Académique Documents
Professionnel Documents
Culture Documents
FACULTAD DE INFORMTICA
Departamento de Matemticas
Autor :
Director :
Clase de proyecto:
Clsico de ingeniera
Fecha de lectura y
defensa
Calificacin obtenida
A mi madre
AGRADECIMIENTOS
Se me hace bastante complicado el intentar condensar en una sola pgina los
agradecimientos a todas aquellas personas que han tenido una influencia directa o
indirecta en la realizacin de este proyecto.
En primer lugar, a mi familia, en especial a mi abuela, mi madre y mi hermana, por
su preocupacin, su apoyo en los momentos difciles y la confianza depositada en m.
Tambin me gustara agradecer a todos aquellos profesores de la facultad,
especialmente a mi director de proyecto, Ricardo Cao, por su dedicacin, su
disposicin y por toda la ayuda prestada y a Jos M Domnguez.
No sera justo que me quedase sin agradecer tanto a todos los compaeros de
prcticas que he tenido a lo largo de estos aos: Pablo, Alberto, Vctor, Miguel,... y
sobre todo a Juanda, como a todos los compaeros y amigos que he conocido en la
facultad.
Por ltimo, aunque no por ello menos importante, me gustara tambin dar las
gracias a mis amigos de Santa Mara del Mar, especialmente a Juan y a Luis, por su
preocupacin y las veces que nos hemos redo todos juntos.
RESUMEN
Mediante la realizacin de este proyecto se pretende desarrollar una aplicacin que
permita resolver los distintos problemas de teora de colas (modelos y redes de colas)
que se puedan plantear, y que al mismo tiempo pueda ser empleada en un mbito
docente.
Para ello se ha desarrollado en MATLAB una aplicacin que resuelve dichos
problemas desde una perspectiva dual: aquellos modelos en los cuales tanto la
distribucin del tiempo entre llegadas como la distribucin del tiempo de servicios
sean de carcter exponencial, se resolvern de forma analtica, proporcionando una
respuesta exacta a dicho problema implementado las distintas frmulas existentes;
por otra parte cuando la distribucin del tiempo entre llegadas o la del tiempo de
servicios sean o no exponenciales, se resolver dicho problema empleando tcnicas
de simulacin.
En ambos casos el usuario tiene la posibilidad de conocer las caractersticas del
problema introducido mediante la visualizacin (grfica o numrica) de un
determinado nmero de parmetros como los siguientes: nmero medio de clientes
en el sistema, nmero medio de clientes en la cola, tiempo medio que un cliente est
en el sistema, tiempo medio de espera en la cola, eficiencia del sistema, intensidad de
trfico del sistema, probabilidad de que haya un determinado nmero de clientes en
el sistema, probabilidad de que haya un determinado nmero de clientes en el
sistema justo cuando una nueva llegada se est produciendo o la probabilidad de que
un determinado cliente est en la cola o en el sistema durante un tiempo menor que
uno establecido.
Con el desarrollo de esta aplicacin, se pretende ofrecer al usuario la posibilidad de
conocer mejor las caractersticas del problema introducido e incluso tomar decisiones
sobre el mismo si se trata de un problema real.
PALABRAS CLAVE
Fase de estabilizacin, Fase de simulacin, Modelo M/M/-, Redes de Jackson
abiertas, Redes de Jackson cerradas, Simulacin estocstica, Sistemas de espera,
Tasa de llegada, Tasa de servicio, Teora de colas.
Lista de Figuras
Figura 1- Modelo de una cola simple .........................................................................15
Figura 2- Elementos existentes en un modelo de colas..............................................19
Figura 3- Red de Jackson abierta con K = 3...............................................................28
Figura 4- Red de Jackson cerrada con K = 3 ..............................................................30
Figura 5- Resumen de tipos de simulacin ................................................................36
Figura 6- Comportamiento de la simulacin ..............................................................38
Figura 7- Ciclo de vida para la parte de resolucin analtica .....................................42
Figura 8- Ciclo de vida para la parte de simulacin...................................................43
Figura 9- Comportamiento grfico de la simulacin..................................................68
Figura 10- Actualizacin de los valores de "c" y "d" en las redes cerradas ................82
Figura 11- Localizacin de la carpeta en donde se encuentra la aplicacin.............125
Figura 12- Ventana inicial de la aplicacin..............................................................126
ndice
Captulo 1: Introduccin ...........................................................................................11
1.1- Caractersticas iniciales del proyecto ..........................................................12
1.1.1- Justificacin del proyecto.........................................................................12
1.1.2- Objetivos del proyecto .............................................................................12
1.1.3- Herramienta utilizada para el desarrollo ..................................................13
1.2- Introduccin a la Teora de Colas ...............................................................14
1.2.1- El origen ...................................................................................................14
1.2.2- Definiciones iniciales ...............................................................................15
1.2.3- Objetivos de la Teora de Colas ...............................................................16
1.2.4- Elementos existentes en un modelo de colas ...........................................17
1.2.5- Terminologa y notacin ..........................................................................20
1.2.5.1- Terminologa .........................................................................................20
1.2.5.2- Conceptos bsicos .................................................................................21
1.2.5.3- Notacin de Kendall..............................................................................22
1.2.6- Redes de colas ..........................................................................................24
1.2.6.1- Introduccin a las redes de colas...........................................................24
1.2.6.2- Redes de Jackson abiertas .....................................................................26
1.2.6.3- Redes de Jackson cerradas ....................................................................28
1.3- Introduccin a la Simulacin .......................................................................31
1.3.1- Conceptos bsicos ....................................................................................31
1.3.2- Experimentacin real y simulacin..........................................................32
1.3.3- Tipos de simulacin .................................................................................33
1.3.3.1- Simulacin esttica y dinmica.............................................................33
1.3.3.2- Simulacin por eventos y por cuantos ..................................................34
1.3.4- Problemas de estabilizacin y dependencia .............................................36
1.3.5- Comportamiento de la simulacin ...........................................................37
1.3.6- Aplicaciones comunes y uso de la simulacin.........................................38
Bibliografa..............................................................................................................128
Captulo 1: Introduccin
No importa en qu cola se site: La otra siempre avanzar ms rpido
(Primera Ley de Harper)
Y si se cambia de cola, aqulla en la que estaba al principio empezar a ir ms
deprisa (Segunda Ley de Harper)
Captulo 1: Introduccin
12
Captulo 1: Introduccin
13
Captulo 1: Introduccin
1.2.1- El origen
El origen de la Teora de Colas est en el esfuerzo de Agner Kraup Erlang
(Dinamarca, 1878 - 1929) en 1909 para analizar la congestin de trfico telefnico
con el objetivo de cumplir la demanda incierta de servicios en el sistema telefnico
de Copenhague. Sus investigaciones acabaron en una nueva teora denominada teora
de colas o de lneas de espera. Esta teora es ahora una herramienta de valor en
negocios debido a que un gran nmero de problemas pueden caracterizarse, como
problemas de congestin llegada-salida.
