Vous êtes sur la page 1sur 56

Exercices de Files dAttentes

Monique Becker
Andre-Luc Beylot
Alexandre Delye de Clauzade de Mazieux
2006-2007 v.2

ii

Table des mati`


eres
1 Exercices g
en
eraux
1.1 Mod`ele du dentiste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Temps dattente dun train . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1
1
1

2 Chanes de Markov `
a temps discret
2.1 Etude dune Chane de Markov `a Temps Discret . . . . . . . . . . . . . . . . . . .
2.2 Processus de naissance et de mort . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3 Mod`eles de trafic sur un lien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3
3
3
3

3 Chanes de Markov `
a temps continu
3.1 Processus de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5
5

4 Files dattentes simples


4.1 Mod`ele du reparateur . . . . . . . . . . . . . . . . . . . .
4.2 Unite de transmission `
a capacite limitee . . . . . . . . . .
4.3 Unite de transmission avec des erreurs de transmission . .
4.4 Etude de la file M/M/C/C . . . . . . . . . . . . . . . . .
4.5 File `
a Serveurs Heterog`enes . . . . . . . . . . . . . . . . .
4.6 Performance dun etage dabonnes - File M/M/C/C/N . .
4.7 Influence de la variance des services et de la loi de priorite
4.8 Longueur des paquets IP . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

7
7
7
8
8
8
10
11
11

5 R
eseaux de files dattentes
5.1 Syst`eme multi-programme `
a memoire virtuelle . . . . . . . . . . . . .
5.2 Du choix du point o`
u lon compte le debit global dans un reseau ferme
5.3 Theor`eme de Jackson et Analyse Operationnelle . . . . . . . . . . . . .
5.4 Reseau local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

13
13
14
15
15

6 M
ethodes dagr
egation
6.1 Reseau symetrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2 Agregation de chanes de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.3 Agregation de files dattente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17
17
17
18

7 Exercices non corrig


es
7.1 Etude de la transformee en z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.2 Etude de la file M/GI/1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21
21
22

8 Corrig
es
Mod`ele du dentiste . . . . . . . . . . . .
Temps dattente dun train . . . . . . .
Etude dune Chane de Markov a` Temps
Processus de naissance et de mort . . .
Mod`eles de trafic sur un lien . . . . . .
Processus de Poisson . . . . . . . . . . .
Modele du reparateur . . . . . . . . . .

25
25
25
26
27
27
29
31

. . . . .
. . . . .
Discret
. . . . .
. . . . .
. . . . .
. . . . .
iii

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

iv

`
TABLE DES MATIERES

Unite de transmission `
a capacite limitee . . . . . . . . . . . . . . . . .
Unite de transmission avec des erreurs de transmission . . . . . . . . .
Etude de la file M/M/C/C . . . . . . . . . . . . . . . . . . . . . . . .
File `a Serveurs Heterog`enes . . . . . . . . . . . . . . . . . . . . . . . .
Performance dun etage dabonnes - File M/M/C/C/N . . . . . . . . .
Influence de la variance des services et de la loi de priorite . . . . . . .
Longueur des paquets IP . . . . . . . . . . . . . . . . . . . . . . . . . .
Syst`eme multi-programme `
a memoire virtuelle . . . . . . . . . . . . .
Du choix du point o`
u lon compte le debit global dans un reseau ferme
Theor`eme de Jackson et Analyse Operationnelle . . . . . . . . . . . .
Reseau local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Reseau symetrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Agregation de chanes de Markov . . . . . . . . . . . . . . . . . . . . .
Agregation de files dattente . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

32
32
33
34
37
40
41
42
45
48
49
50
50
51

Chapitre 1

Exercices g
en
eraux
1.1

Mod`
ele du dentiste

On consid`ere une file dattente `


a un serveur.
On suppose que le debit moyen est , le temps moyen de reponse est E[R], le temps moyen dattente
est E[W ], le temps moyen de service est [E]S, lesperance de longueur de la file dattente est E[L],
le nombre moyen de clients en train dattendre est E[LW ], le nombre moyen de clients en train
detre servis est E[LS ] et la probabilite pour que le serveur soit occupe est U .
1- Ecrire une relation entre E[R], E[S] et E[W ] (relation 1).
2- Ecrire une relation entre E[L], E[LW ] et E[LS ] (relation 2).
3- Exprimer E[LS ] en fonction de U .
4- Montrer que lon passe de la relation 1 `a la relation 2 en faisant une operation simple et montrer
quon trouve ainsi une relation connue entre U , et E[S].
5- On consid`ere un dentiste. Le nombre moyen de patients presents chez lui est 2.8, le nombre
moyen de patients dans la salle dattente est 2, le nombre moyen de clients arrivant en une heure
est 4. Deduire les autres crit`eres de performances et caracteristiques du traitement.

