

Mais comme on envisage un régime permanent ⇔ Π0n (t) = 0 :

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 ⇔

0 = θΠs−1 − (θ + sµ)Πs + sµΠs+1 III.9

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

Mais on doit vérier :

∞
X
Πi = 1
i=0
EISTI 3e année-Option Génie Logiciel-Cours par M.Manolessou 21

⇔ (  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

⇒ On aura donc nalement

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.

Par application des arguments analogues à ceux du cours précédent où s = 1,

on trouve : Pour le temps moyen d'attente à la le :

(θ/µ)s
Wf =  2 Π0 III.13
θ
µss!( 1 −
µs

et nb moyen de clients dans le système

θ
L = θW f + III.14
µ
22 Théorie des les d'attente
Chapitre 5

Réseaux Jackson

1 Réseau Jackson ouvert

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

(b) SiΠ∗ (n1 n2 . . . nK ) est le vecteur stationnaire (régime d'équilibre du ux)

ième
(nk clients au k noeud) et si

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

Exemple 1.1 Considérons le système suivant : (MM1 avec bouclage )

Supposons que ce système représente un commutateur qui transmet les mes-
sages vers une destination désirée.
On suppose que :
(a) Le temps de transmettre le message et de recevoir la conrmation de
sa réception suit une loi exponentielle (on suppose qu'il y a un détecteur
d'erreurs)
(b) La probabilité qu'un message soit reçu correctement est p, avec proba-
bilité q =1−p que le message soit transmis.
Conclusions- (Application du th. de Jackson)

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

Si λ = 4 mes/sec et Ws = 0,22 sec (temps moyen de transmission) et p = 0,99

(probabilité pour qu'un message soit correctement transmis)
⇒ Λ =4,0404 mes/sec ρ = 0,8889 sec et L = 8 messages, W = 1,98 secondes

2 Réseau Jackson fermé

1
Exemple 2

Réseau Jackson fermé

(car il contient un nombre xe(= N) de programmes ⇔ il a un niveau
multiprogramme constant)
On suppose que :
1) Quand un programme est sur la ligne `0 (⇔ il sort de CPU et retourne à
la le d'attente devant CPU) ⇔ son exécution a été réalisée et un nouveau
programme entre au système ⇒ (Il existe toujours une accumulation de
jobs prêts à rentrer dans le système d'ordinateurs CPU) La distribution
(temps d'attente Ws est exponentielle ou même plus générale.

2) Il existe K − 1 appareils In/Out chacun avec sa propre le avec un temps

d'attente exponentielle et taux µk (k = 2, 3, . . . K).
La discipline est FIFO pour tous.

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

jobs au k ième centre de service, le vecteur de probabilité Π(n1 , n2 . . . nk )

(et autres paramètres : utilisation, temps moyens etc) est calculé par
l'algorithme de Buzen's (qui n'est pas pas ... intuitive).
26 Théorie des les d'attente

RESEAU JACKSON FERME

(il a un niveau multiprogramme constant)

N Programmes qui circulent dans le réseau


6
I/O (entrées-sorties)

p2
- 2
6

p3
- 3 ?
6

`0 `0 .
.
? - CPU - . ? -
6 p1 6
`0
`0
New Program pK−1
 ? ? - K-1 -
`0 6

pK
? - K -

Fig. 5.2  Système avec serveur central

EISTI 3e année-Option Génie Logiciel-Cours donné par M.Manolessou 27

2 Algorithmes

ALGORITHME 1(analyse de valeur moyenne (MVA))

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

Wk [n] ≡ le temps moyen total d'attente pour 1 client au noeud k pour Vk

visites etW [n] est le temps moyen d'attente total d'un client au serveur central
(CPU).
La formule clé (1) dit que le temps moyen d'attente d'un client qui arrive
au serveur k quand il y a déjà n clients au serveur central, est le temps moyen
de service Dk au serveur k , multiplié par le nombre total de clients qui doivent
être servis en incluant celui qui arrive.
Cette analyse de valeur moyenne est basée sur le théorème d'arrivées qui
arme que : Pour un réseau de les fermé, les probabilités du régime station-
naire sont identiques à ceux de l'état d'équilibre du même réseau (à long terme)
quand on enlève un client.
28 Théorie des les d'attente

ALGORITHME 2
(Pour construire les paramètres appliqués à l'algorithme 1)

Dénition 2.2

Etape (1) Set the visit ratio V1 for the CPU,

1
V1 =
P1
Etape (2) For n = 2, 3, . . . K calculate

V n = Pn V 1

Etape (3) (Calculer les Dk )

Set
Dk = Vk × Sk k = 1, 2, . . . K
EISTI 3e année-Option Génie Logiciel-Cours donné par M.Manolessou 29

Références
(Pour un approfondissement et des exemples)

(1) Operations Research Applications and Algorithmes ;

W.L. Winston (W.S. Kent)

(2) Précis de Recherche Opérationnelle ; Faure R. (Dunod)

(3) Exercices et problèmes résolus de Recherche Opérationnelle" ;

Faure R. (Masson)

(4) Mathem. methods of Operations Research ; Thomas L. Saaty (Dover)

(5) Les phénomènes d'attente ; A. Kaufmann, R. Cruon (1961 - Dunod)

(6) Exercices et problèmes en Recherche Opérationnelle ;

G. Desbazeille (Dunod 1972)

(7) Guide de la Recherche Opérationnelle

 a) [Tome 1] Les fondements ; A. Api, R. Faure (1986)
 b) [Tome 2] Les applications ; A. Api, R. Faure (1990)

(8) Probability - Statistics and Queuing theory with Computer Scheme Ap-
plications ;
A.O. Allen (Acad. Press 1990)

(9) Réseaux et les d'attente ; Philippe Robert (Théorique)

(10) Théorie des les d'attente" ;

Bruno Baynat (Réseaux et télécommunications).