14
Captulo 1: Introduccin
Servidor(es)
Llegadas
Salidas
Posiciones de
espera
Figura 1- Modelo de una cola simple
15
Captulo 1: Introduccin
16
Captulo 1: Introduccin
17
Captulo 1: Introduccin
18
Captulo 1: Introduccin
que los servidores tengan distinta destreza para dar el servicio, se debe
especificar la distribucin del tiempo de servicio para cada uno.
La cola, propiamente dicha, es el conjunto de clientes que hacen espera, es
decir los clientes que ya han solicitado el servicio pero que an no han pasado al
mecanismo de servicio.
El sistema de la cola: es el conjunto formado por la cola y el mecanismo
de servicio, junto con la disciplina de la cola, que es lo que nos indica el criterio
de qu cliente de la cola elegir para pasar al mecanismo de servicio.
Estos elementos pueden verse ms claramente en la siguiente figura:
Disciplina de la cola
Llegada de un cliente
Cola
Servicio
Fuente de
entrada
Mecanismo de servicio
Sistema de la cola
19
Captulo 1: Introduccin
20
Captulo 1: Introduccin
Cuando los n son constantes y todos los servidores tienen la misma distribucin de
tiempo de servicio, es el nmero medio de clientes que entran en el sistema y s es
el nmero medio de clientes a los que pueden dar servicio los s servidores cuando
todos estn ocupados. En estas condiciones, representa la fraccin de recursos del
sistema que es consumida por los clientes. As, intuitivamente, parece necesario que
se cumpla, en estos casos, que < 1 y adems cuanto ms cercano a 1 que sea su
valor, ms trfico ha de soportar el sistema (o menos tiempo libre tendrn los
servidores, o ms espera habrn de sufrir los clientes, como se quiera expresar).
Aunque es evidente que no tiene unidades, es habitual medir la intensidad de
trfico en Erlangs, en honor a los trabajos pioneros de Erlang en la teora de colas.
21
Captulo 1: Introduccin
22
Captulo 1: Introduccin
23
Captulo 1: Introduccin
clientes y los clientes son atendidos segn una disciplina FIFO. Como los tres
ltimos valores ( , y FIFO) son precisamente los asignados por defecto, la
notacin anterior podra abreviarse como M/D/2.
24
Captulo 1: Introduccin
la red. Esto da lugar a las llamadas redes cerradas y tienen la peculiaridad que el
nmero total de clientes en la red es fijo, y lo nico que desconocemos es dnde se
encuentran (en qu nodos concretos) y en qu estado de servicio se hallan. Por su
parte, las redes abiertas son aquellas en que s se producen llegadas de clientes y
salidas hacia fuera de la red.
Como se comentaba con anterioridad, denotando por 1, 2,, K, los nodos que
forman la red (es decir las etiquetas con las que denotamos a cada cola) la manera
ms frecuente de modelizar las transiciones de clientes consiste en suponer que
cuando un cliente sale servido de la cola del nodo i (siendo i {1, 2,, K}) se
desplaza instantneamente al sistema de la cola de cualquier otro nodo j {1,
2,, K}, con probabilidad pij. Evidentemente, en las colas abiertas tambin es
posible que desde algunos nodos se pueda abandonar la red. Denotando con el ndice
0 el exterior de la red, la probabilidad de que un cliente abandone la red cuando sale
servido del nodo i se denotar por pi0 y puede calcularse a partir de las anteriores
mediante
K
pi 0 = 1 pij
j =1
25
Captulo 1: Introduccin
p11
p 21
M
P=
pi1
M
p
K1
p12
p 22
M
pi 2
M
pK 2
L p1 j
L p2 j
O M
L pij
O M
L p Kj
L p1K
L p2 K
O
M
L piK
O
M
L p KK
p0i la probabilidad de que cuando un cliente entra al sistema lo haga a travs del nodo
i, se tiene que la distribucin del tiempo entre dos entradas consecutivas de clientes
al subsistema del nodo i es tambin exponencial y con parmetro i = T p0i.
Obviamente los valores de i tambin pueden interpretarse como el nmero medio
de clientes que entran al sistema, por el nodo i, por unidad de tiempo. El nmero
efectivo de llegadas de clientes al subsistema del nodo i (sean procedentes de fuera
del sistema o de otro nodo del mismo) se denotar con la letra lambda mayscula i.
26
Captulo 1: Introduccin
27
Captulo 1: Introduccin
p11
p22
p12
NODO 1
p20
NODO 2
p21
p10
p32
p13
p23
p31
EXTERIOR
EXTERIOR
3
NODO 3
p30
p33
28
Captulo 1: Introduccin
p
j =1
ij
=1
Tal y como se comenta en [Bos-02], una red de colas cerrada puede parecer inusual
a primera vista debido a que no permite entrada o salida de clientes de la red. Un
sistema tpico de este tipo podra ser uno en el cual haya una gran cantidad (infinita)
de clientes intentando entrar al sistema de forma continua, el nmero de clientes a los
que se les permite la entrada tiene un determinado valor fijo y un cliente entra en el
sistema de forma inmediata, siempre que se complete la secuencia de servicios de
otro cliente (por ejemplo, un sistema de computacin de tiempo compartido).
En la siguiente figura podemos ver un ejemplo de red de colas cerrada:
29
Captulo 1: Introduccin
p11
p22
p12
NODO 1
NODO 2
p21
p32
p13
p23
p31
NODO 3
p33
30
Captulo 1: Introduccin
31
Captulo 1: Introduccin
32
Captulo 1: Introduccin
33
Captulo 1: Introduccin
34
Captulo 1: Introduccin
35
Captulo 1: Introduccin
Simulacin
Esttica
Dinmica
Continua
Discreta
Por Eventos
Por Cuantos
36
Captulo 1: Introduccin
37
Captulo 1: Introduccin
Estado
de Equilibrio
Estado
Transitorio
Simulacin
Variable, Z
TZ
Tiempo
38
Captulo 1: Introduccin
39
utilizando
MATLAB
como
herramienta
fundamental.
