基于Michaelis–Menten回归的M/Mb/1/N与M/Mb/c/N批量服务排队系统性能测度饱和非线性近似与高效计算

《Mathematics》:Identification-Based Zero-Sum Tracking Control for Linear Composite Systems with Unmeasured Disturbances

【字体: 大 中 小 】 时间:2026年10月24日 来源:Mathematics 2.3

编辑推荐:

  以多服务台数c、固定批量服务规模b和有限容量N为特征的批量服务排队系统(bulk service queueing systems),如M/Mb/1/N与M/Mb/c/N,其性能测度虽可数值推导,但在不同参数范围内数

  
以多服务台数c、固定批量服务规模b和有限容量N为特征的批量服务排队系统(bulk service queueing systems),如M/Mb/1/N与M/Mb/c/N,其性能测度虽可数值推导,但在不同参数范围内数学评估复杂。本研究通过应用最初为酶动力学构建的Michaelis–Menten(M-M)回归模型作为这些测度的经验替代,以应对该挑战。通过构造生成矩阵Q并经LU分解(LU decomposition)过程求解稳态概率。由此得到平均队列长度Lq、平均系统长度L、平均等待时间Wq、有效到达率λeff、阻塞概率pblock及服务台利用率的精确表达式。识别到这些性能测度与交通强度ρ之间固有的饱和非线性关系,最初为酶反应速率演化的M-M动力学回归模型被用作经验替代以捕捉饱和行为。采用非线性最小二乘回归算法Levenberg–Marquardt(LM)估计模型参数(原文参数符号缺失)与(原文参数符号缺失)。拟合的M-M模型表明,在广泛系统配置范围内与经LU分解求解的精确解高度一致,决定系数R2最高达到(原文数值缺失)。除准确性外,基于回归的方法较复杂数值评估具有显著计算效率,使其有利于快速系统设计与优化。结果确立Michaelis–Menten回归作为批量排队分析的一种可行非线性回归方法,跨越经典排队理论与建模方法。它为拥堵分析、容量优化和动态资源分配中的决策改进提供实际应用,这些问题经常出现在交通网络、云计算作业调度器和制造装配线中。
所给材料仅含标题与摘要,未提供论文主体、结果小标题和讨论全文;以下仅依据摘要可核实内容进行浓缩解读,不补充摘要外信息。

研究背景与问题。批量服务排队系统(以批量为服务单位的排队模型)如M/Mb/1/N与M/Mb/c/N,具有多服务台数c、固定批量服务规模b和有限容量N等特征。此类系统的性能测度能够通过数值方式推导,但在不同参数范围内数学评估较为复杂。摘要指出,这类系统虽可得到数值可推导的性能测度,却存在跨参数范围数学评估复杂的问题,因此研究人员开展研究,尝试以经验回归模型替代复杂评估,以提高分析效率并支持系统设计与优化。

研究人员开展的研究与结论。研究人员将最初用于酶动力学的Michaelis–Menten(M-M)回归模型应用于批量服务排队系统性能测度分析,作为这些测度的经验替代。其基本思路是:通过构造生成矩阵(描述马尔可夫状态转移的矩阵)Q,并采用LU分解(将矩阵分解为下三角矩阵L与上三角矩阵U的数值方法)求解稳态概率(系统长期运行下各状态的概率),进而得到平均队列长度Lq、平均系统长度L、平均等待时间Wq、有效到达率λeff、阻塞概率pblock及服务台利用率的精确表达式。随后,研究人员识别这些性能测度与交通强度(到达负载与服务能力之比)ρ之间存在固有的饱和非线性关系,因而采用M-M动力学回归模型捕捉饱和行为,并用Levenberg–Marquardt(LM)非线性最小二乘回归算法估计模型参数。摘要显示,拟合的M-M模型在广泛系统配置范围内与LU分解所得精确解高度一致,决定系数(衡量回归拟合优度的指标)R2最高达到(原文数值缺失)。研究结论表明,Michaelis–Menten回归可作为批量排队分析的一种可行非线性回归方法,并具有连接经典排队理论与建模方法的意义。其重要意义还在于,回归方法较复杂数值评估具有显著计算效率,有利于快速系统设计与优化,并可服务于拥堵分析、容量优化和动态资源分配等决策场景。

技术方法概括。研究人员构造生成矩阵Q,并通过LU分解求解稳态概率,据此推导Lq、L、Wq、λeff、pblock及服务台利用率等性能测度;采用Michaelis–Menten(M-M)回归表征性能测度与交通强度ρ之间的饱和非线性关系,并用Levenberg–Marquardt(LM)非线性最小二乘算法估计模型参数;以LU分解所得精确解作为对照,用决定系数R2评估拟合一致性。摘要未注明样本队列来源。

研究结果。原文摘要未提供结果小标题,故不增设小标题;可核实结果要点如下。第一,通过构造生成矩阵Q并经LU分解求解稳态概率,研究人员得到了平均队列长度Lq、平均系统长度L、平均等待时间Wq、有效到达率λeff、阻塞概率pblock及服务台利用率的精确表达式。第二,通过识别性能测度与交通强度ρ之间固有的饱和非线性关系,研究人员采用M-M回归模型作为经验替代,并以LM非线性最小二乘算法估计模型参数。第三,通过将拟合M-M模型与LU分解精确解进行一致性评估,摘要指出拟合模型在广泛系统配置范围内与精确解高度一致,R2最高达到(原文数值缺失)。第四,摘要指出基于回归的方法较复杂数值评估具有显著计算效率,因而有利于快速系统设计与优化。

讨论与结论总结。摘要的讨论要点集中在两方面:一方面,M-M回归不仅在拟合准确性上与精确解高度一致,而且在计算效率上优于复杂数值评估,因而适合快速系统设计与优化;另一方面,结果确立Michaelis–Menten回归作为批量排队分析的一种可行非线性回归方法,跨越经典排队理论与建模方法,并可应用于交通网络、云计算作业调度器和制造装配线中常见的拥堵分析、容量优化和动态资源分配决策。

研究结论翻译。结果确立Michaelis–Menten(M-M)回归作为批量排队分析的一种可行非线性回归方法,跨越经典排队理论与建模方法。它为改进拥堵分析、容量优化和动态资源分配中的决策提供实际应用,这些问题经常出现在交通网络、云计算作业调度器和制造装配线中。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号