1.2

Temps dattente dun train

On consid`ere une voie ferree sur laquelle les passages des trains sont separes par des durees
(duree entre deux trains successifs) de deux types possibles :
90% de ces durees sont constantes et egales `a 6 mn.
10% de ces durees sont constantes et egales `a 54 mn.
1- Calculer la duree moyenne separant deux trains successifs
2- Un individu arrive `
a un instant quelconque. Au bout de combien de temps en moyenne pourrat-il prendre un train ?
On fera le calcul de deux facons differentes :
a- En calculant la probabilite pour que lindividu arrive pendant un intervalle court entre deux
trains. On en deduira le temps dattente residuelle.
b- En appliquant la formule de Pollaczek Khintchine.
3- Comparer les resultats de 1 et 2. Ces resultats semblent-ils paradoxaux ?

ERAUX

CHAPITRE 1. EXERCICES GEN

Chapitre 2

Chanes de Markov `
a temps
discret
2.1

Etude dune Chane de Markov `


a Temps Discret

Soit une chane de Markov `


a trois etats : 1, 2 et 3.
Les probabilites de transition de letat 1 vers les etats 2 et 3 sont respectivement 1 p et p.
La probabilite de transition de letat 2 vers letat 1 est 1.
Les probabilites de transition de letat 3 vers les etats 2 et 3 sont respectivement et 1 .
1- Pour quelles valeurs du couple (, p) cette chane est-elle irreductible et aperiodique ?
2- Pour (, p) verifiant ces conditions, determiner les probabilites detat `a lequilibre.
3- En regime permanent, pour quelles valeurs de (, p) les trois etats sont-ils equiprobables ?
4- Calculer le temps moyen de premier retour en 2.

2.2

Processus de naissance et de mort

Soit une chane de Markov infinie dont les etats sont numerotes `a partir de 0.
La probabilite de transition de letat n `a n + 1 est p.
La probabilite de transition de letat n `a n 1 est q.
Demontrer quil faut avoir p < q pour que les etats soient recurrents non nuls. On utilisera un
theor`eme vu en cours et on effectuera des coupes pour trouver rapidement la solution.

2.3

Mod`
eles de trafic sur un lien

On consid`ere un lien transportant des cellules de longueur constante. Compte tenu du synchronisme global, on modelise le trafic sous forme dune chane de Markov `a temps discret.
1- Trafic de Bernoulli
On suppose que les cellules sont independantes les unes des autres et qu`
a chaque unite de temps
on a une probabilite p quil y ait une cellule et 1 p quil ny en ait pas. Si lon note Z(t) la
variable aleatoire qui vaut 1 sil y a une cellule `a linstant t et 0 sinon, on a P [Z(t) = 1] = p et
P [Z(t) = 0] = 1 p pour toutes les valeurs de t.
a- Modeliser ce processus sous forme dune chane de Markov a` deux etats.
b- Calculer les probabilites des etats, le debit de cellules et les deux premiers moments du temps
separant deux cellules successives.
2- Trafic Bursty Geometric
On suppose que le trafic comporte des silences et des rafales. Pendant les silences il ny a pas de
cellule sur le lien ; pendant les rafales, il y a une cellule `a chaque unite de temps. On note X(t)
la variable aleatoire qui vaut 1 si lon est dans une rafale a` linstant t et 0 dans un silence. On
suppose que P [X(t + 1) = 1/X(t) = 1] = p et P [X(t + 1) = 0/X(t) = 0] = q.
a- Montrer que lon peut representer le processus (X(t)) par une chane de Markov.
3

` TEMPS DISCRET
CHAPITRE 2. CHAINES DE MARKOV A

b- Determiner les probabilites stationnaires des deux etats et le debit de cellules. Montrer que les
durees des silences et des rafales sont geometriquement distribuees. En deduire leur duree moyenne.
Determiner les deux premiers moments du temps separant deux cellules successives.
c- Pour quelles valeurs de p et q un processus Bursty Geometric est-il un processus de Bernoulli ?
3- Trafic Interrupted Bernoulli Process (IBP)
Le trafic comporte de nouveau des silences et des rafales de durees geometriquement distribuees de
param`etres respectifs p et q. Durant les rafales, les cellules arrivent selon un processus de Bernoulli
de param`etre . Soit Y (t) le processus des arrivees de cellules. On aura donc P [Y (t) = 1/X(t) =
1] = et P [Y (t) = 0/X(t) = 0] = 1.
a- Y (t) est-il un processus markovien ?
b- Determiner le debit, les longueurs moyennes des silences et des rafales dun processus IBP.

Chapitre 3

Chanes de Markov `
a temps
continu
3.1

Processus de Poisson

Application des processus de naissance et de mort : cas dun processus de naissance pure. Cest
un processus pour lequel la probabilite conditionnelle de naissance entre t et t + dt vaut dt.
Soit K la variable aleatoire correspondant au nombre de naissances entre 0 et t :
P [K(t + dt) = k + 1/K(t) = k] = dt
1- Ecrire les equations differentielles permettant detudier la famille de fonctions (Pk ), o`
u:
Pk (t) = P [K(t) = k]
2- Demontrer que lon obtient

(t)k t
e
k!
3- Calculer E[K(t)] et E[K(t)(K(t) 1)]. En deduire V ar[K(t)].
4- Calculer la fonction de repartition du temps separant deux arrivees. En deduire sa densite de
probabilite. Donner son esperance mathematique.
Pk (t) =

` TEMPS CONTINU
CHAPITRE 3. CHAINES DE MARKOV A

Chapitre 4

Files dattentes simples

4.1

Mod`
ele du r
eparateur

On consid`ere une chane de Markov modelisant K machines independantes.