La
1
2
Para una mayor aclaracin sobre estos conceptos, vase [Red-98] o [8]
GUI: Graphical User Interface. Ver [Mar-99] o [3]
41
DETERMINAR LOS
PARAMETROS DE
ENTRADA
ERROR
DETERMINAR LOS
PARAMETROS DE
SALIDA
IMPLEMENTAR EL
MODELO
DETERMINAR COMO
CALCULAR LOS
PARAMETROS DE
SALIDA
ANALIZAR LOS
POSIBLES RIESGOS
42
PRUEBAS SW DEL
MODELO
IMPLEMENTADO
DETERMINAR LOS
PARAMETROS DE
ENTRADA
ERROR
DETERMINAR LOS
PARAMETROS DE
SALIDA
ANALIZAR LA
IMPLEMENTACION
DEL ALGORITMO
ANALIZAR LOS
POSIBLES RIESGOS
IMPLEMENTAR EL
MODELO
ESTUDIAR LOS
POSIBLES EVENTOS
QUE PUEDEN
OCURRIR
(llegada de cliente,
salida, transicin)
PRUEBAS SW DEL
MODELO IMPLEMENTADO
(CONTRASTE CON
RESOLUCION ANALITICA)
ANALIZAR LA
INFLUENCIA DEL
EVENTO EN LA
VARIACION DE LOS
PARAMETROS
43
44
45
46
47
48
DISTRIBUCION
PARAMETROS
FUNCION MATLAB
EXPONENCIAL
exprnd(1/ ) o exprnd(1/ )
UNIFORME
a, b
unifrnd(a, b)
DETERMINISTA
No hay. Es trivial.
GAMMA
a, p
gamrnd(p, 1/a)
BETA
p, q, k
k betarnd(a, b)
LOGNORMAL
lognrnd(, )
NORMAL
normrnd(, )
DE WEIBULL
weibrnd(, )
49
Intensidad = =
Eficiencia =
W
W
=
=W
1
W Wq
L=
2
Lq =
( )
La frmula de la eficiencia es siempre igual, por lo que, se obviar en los siguiente modelos
50
W=
W (t ) = 1 e ( ) t
Wq =
si t 0
Wq (t ) = 1
( )
( ) t
e
si t 0
pn = (1 ) n si n = 0, 1, ...
Intensidad = =
c0 = 1
si n = 1, 2,..., s - 1
n
c s = cs 1
s
cn = cn1
p0 =
1
s 1
c
n =0
+ c s
p n = c n p0
si n = 1, 2,..., s - 1
pn = pn1 si n s
L = W
Lq =
51
c s p0
s
W = Wq +
Wq =
Lq
Wq (t ) = 1 cs p0 e ( s )t si t 0
W (t ) = 1 (1 + c s p0 t ) e t
W (t ) = 1 +
si t 0 y
= s 1
s + Wq (0) t
c p0
e ( s )t
e + s
s
s
si t 0 y
s 1
Intensidad = =
( K + 1)
( K + 2)
( K +1 1)
si 1
K +2 1
1
si n = 0, 1,..., K + 1 y = 1
K +2
1
n si n = 0, 1,..., K + 1 y 1
pn = K + 2
1
pn
qn =
si n = 0, 1,..., K
1 p K +1
pn =
52
si = 1
L=
K +1
si = 1
2
( K + 2) K + 2
L=
1
1 K +2
W =
Lq = W q
si 1
Wq = W
Clculo de W(t):
Clculo de Wq(t):
A = 1, S = 1, B = q0
A = 1, S = 1, B = q1
A = A ( t) / n
A = A ( t) / n
S=S+A
S=S+A
B = B + qn S
B = B + qn S
Devolver 1 B e t
Devolver 1 B e t
53
Intensidad = = (1 p K + s )
cn = cn1
si n = 1, 2,..., s - 1
c s = cs 1 ( K + 1)
=
s
c s = cs 1
K +2
1
si = 1
si 1
= (1 p K + s )
p0 =
1
s 1
c
n =0
+ c s
pn = cn p0
si n = 1, 2,..., s - 1
pn = pn1 si n = s, s + 1,..., K + s
qn =
L = W
pn
1 pK + s
si n = 0, 1,..., K + s - 1
Lq =
Lq =
(1 + K K +1 ( K + 1) K ) 2
p s 1
(1 ) 2
si 1
K ( K + 1)
p s 1
2
si = 1
El clculo de W(t) para los modelos M/M/s/K, M/M/s/ /H y M/M/s/ /H con Y repuestos se
explicar en el apartado 2.4.1
54
W = Wq +
Wq =
Lq
Clculo de Wq(t):
A = 1, S = 1, B = qs
Desde n = s + 1 hasta K + s - 1 repetir
A = A (s t) / ( n s )
S = S + A
B = B + qn S
Devolver 1 B e s t
c0 = 1
cn = cn1 ( H n + 1)
= ( H L)
55
si n = 1, 2,..., H
p0 =
1
H
c
n =0
pn = cn p0
qn =
( H n) pn
( H L)
si n = 1, 2,..., H
si n = 0, 1,..., H - 1
Lq = W q
L = n pn
n =1
W =
Wq = W
Clculo de W(t):
Clculo de Wq(t):
A = 1, S = 1, B = q0
A = 1, S = 1, B = q1
A = A ( t) / n
A = A ( t) / n
S=S+A
S=S+A
B = B + qn S
Devolver 1 B e
B = B + qn S
t
Devolver 1 B e t
56
c0 = 1
( H n + 1) si n = 1, 2,..., s
n
cn = cn1 ( H n + 1)
si n = s + 1,..., H
cn = cn1
= ( H L)
p0 =
1
H
c
n =0
p n = c n p0
qn =
( H n) p n
( H L)
si n = 1, 2,..., H
si n = 0, 1,..., H - 1
Lq = W q
L = n pn
n =1
W =
Wq = W
Con la restriccin H s
57
Clculo de Wq(t):
A = 1, S = 1, B = qs
Desde n = s + 1 hasta (H - 1) repetir
A = A (s t) / (n s)
S = S + A
B = B + qn S
Devolver 1 B e s t
Intensidad = =
c0 = 1
Si s Y :
H
n
cn = cn1 H
cn = cn1
Si Y s Y + H :
H
n
( H + Y n + 1)
cn = cn1
n
cn = ( H + Y n + 1) cn1
Y +H
(n Y ) p
n =Y
p0 =
1
Y +H
c
n =0
p n = c n p0
si n = s + 1,..., Y
cn = cn1 ( H + Y n + 1) si n = Y + 1,..., Y + H
cn = cn1
= (H
si n = 1, 2,..., s
si n = 1, 2,..., Y + H
58
si n = 1, 2,..., Y
si n = Y + 1,..., s
si n = s + 1,..., Y + H
qn =
H pn
H
(m Y ) p
m =Y
qn =
( H + Y n) pn
H
si n = Y ,..., Y + H - 1
Y +H
(m Y ) p
m =Y
L=
si n = 0, 1,..., Y - 1
Y +H
Y +H
n p
n =1
W =
Lq = W q
Wq = W
Clculo de Wq(t):
A = 1, S = 1, B = qs
Desde n = s + 1 hasta (H - 1) repetir
A = A (s t) / (n s)
S = S + A
B = B + qn S
Devolver 1 B e s t
Intensidad = = 0
cn = cn1
59
si n = 1, 2,...
p0 = e
p n = c n p0
L=
W=
si n = 1, 2,...
