项目名称: 随机排队网络的强逼近及其相关渐近分析

项目编号: No.11471053

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 郭永江

作者单位: 北京邮电大学

项目金额: 68万元

中文摘要: 本项目以通信网络和大型电话中心网络为背景,研究随机排队网络的强逼近及相关渐近分析,在经典逼近模式和Halfin-Whitt逼近模式下建立强逼近,并基于此建立且完善适合相关渐近分析的强逼近方法,为流逼近和扩散逼近的应用提供理论支持,渐近刻画并近似解决实际网络中一些相应问题。具体为(1)以强逼近为研究内容,利用随机过程极限,在经典逼近模式下研究一些单服务员排队网络的强逼近,在Halfin-Whitt逼近模式下研究一些多服务员排队网络的强逼近;(2)以所得强逼近结果为工具,结合布朗运动的性质,分别研究相应逼近模式下排队网络中各指标过程的流逼近的收敛速度,扩散逼近的收敛速度和泛函重对数律,涉及队长、负荷、忙期、忙服务员数等指标过程。创新性:(1)研究Halfin-Whitt逼近模式下多服务员排队的强逼近;(2)将前期所得强逼近结果转化为研究工具,提出建立并完善适合相关渐近分析的强逼近方法。

中文关键词: 排队网络;强逼近;布朗运动;收敛速度;重对数律

英文摘要: Motivated by the need for tools to model and analyze communication networks and large call centers, this project will develop strong approximations and heavy-traffic limit theories for stochastic queueing networks, in both the conventional single-server heavy-traffic regime and the modern multi-server Halfin-Whitt regime. The results on strong approximations will serve as important building blocks for the applications of the heavy-traffic fluid and diffusion approximations in some related areas, such as communication networks, customer contact centers and healthcare systems, which have been proven to yield useful engineering values and further asymptotically solve the corresponding problems. There are two main steps in this research. First, the strong approximations will be developed in both the single-server and multi-server heavy-traffic regimes; these strong approximation results are legitimate results in their own rights because they have remained open problems. Next, the strong approximations will be applied to characterize the convergence rate of the heavy-traffic fluid and diffusion limits and the functional law of iterated logarithm for desired queueing network models. In this project, analytic results of all key performance measures will be developed, including the size of the waiting lines, number of busy servers, workload, busy-time and idle-time processes for each queue in the networks. Two innovations are as follows, we firstly focus on open problems of the strong approximation of many-server in Halfin-Whitt regime, and we secondly advance a strong approximation approach for the related asymptotic analysis.

英文关键词: Queueing Network;Strong approximation;Brownian motion;Convergence rate;Law of the iterated logarithm

成为VIP会员查看完整内容
0

相关内容

[计算博弈论及其应用],85页ppt
专知会员服务
125+阅读 · 2021年7月21日
【经典书】模式识别导论,561页pdf
专知会员服务
82+阅读 · 2021年6月30日
【2021新书】分布式优化,博弈和学习算法,227页pdf
专知会员服务
227+阅读 · 2021年5月25日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
【经典书】图理论与复杂网络导论,287页pdf
专知会员服务
136+阅读 · 2021年3月5日
【经典书】统计学理论,925页pdf
专知会员服务
165+阅读 · 2020年12月6日
专知会员服务
84+阅读 · 2020年12月5日
专知会员服务
140+阅读 · 2020年12月3日
【哈佛经典书】概率论与随机过程及其应用,382页pdf
专知会员服务
61+阅读 · 2020年11月14日
专知会员服务
45+阅读 · 2020年11月13日
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
【干货书】贝叶斯推断随机过程,449页pdf
专知
29+阅读 · 2020年8月27日
缺失数据统计分析,第三版,462页pdf
专知
47+阅读 · 2020年2月28日
神经网络常微分方程 (Neural ODEs) 解析
AI科技评论
41+阅读 · 2019年8月9日
干货:复杂网络及其应用简介
数据猿
25+阅读 · 2018年12月21日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
无人机集群对抗研究的关键问题
无人机
56+阅读 · 2018年9月16日
基于LDA的主题模型实践(二 )MCMC--吉布斯采样
机器学习深度学习实战原创交流
25+阅读 · 2015年9月17日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
19+阅读 · 2018年6月27日
小贴士
相关VIP内容
[计算博弈论及其应用],85页ppt
专知会员服务
125+阅读 · 2021年7月21日
【经典书】模式识别导论,561页pdf
专知会员服务
82+阅读 · 2021年6月30日
【2021新书】分布式优化,博弈和学习算法,227页pdf
专知会员服务
227+阅读 · 2021年5月25日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
【经典书】图理论与复杂网络导论,287页pdf
专知会员服务
136+阅读 · 2021年3月5日
【经典书】统计学理论,925页pdf
专知会员服务
165+阅读 · 2020年12月6日
专知会员服务
84+阅读 · 2020年12月5日
专知会员服务
140+阅读 · 2020年12月3日
【哈佛经典书】概率论与随机过程及其应用,382页pdf
专知会员服务
61+阅读 · 2020年11月14日
专知会员服务
45+阅读 · 2020年11月13日
相关资讯
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
【干货书】贝叶斯推断随机过程,449页pdf
专知
29+阅读 · 2020年8月27日
缺失数据统计分析,第三版,462页pdf
专知
47+阅读 · 2020年2月28日
神经网络常微分方程 (Neural ODEs) 解析
AI科技评论
41+阅读 · 2019年8月9日
干货:复杂网络及其应用简介
数据猿
25+阅读 · 2018年12月21日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
无人机集群对抗研究的关键问题
无人机
56+阅读 · 2018年9月16日
基于LDA的主题模型实践(二 )MCMC--吉布斯采样
机器学习深度学习实战原创交流
25+阅读 · 2015年9月17日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员