معرفی مدل صف بندی و برآوردی جدید ( E^۲- بیز ) برای پارامتر شدت ترافیک آن

مطالعه مدل های متنوع در نظریه صف لازم است تا بهره وری سیستم های صف بندی افزایش یابد. در این مقاله از خانواده مدل های {E_r/M/c; r,cin N}، مدل E_r/M/۳ معرفی می شود و کمیت هایی مانند توزیع تعداد متقاضیان (مشتریان) در سیستم، متوسط تعداد متقاصیان در صف و سیستم و متوسط زمان انتظار در صف و سیستم یک متقاضی به دست آورده می شوند. به دلیل نقش ویژه پارامتر شدت ترافیک در معیارهای ارزیابی عملکرد سیستم های صف بندی، برآورد آن به روش های بیز، E-بیز و بیز سلسله مراتبی تحت تابع زیان آنتروپی عمومی و بر اساس زمان توقف سیستم، به دست آورده می شود و سپس بر اساس برآوردگر E-بیز، برآوردی جدید برای پارامتر شدت ترافیک معرفی می گردد که در این مقاله برآورد E^۲-بیز نامیده می شود.  بنابر این در بین برآوردگرهای بیز، E-بیز، بیز سلسله مراتبی و برآوردگر جدید، برآوردگری که بتواند متوسط مدت زمان انتظار در صف مشتری را کاهش دهد در این مقاله به عنوان برآوردگر مطلوب پارامتر شدت ترافیک در نظر گرفته می شود. همچنین با استفاده از روش شبیه سازی مونت کارلو و به کمک یک مجموعه داده های واقعی برتری برآوردگر جدید نسبت به سایر برآوردگرهای ذکر شده در مقاله نشان داده می شود.

کلیدواژه ها:

Queuing model E_r/M/۳ ، Traffic intensity ، Average waiting time ، E-Bayesian estimation ، Hierarchical Bayesian estimation ، E^۲-Bayesian estimation. ، مدل صف بندی E_r/M/۳‎ ، پارامتر شدت ترافیک ، متوسط مدت زمان انتظار در صف ، برآورد E-بیز ، برآورد بیز سلسله مراتبی ، برآورد ‎E^۲-بیز.