Lq = 0
Wq = 0
p11
p 21
M
P=
pi1
M
p
K1
p12
p 22
M
pi 2
M
pK 2
L p1 j
L p2 j
O M
L pij
O M
L p Kj
60
L p1K
L p2 K
O
M
L piK
O
M
L p KK
p0 i =
i
K
i =1
pi 0 = 1 pij
i = 1, 2,..., K
i = 1, 2,..., K
j =1
M
A = p1 j
M
p
1K
L p j1
O
M
L 1 p jj
O
M
L p jK
L p K1
O
M
L p Kj
O
M
L 1 p KK
61
c s nodo p0
s nodo nodo nodo
(ver 2.2.2.2)
Lnodo = Lq , nodo +
nodo
Wnodo =
nodo
Lq, nodo
nodo
Wq , nodo =
nodo
Lq, nodo
nodo
LT =
Lnodo
nodo =1
Lq , T =
nodo =1
WT =
q, nodo
LT
Wq , T =
Lq , T
siendo ni el nmero de
clientes del nodo i.
Para obtener pi (ni), hay que operar del mismo modo que si tratase de un modelo
62
p11
p 21
M
P=
pi1
M
p
K1
p12
p 22
M
pi 2
M
pK 2
L p1 j
L p2 j
O M
L pij
O M
L p Kj
L p1K
L p2 K
O
M
L piK
O
M
L p KK
p 21
1 p 22
A=
M
p
2 , K 1
p31
p32
M
p3, K 1
p K 1,1
L
L p K 1, 2
O
M
L 1 p K 1, K 1
p K1
pK 2
p K , K 1
p12
B=
1, K 1
63
= inverso(A) B
Segn esta frmula es un vector que tiene K-1 elementos, que se corresponden
con 2, 3,..., K. A mayores asignamos a 1 el valor de 1, con lo se convierte en
un vector de K elementos.
i =
i = 1, 2,..., K
L g1 ( N )
L g2 (N )
O
M
L g K ( N )
Se verifica que:
gi(0) = 1,
para i = 1, 2,..., K
n
n!
f i ( n) = i =
ai ( n )
in
n si
si ! s i
si n si
si n > si
Con lo que,
1 f 1 (1) f 1 (2)
1 g 2 (1) g 2 (2)
G=
M
M
M
1 g (1) g (2)
K
K
64
L f1 ( N )
L g 2 (N )
O
M
L g K ( N )
Para calcular los valores de la matriz G que desconocemos hay que utilizar la
siguiente frmula recursiva:
g m (n) = f m (i ) g m1 (n i )
m = 1, 2,..., K , n = 0, 1,..., N
i =0
g K ( N ) i =1 ai (ni )
p n1 , n2 ,...nK
p... i =
f K (i ) g N ( N i )
gK (N )
i = 0, 1,..., N
L = i p... i
i =1
65
Clculo de K :
K = 0
Para i = 1, 2,..., N
Si i sK
K = K + K i p... i
Si no
K = K + K sK p... i
Fin Si
Devolver K
Clculo de W, Wq y Lq en el ltimo nodo:
W =
L
K
Wq = W
Lq =
L
Wq
W
Para calcular estas cantidades para el resto de nodos, hay que renombrar todos los
nodos de forma que el nodo de inters sea el ltimo:
Intercambiamos las posiciones en el vector .
Intercambiamos las posiciones en el vector de servidores.
Intercambiamos las posiciones en la matriz P.
66
En el caso de las redes cerradas, donde no hay entradas de clientes desde el exterior, tanto el
parmetro de simulacin como el de estabilizacin contabilizan las transiciones que un cliente tiene
entre los nodos de la red.
67
68
69
70
Nota:
Como se puede observar, las diferencias entre los algoritmos de simulacin para el
caso de un valor de s genrico (G/G/s, G/G/s/K, G/G/s/ /H y G/G/s/ /H con Y
repuestos) y el caso de un valor de s igual a 1 (G/G/1, G/G/1/K, G/G/1/ /H) no son
muy importantes a efectos de complejidad algortmica. Podra haberse obviado la
codificacin de los casos en los que s es igual a la unidad, ms se opt por su
implementacin para as tener un claro paralelismo entre la parte analtica y la parte
de simulacin.
Por lo que se refiere a la parte analtica, las diferencias entre los casos en que s
toma un valor genrico y en los que s es igual a 1 son muy claras, ya que es ms
eficiente el programar al margen este caso que el realizar los clculos del caso
genrico con el valor del nmero de servidores igual a la unidad. Adems para
algunos casos, como el M/M/1/K o M/M/1/ /H , su implementacin proporciona una
frmula explcita para el valor de W(t), sin necesidad de emplear tcnicas de
integracin numrica.
