Полумарковские процессы широко применяются для моделирования систем массового обслуживания. Актуальность исследования обусловлена расширением возможностей анализа и функционирования систем массового обслуживания, для которых построены полумарковские модели, применением к ним теории скрытых марковских моделей. В связи с этим, в данной статье рассмотрено применение аппарата теории скрытых марковских моделей к системе массового обслуживания с потерями, описываемой полумарковским процессом с фазовым пространством состояний общего вида. Это позволяет не только уйти от экспоненциального закона распределения времен обслуживания и потока заявок при описании системы, но и решать задачи прогнозирования и оценки состояний и сигналов, корректировки модели в процессе функционирования системы. Для перехода к конечному множеству состояний полумарковской модели применяется стационарное фазовое укрупнение. В качестве иллюстрирующего примера в статье построена укрупненная полумарковская модель системы массового обслуживания GI/G/2/0 с потерями. На ее основе разработана скрытая марковская модель, для которой решаются задачи анализа динамики и прогнозирования состояний. Проводится уточнение параметров скрытой марковской модели, используя алгоритм Баума-Велша, определена наиболее вероятная последовательность смены состояний системы по полученному вектору сигналов.
Semi-Markov processes are widely used to model queuing systems. The relevance of the study is due to the increase in the capabilities for analysis and performance of queuing systems for which semi-Markov models are constructed. The application of the hidden Markov model theory to them also underscores the importance of this research. In this regard, this article discusses the application of the apparatus of the hidden Markov models theory to a lossy queuing system described by a semi-Markov process with a general phase state space. This makes it possible not only to move beyond the exponential law of the distribution of service times and the flow of applications when describing the system, but also to solve the problems of forecasting and evaluating states and signals, correcting the model while the system is in operation. For transition to a discrete set of states of the Semi-Markov model, the algorithm of stationary phase enlargement is employed. As an illustrative example, a merged semi-Markov model of the GI/G/2/0 queuing system with losses is constructed. Based on it, a hidden Markov model is developed for which the problems of analyzing dynamics and predicting states are solved. The parameters of the hidden Markov model are refined by means of the Baum-Welsh algorithm; the most probable sequence of changing states of the system is determined by the received signal vector.
The authors declare that there are no conflicts of interest present.