71
10
72
Si no
Hallar el tiempo que tarda en haber una nueva salida del sistema
Fin Si
Disminuir el tiempo que tarda en haber una nueva llegada en mnimo
Fin Si
Fin Mientras
11
73
Fin Si
Si no
Encontrar cual es el servidor en el cual se produce la salida de un cliente
Incrementar el cronmetro en el valor mnimo
Incrementar c en mnimo (nmero de clientes en el sistema)
Si nmero de clientes > nmero de servidores
Incrementar d en mnimo (nmero de clientes en el sistema-nmero de servidores)
Fin Si
Incrementar el tiempo en el que hay n clientes en mnimo
Disminuir en uno el nmero de clientes del sistema
Disminuir el tiempo que tarda en haber una nueva salida en el valor mnimo (en los servidores donde ya haba algn
cliente)
Si (nmero de clientes en el sistema < nmero de servidores)
No puede haber una nueva salida del servidor en el que se ha producido la salida
Si no
Hallar el tiempo que tarda en haber una nueva salida del sistema en el servidor en el que se ha producido
la salida
Fin Si
Disminuir el tiempo que tarda en haber una nueva llegada en mnimo
Fin Si
Fin Mientras
74
Fin Si
Disminuir en mnimo el tiempo que tardan en llegar los potenciales clientes
Hallar el tiempo que tarda en llegar un nuevo potencial cliente
Si no
Aumentar el n de clientes simulados en una unidad
Hallar cual es el potencial cliente que tarda menos en llegar
Incrementar el cronmetro en el valor mnimo
Incrementar el tiempo en el que hay n clientes en mnimo
Disminuir en mnimo el tiempo que tardan en llegar los potenciales clientes
Anotar la llegada del cliente que ha tardado menos en llegar
Si (nmero de clientes en el sistema = 0)
Incrementar el nmero de clientes en el sistema en una unidad
Hallar el tiempo que tarda en haber una nueva salida
Si no
Incrementar c en mnimo (nmero de clientes en el sistema)
Incrementar d en mnimo (nmero de clientes en el sistema-1)
Incrementar el nmero de clientes en el sistema en una unidad
Disminuir el tiempo que tarda en haber una nueva salida en el valor mnimo
Fin Si
Fin Si
Fin Mientras
75
76
13
77
78
Disminuir el tiempo que tarda en haber una nueva salida el valor mnimo (en los servidores donde ya haba algn
cliente)
No puede haber una nueva salida del sistema del servidor en el que se ha producido la salida
Disminuir el tiempo que tarda en haber una nueva llegada en mnimo
Fin Si
Fin Mientras
Para obtener el valor de los parmetros de salida14 hay que proceder como sigue:
L=
Lq =
c
cronometro
d
cronometro
p (n) =
14
W=
c
parametro de simulacion
Wq =
d
parametro de simulacion
Referido a todos los modelos vistos hasta ahora: desde el G/G/1 hasta el G/G/
79
15
80
n clientes (nodo) =
Nodos de la red cerrada
-1
(n servidores (i))
i =1
Segn esta frmula es posible que quede algn cliente sin asignar, es decir, que tras
esta distribucin inicial, la suma del nmero de clientes que hay en todos los nodos
sea inferior al nmero de clientes que ha introducido el usuario. Para que esto no
ocurra, se inicia un reparto secuencial de los clientes residuales16 , empezando por
el primer nodo.
Ntese que las actualizaciones de los valores de c, d y el tiempo que un cliente est
en un determinado nodo son a posteriori. As, si tenemos la siguiente situacin:
16
Se corresponden con el nmero de clientes que ha introducido el usuario menos la suma del nmero
de clientes en los nodos de la red tras aplicar la frmula inicial
81
Nodo de
migracin
Nodo x
Otros Nodos
Figura 10- Actualizacin de los valores de "c" y "d" en las redes cerradas
Al entrar en el bucle para que recorre todos los nodos haremos las siguientes
operaciones (en los nodos etiquetados como nodo x y nodo de migracin de la
anterior figura):
Nodo x
c (nodo x) = c (nodo x) + mnimo 3
Si ( 3 > n de servidores (nodo x) )
d (nodo x) = d (nodo x) + mnimo ( 3 n servidores (nodo x) )
Tiempo (3 clientes, nodo x) = Tiempo (3 clientes, nodo x) + mnimo
Nodo de migracin
c (nodo migracin) = c (nodo migracin) + mnimo 5
Si ( 5 > n de servidores (nodo migracin) )
d
(nodo
migracin)
(nodo
migracin)
mnimo
82
Para obtener el valor de los parmetros de salida hay que proceder como sigue:
W (nodo) =
c (nodo)
n de entradas (nodo)
Wq (nodo) =
d (nodo)
n de entradas (nodo)
c (nodo)
cronometro
L (nodo) =
Lq (nodo) =
d (nodo)
cronometro
Lq , T =
p (n, nodo) =
i =1
d (i)
cronometro
83
84
Para obtener el valor de los parmetros de salida hay que proceder como sigue:
L (nodo) =
c (nodo)
cronometro
Lq (nodo) =
d (nodo)
cronometro
85
W (nodo) =
c (nodo)
n de entradas (nodo)
Wq (nodo) =
d (nodo)
n de entradas (nodo)
LT =
L q, T =
i =1
c (i)
cronometro
i =1
p (n, nodo) =
WT =
d (i)
cronometro
W q, T =
LT
n de clientes simulacion
cronometro
L q, T
n de clientes simulacion
cronometro
86
2.4.1- Clculo de W(t) en los modelos en los que no hay una solucin
analtica
Tanto para el modelo M/M/s/K (ver apartado 2.2.2.4), como para los modelos
M/M/s/ /H (apartado 2.2.2.6) y M/M/s/ /H con Y repuestos (apartado 2.2.2.7) no
se ha proporcionado una frmula explcita para el clculo de W(t). Esto es debido a
que dicha frmula es excesivamente compleja, y la mayora de los libros ni siquiera
la consideran.
Por todo ello, hemos tenido que optar por otra va para calcular el valor de W(t). En
todos los modelos se verifica que:
W (t ) = Wq (t s ) e s ds
0
17
87
de forma muy rpida. Incluso para el caso de tener que mostrar la evolucin de la
funcin W(t) en un rango de valores (esto se hace resolviendo la integral para cien
valores equiespaciados en dicho rango, es decir realizando cien aproximaciones
mediante integracin numrica) se resuelve muy rpidamente.
L=
L=
( K + 2) K + 2
1 K +2
88
L q = Wq
Esto puede provocar que debido a las mltiples operaciones que hay que realizar
para el clculo de L (normalmente son varias sumas y productos), se puede
obtener en algunos casos un valor para W ligeramente inferior a 1/, lo que
provocara que tanto el valor de Wq, como de Lq fuesen negativos, en vez de ser
igual a cero. Para solucionar este problema, asignamos directamente el valor cero
a dichas variables en caso de que se de esta situacin.
Debido a que, para el clculo analtico de W(t) en los modelos M/M/s/K,
M/M/s/ /H y M/M/s/ /H con Y repuestos se utilizan tcnicas de integracin
89
90
92
Tamao de la cola: K = 3
100
1000
5000
10000
50000
100000
8.582 %
7.017 %
1.415 %
1.643 %
0.481 %
0.463 %
1000 19.235 %
3.998 %
3.520 %
0.463 %
0.676 %
0.106 %
10000 11.714 %
5.213 %
2.281 %
0.885 %
0.336 %
0.339 %
100
Estab.
Parm.
N Clientes Simulacin
Segundo caso
Modelo de colas: Simulacin del modelo G/G/s/K
Distribucin de llegada: Exponencial, con = 200
Distribucin de servicio: Exponencial, con = 5
Nmero de servidores: s = 30
Tamao de la cola: K = 300
N Clientes Simulacin
100
Estab.
Parm.
100
1000
83.290 % 52.723 %
5000
10000
50000
100000
6.986 %
3.935 %
0.680 %
0.338 %
1000 17.209 %
3.342 %
0.257 %
0.237 %
0.040 %
0.040 %
10000 0.545 %
0.130 %
0.030 %
0.043 %
0.021 %
0.025 %
En las tablas anteriores, se muestra el error medio (en tanto por ciento) de cinco
muestras en el clculo de L.
93
Como podemos observar, los resultados del primer caso son muy diferentes a los
del segundo. As, mientras en el primer caso apenas tiene influencia el aumento del
valor del parmetro de estabilizacin, para el segundo caso podemos ver como un
aumento del parmetro de estabilizacin tiene una gran influencia en el error
obtenido. Esto es debido a que en el primer caso no es muy importante el estado del
cual se parta para el clculo de L, mientras que en el segundo caso es crucial.
En ambos casos podemos ver como cuanto mayor es el nmero de clientes de la
simulacin, menor es el error que se comete. La disminucin del error es muy
pronunciada al principio y ms lenta a medida que ya estamos muy cerca de la
solucin ptima (ntese que el pasar de 50.000 a 100.000 clientes en la simulacin
apenas tiene influencia en el valor del error).
Recomendacin prctica
Debido a que el parmetro de estabilizacin puede tener una gran influencia en el
modelo (dependiendo de las caractersticas del mismo) y a que un valor muy elevado
para el nmero de clientes de la simulacin no hace sino ralentizar el tiempo de
respuesta, los siguientes valores pueden considerarse como los ms adecuados para
obtener lo ms rpidamente posible una respuesta con un pequeo valor para el error:
Parmetro de estabilizacin = 5.000
Nmero de clientes de la simulacin = 10.000
94
ent
Intensidad
Error
0.1
0.983 %
0.5
1.868 %
0.7
3.771 %
0.9
11.326 %
9.5
0.95
25.2192 %
Segundo caso
Modelo de colas: Simulacin del modelo G/G/s/ /H
Distribucin de llegada: Exponencial
Distribucin de servicio: Exponencial, con = 5
Nmero de servidores: s = 2
Poblacin potencial: H = 5
95
ent
Intensidad
Error
0.2
0.096137
2.001 %
1.25
0.48824
0.943 %
2.25
0.71267
1.662 %
0.89162
0.673 %
0.9588
0.750 %
Tercer caso
Modelo de colas: Simulacin del modelo G/G/s/ /H
Distribucin de llegada: Exponencial
Distribucin de servicio: Exponencial, con = 5
Nmero de servidores: s = 2
Poblacin potencial: H = 500
Parmetro de estabilizacin: 1.000
Nmero de clientes de la simulacin: 10.000
ent
Intensidad
Error
0.002
0.09996
1.653 %
0.01003
0.50017
3.357 %
0.01408
0.70018
4.476 %
0.01835
0.90181
7.201 %
0.01977
0.95719
17.8428 %
96
Los resultados obtenidos en las tablas anteriores muestran el error medio cometido
(por cinco muestras) en el clculo de L.
Como podemos ver en las tablas anteriores, dependiendo de las caractersticas del
modelo que tengamos, el valor de la intensidad de trfico puede tener una gran
influencia en el error cometido. Para el primer y tercer caso, vemos como al
aumentar el valor de la intensidad de trfico mayor es el error cometido y, a medida
que sta se acerca ms a uno, el error aumenta mucho ms. Esto es debido a que en
estos casos, cuanto mayor sea el valor de la intensidad de trfico, mayor ser tambin
la dependencia que existe entre los datos de la muestra obtenida por simulacin. Por
otra parte, para el segundo caso no ocurre lo mismo, ya que, al tener un valor de H
tan bajo, la dependencia entre las observaciones se atena (el tiempo de estancia en
el sistema de un cliente y del siguiente a l no pueden tener una correlacin muy alta)
97
sal
Modelo de colas
Parmetros del
Intensidad
Error
0.1
0.875 %
modelo
1
10
G/G/1
G/G/s
s=2
0.1
1.099 %
2.75
25
G/G/1/K
K=5
0.11
1.209 %
G/G/s/K
s = 4, K = 5
0.1
1.529 %
2.1
40
G/G/1/ /H
H=2
0.099515
0.624 %
28
G/G/s/ /H
s = 4, H = 6
0.1
0.963 %
40
s = 4, H = 8, Y = 2
0.099893
0.806 %
1.307 %
G/G/s/ /H con Y
repuestos
G/G/
K = 2,
Redes Jackson
abiertas
1 = 2, 1 = 5, s1 = 5,
p11 = 0.2, p12 = 0.1,
1.039 %
2 = 3, 2 = 4, s2 = 10,
p21 = 0.1, p22 = 0.1
K = 2, N = 4,
Redes Jackson
cerradas
1 = 2, s1 = 5,
p11 = 0.1, p12 = 0.9,
2 = 3, s2 = 5,
p21 = 0.4, p22 = 0.6
18
98
1.126 %
99
2 + 2 S2
L=+
2 (1 )
donde:
1
Media ( Distribucin de Servicio)
19
100
=3
= 20
= 0.15
2S= 0.0025
L(Pollaczek-Khintchine) = 0.17647
L (Simulacin)
Prueba n1
0.17976
1.8643
Prueba n2
0.17678
0.1757
Prueba n3
0.18051
2.2893
Prueba n4
0.17397
1.4167
Prueba n5
0.17623
0.1360
Error Medio
1.1764
Media(L(Simulacin))
0.17745
0.5553
20
Todas las pruebas se han realizado con un valor igual a 1.000 en parmetro de estabilizacin y con
un valor igual a 10.000 en nmero de clientes de la simulacin
101
=3
=5
= 0.6
2S = 0.04
L(Pollaczek-Khintchine) = 1.5
L (Simulacin)
Prueba n1
1.4866
0.8933
Prueba n2
1.4456
3.6266
Prueba n3
1.4892
0.7200
Prueba n4
1.6302
8.6800
Prueba n5
1.4776
1.4933
Error Medio
3.0826
Media(L(Simulacin))
1.50584
0.3893
=3
= 10/3
= 0.9
2S = 0.09
102
L(Pollaczek-Khintchine) = 9
L (Simulacin)
Prueba n1
10.6167
17.9634
Prueba n2
8.5961
4.4878
Prueba n3
9.3125
3.4723
Prueba n4
8.4652
5.9423
Prueba n5
12.0142
33.4912
Error Medio
13.0714
Media(L(Simulacin))
9.8009
8.8989
35,0000
30,0000
25,0000
20,0000
Ro = 0.15 (bajo)
15,0000
Ro = 0.6 (medio)
Ro = 0.9 (alto)
10,0000
5,0000
0,0000
103
Distribucin uniforme
=1
a = 0.2
b = 0.8
= 0.5
2S = 0.03
L(Pollaczek-Khintchine) = 0.78
L (Simulacin)
Prueba n1
0.79093
1.4013
Prueba n2
0.78149
0.1910
Prueba n3
0.77515
0.6218
Prueba n4
0.75774
2.8538
Prueba n5
0.78549
0.7038
Error Medio
1.1543
Media(L(Simulacin))
0.77816
0.2359
104
Distribucin determinista
=2
d = 0.3
= 0.6
2S = 0
L(Pollaczek-Khintchine) = 1.05
L (Simulacin)
Prueba n1
1.0164
3.2000
Prueba n2
1.0245
2.4286
Prueba n3
1.1154
6.2286
Prueba n4
1.0288
2.0190
Prueba n5
1.0466
0.3238
Error Medio
2.8400
Media(L(Simulacin))
1.04634
0.3486
105
Distribucin gamma
= 0.5
p=2
a=3
= 1/3
2S = 2/9 0.2222
L(Pollaczek-Khintchine) = 11/24 0.4583333
L (Simulacin)
Prueba n1
0.4621
0.8218
Prueba n2
0.4751
3.6582
Prueba n3
0.4529
1.1855
Prueba n4
0.4620
0.8000
Prueba n5
0.4528
1.2073
Error Medio
1.5346
Media(L(Simulacin))
0.4610
0.5818
106
Distribucin beta
=2
p=1
q=5
k=1
= 1/3
2S = 5/252
L(Pollaczek-Khintchine)= 120/252 0.47619
L (Simulacin)
Prueba n1
0.4795
0.6950
Prueba n2
0.4759
0.0610
Prueba n3
0.4836
1.5560
Prueba n4
0.4872
2.3120
Prueba n5
0.4824
1.3040
Error Medio
1.1856
Media(L(Simulacin))
0.4817
1.1570
107
Distribucin lognormal
= 0.2
=1
= 0.2
= 0.2 * e1.02 0.5546
2S = e2.08 - e2.04 0.3139
L(Pollaczek-Khintchine)= 0.2 * e1.02 + (0.02 * e2.08) / (1 0.2 * e1.02) 0.9141
L (Simulacin)
Prueba n1
0.9212
0.7769
Prueba n2
0.9038
1.1267
Prueba n3
0.8895
2.6910
Prueba n4
0.8789
3.8506
Prueba n5
0.9090
0.5578
Error Medio
1.8006
Media(L(Simulacin))
0.9005
1.4877
108
Distribucin normal
= 0.2
=4
= 0.5
= 0.8
2S = 0.25
L(Pollaczek-Khintchine) = 2.425
L (Simulacin)
Prueba n1
2.3993
1.0598
Prueba n2
2.6071
7.5093
Prueba n3
2.3044
4.9732
Prueba n4
2.5243
4.0948
Prueba n5
2.3460
3.2577
Error Medio
4.1790
Media(L(Simulacin))
2.4362
0.4627
109
Distribucin de Weibull
llegada = 1
Weibull = 10
= 0.5
= 0.2
2S = 0.2
L(Pollaczek-Khintchine) = 0.35
L (Simulacin)
Prueba n1
0.3703
5.8000
Prueba n2
0.3530
0.8571
Prueba n3
0.3546
1.3143
Prueba n4
0.3595
2.7143
Prueba n5
0.3657
4.4857
Error Medio
3.0343
Media(L(Simulacin))
0.3606
3.0286
110
111
Distrib. Servicio
Parmetros de la
Intensidad
Tiempo
distribucin
3
EXPONENCIAL
= 0.6
0.6
3.6032
UNIFORME
a = 0.2, b = 0.8
0.5
5.8804
DETERMINISTA
d = 0.3
0.6
3.5650
GAMMA
a = 5, p = 1
0.4
7.3848
BETA
p = 1, q = 5, k = 1
0.3333
17.7636
0.2
LOGNORMAL
= 1, = 0.2
0.5546
5.8624
0.2
NORMAL
= 4, = 0.5
0.8
6.1750
WEIBULL
= 10, = 0.5
0.2
6.2448
Como conclusin, se puede observar que la distribucin que se elija tiene una gran
influencia en el tiempo de ejecucin del algoritmo; por ejemplo, el tiempo de
ejecucin del algoritmo con la distribucin beta es casi cinco veces superior al de la
distribucin determinista. Esto es debido a que la generacin de nmeros de una
determinada distribucin (ver 2.1.4) es ms compleja en unos casos que en otros.
Puede observarse que todos los modelos son estacionarios ( < 1). Los tiempos de ejecucin que se
muestran en todas las tablas son en segundos.
21
112
Intensidad
Tiempo
0.1
0.01
3.5230
0.1
3.5570
0.3
3.6110
0.5
3.6736
0.7
3.7234
0.9
3.7654
9.5
0.95
3.7854
9.9
0.99
3.8056
113
estabilizacin), se requiere que el nmero de llegadas, que inicialmente vale cero, sea
igual al nmero de clientes de la simulacin (en el caso del bucle de estabilizacin,
igual al parmetro de estabilizacin). El nmero de llegadas aumenta cuando no hay
ningn cliente en el sistema (debe de producirse de forma forzosa una llegada) o
cuando hay algn cliente y se produce una llegada. La intensidad de trfico tiene una
gran influencia en ambos casos, pues, el primero de ellos se produce con mayor
frecuencia cuanto menor es su valor, mientras que el segundo de los casos se produce
con mayor frecuencia cuanto mayor es su valor.
114
Estabilizacin
Parmetro de
N Clientes Simulacin
1000
5000
10000
20000
50000
100000
10
1.913
2.614
3.555
5.417
10.966
20.159
100
1.893
2.634
3.565
5.408
10.986
20.169
500
1.953
2.704
3.626
5.518
11.086
20.229
1000
2.003
2.764
3.686
5.558
11.186
20.329
5000
2.544
3.355
4.226
6.138
11.617
20.850
10000
3.304
3.976
4.937
6.760
12.418
21.501
Simulacin
N Clientes
n log(n)
n2
1000
0.826
3.30410-3
1.10110-3
3.30410-6
5000
1.075
7.95210-4
2.15010-4
1.59010-7
10000
1.234
4.93710-4
1.23410-4
4.93710-8
20000
1.572
3.38010-4
7.85910-5
1.69010-8
50000
2.643
2.48410-4
5.28510-5
4.96710-9
100000
4.300
2.15010-4
4.30010-5
2.15010-9
115
22
23
116
ent
sal
Modelo de colas
Parmetros del
Intensidad
Tiempo
0.4
3.6412
modelo
2
G/G/1
G/G/s
s=2
0.4
5.5580
G/G/1/K
K = 10
0.4
3.6974
G/G/s/K
s = 2, K = 10
0.4
5.6480
11
G/G/1/ /H
H=5
0.40258
5.5760
G/G/s/ /H
s = 4, H = 5
0.41424
7.6892
s = 6, H = 5, Y = 2
0.41892
7.3626
5.5338
G/G/s/ /H con Y
repuestos
G/G/
Como conclusin, se puede observar que el tipo del modelo de colas tiene una gran
influencia en el tiempo de ejecucin del algoritmo de simulacin. As se puede
observar como el tiempo de ejecucin para el modelo G/G/s/ /H es ms de dos
veces superior al tiempo de ejecucin del modelo G/G/1. Esto es debido a que las
operaciones que se tienen que realizar no son las mismas en todos los modelos (vase
en el apartado 2.3.2 las diferencias entre los distintos algoritmos).
117
Las cosas, una vez principiadas, ni se han de olvidar ni dejar, hasta ser acabadas,
que es nota de poca prudencia muchos actos comenzados y acabado ninguno
(Mateo Alemn, escritor espaol, siglos XVI y XVII)
Captulo 4: Conclusiones
Trabajo futuro
A pesar de que la herramienta es capaz de solucionar los objetivos (ver 1.1.2) que
se marcaron al inicio del proyecto, existen otras tareas que se podran realizar en
futuros trabajos:
Conseguir dar respuesta a un mayor nmero de modelos de colas (tanto de la
forma M/M/- G/G/-, como de redes de colas).
119
Captulo 4: Conclusiones
120
E( X ) =
Var ( X ) =
x>0
f ( x) =
1
ba
E( X ) =
x ( a, b)
a+b
2
(b a ) 2
Var ( X ) =
12
121
f ( x) =
ap
e a x x p 1
( p)
E( X ) =
Var ( X ) =
x>0
p
a
p
a2
x
k
f ( x) =
p 1
1
k
k ( p, q )
E( X ) =
Var ( X ) = k 2
q 1
0<x<k
kp
p+q
pq
( p + q ) ( p + q + 1)
2
122
f ( x) =
(ln( x ) ) 2
1
x 2
E( X ) = e
x R
2 2
( +
2
2
Var ( X ) = e e 2 (e 1)
Distribucin normal: N(,)
f ( x) =
( x )2
xR
2 2
E( X ) =
Var ( X ) = 2
Var ( X ) =
(1 +
x0
1
2
1
(1 + ) 2 (1 + )
2
Donde
( p) = x p 1 e x dx
123
24
124
Instalacin de la aplicacin
Una vez que tenemos instalado MATLAB en nuestro equipo, la instalacin de la
aplicacin resulta muy sencilla, pues lo nico que tenemos que hacer es indicarle a
MATLAB donde tenemos localizados los archivos que forman parte de la
aplicacin.
Para ello hay que seleccionar en el men File la opcin Set Path, y nos aparece
una ventana como la que se muestra a continuacin:
125
debemos almacenarla (opcin Save), para as no tener que introducirla cada vez que
volvamos a ejecutar MATLAB.
Ejecucin de la aplicacin
Si ya le hemos indicado al sistema donde localizar los archivos que forman parte de
la aplicacin, estamos en condiciones de poder ejecutarla.
Para ello, lo nico que hay que hacer es teclear lo siguiente en la Ventana de
Comandos de MATLAB:
>> aquas
126
127
Bibliografa
Los libros son, de entre mis consejeros, los que ms me agradan, porque ni el temor
ni la ambicin les impiden decirme lo que debo hacer.
(Alfonso II de Aragn, el Casto, Rey de la corona de Aragn, siglo XII)
[All-90]
Allen, A.O. (1990). Probability, Statistics and Queueing Theory with Computer
Science Applications. Academic Press.
[Bos-02] Bose,
S.K.
(2002).
An
Introduction
to
Queueing
Systems.
Kluwer
Academic/Plenum.
[Cao-98] Cao, R. y otros (1998). Estadstica Bsica Aplicada. Trculo.
[Cao-02] Cao, R. (2002). Introduccin a la Simulacin y a la Teora de Colas. Netbiblo.
[Dev-86] Devroye, L. (1986). Non-uniform random variate generation. Springer-Verlag.
[Gar-98]
[Gro-98]
[Hil-97]
[Law-91] Law, A.M. and Kelton, W.D.(1991). Simulation Modeling and Analysis. McGrawHill.
128
[Mar-99] Marchand P. (1999). Graphics and GUIs with MATLAB. CRC Press.
[Pre-97]
Sitios Web
[1] MATLAB. The Language of Technical Computing. Home Page. The MathWorks.
http://www.mathworks.com, 2004
[2] MATLAB. The Language of Technical Computing. Statistics Toolbox. The MathWorks.
http://www.mathworks.com/access/helpdesk/help/pdf_doc/stats/stats.pdf, 2004
[3] MATLAB. The Language of Technical Computing. Creating Grafical User Interfaces.
Version 6. The MathWorks
http://www.mathworks.com/access/helpdesk/help/pdf_doc/matlab/buildgui.pdf, 2004
[4] MATLAB. The Language of Technical Computing. Getting Started With MATLAB.
Version 6. The MathWorks
http://www.mathworks.com/access/helpdesk/help/pdf_doc/matlab/getstart.pdf, 2004
129
[5] MATLAB. The Language of Technical Computing. Using MATLAB Graphics. Version 6.
The MathWorks
http://www.mathworks.com/access/helpdesk/help/pdf_doc/matlab/graphg.pdf, 2004
[6] MATLAB. The Language of Technical Computing. MATLAB Function Reference. Version
6. The MathWorks
http://www.mathworks.com/access/helpdesk/help/pdf_doc/matlab/refbook.pdf,
http://www.mathworks.com/access/helpdesk/help/pdf_doc/matlab/refbook2.pdf,
http://www.mathworks.com/access/helpdesk/help/pdf_doc/matlab/refbook3.pdf, 2004
[7] MATLAB. The Language of Technical Computing. MATLAB Compiler. Version 6. The
MathWorks
http://www.mathworks.com/access/helpdesk/help/pdf_doc/compiler/compiler3.pdf, 2004
[8] Manual de Matlab 6.0: Aprenda Matlab 6.0 como si estuviera en primero. Escuela
Superior de Ingenieros Industriales. Universidad de Navarra,
http://www1.ceit.es/asignaturas/Informat1/AyudaInf/aprendainf/matlab60/matlab60.pdf,
Julio 2001
130