Chacune delles peut tomber en panne avec un taux .
Un reparateur repare une seule machine `a la fois avec le taux .
1- Exprimer le taux de passage de letat (n machines en panne) `a letat (n + 1 machines en panne).
On fera une demonstration rigoureuse. Il sera peut-etre necessaire de demontrer au prealable un
lemme sur la loi de linf dun certain nombre de variables de loi exponentielle.
2- Calculer la probabilite davoir K machines en panne.
3- Application numerique : K = 7, = 0.001, = 1.

4.2

Unit
e de transmission `
a capacit
e limit
ee
N places
E[S] = 400 ms
= 2 /s
Rejet si plein

On suppose que les messages forment un trafic poissonnien, de debit moyen 2 messages par seconde.
La duree de transmission est exponentielle de moyenne E[S] = 400 ms et on neglige les erreurs de
transmission. On suppose que la priorite est FIFO.
Quelle doit etre la capacite du nud de transmission pour que la probabilite de rejet soit inferieure
`a 103 ?

Unit
e de transmission avec des erreurs de transmission

E[S] = 400 ms

p = 0.1

4.3

CHAPITRE 4. FILES DATTENTES SIMPLES

= 2 /s

On consid`ere un emetteur de messages.


Les messages arrivent avec un debit moyen de 2 messages par seconde.
La duree moyenne de transmission est E[S] = 400 ms.
Le taux derreur (donc de retransmission) est p = 10%.
La capacite est infinie
On fait les hypoth`eses suivantes : arrivees poissonniennes, services exponentiels, priorite FIFO.
1- Calculer lesperance e du nombre de passages dun client dans cette file.
2- Calculer lesperance du temps R separant larrivee du message et le moment o`
u il est transmis
correctement.

4.4

Etude de la file M/M/C/C

Il sagit dune file avec arrivees poissonniennes de taux avec C serveurs exponentiels de taux
et avec C places dans la file dattente. Cela signifie que seuls peuvent entrer dans la file les clients
qui peuvent immediatement commencer `
a etre servis, les autres sont rejetes.
1- Demontrer que le nombre de clients dans la file constitue un processus de naissance et de mort.
Calculer les taux darrivee et de depart conditionnels.
2- Calculer la probabilite des divers etats possibles.
3- En deduire la probabilite pour quun client arrivant de lexterieur soit rejete. Le resultat est
connu sous le nom de premi`ere formule dErlang.
4- Calculer le nombre moyen de clients dans la file et le temps moyen de reponse.

4.5

File `
a Serveurs H
et
erog`
enes

On se propose detudier une file dattente simple ayant 2 serveurs. Dans tout lexercice, les
arrivees seront supposees poissonniennes de taux . Les temps de service sont exponentiels, la
discipline est FCFS (premier arrive, premier servi), la file est `a capacite infinie.
1- Serveurs homog`
enes
On suppose dans un premier temps que les deux serveurs sont identiques. Le taux de service est
(cf. Fig 4.1). Quand un seul serveur est disponible, le premier client en attente choisit ce serveur.
Quand les deux serveurs sont disponibles, le client choisit aleatoirement et equiprobablement un
des deux serveurs.

Fig. 4.1 Serveurs homog`enes

` SERVEURS HET
EROG

`
4.5. FILE A
ENES

a- Donner la notation de Kendall de cette file.


b- On note N (t) le nombre de clients dans la file `a linstant t.
Montrer que N (t) est un processus markovien (on pourra montrer que linf de deux lois exponentielles independantes de param`etres 1 et 2 est une loi exponentielle).
Demontrer que N (t) constitue un processus de naissance et de mort et calculer les taux darrivee
et de depart conditionnels.
c- On veut calculer les probabilites des divers etats possibles.
On note i la probabilite quil y ait i clients dans la file `a letat stationnaire.
Demontrer que :

i 1 i = 2i 0 avec =
2
Determiner 0 .
Quelle est la condition de stabilite de la file ?
d- Determiner le nombre moyen E[L] de clients dans la file.
Quel est le temps moyen de reponse E[R] ?

On rappelle que pour < 1, on a :


nn =
(1

)2
n=0
2- Serveurs h
et
erog`
enes
On suppose maintenant que le serveur 1 est deux fois plus rapide que le serveur 2 (cf. Fig 4.2).
On note 2 le taux de service du serveur 1 et le taux de service du serveur 2.
Le choix du serveur se fait de la facon suivante :
Si un seul serveur est disponible, le premier client en attente choisit ce serveur.
Si les deux serveurs sont libres, le premier client en attente choisit le serveur le plus rapide (le
serveur 1).

Fig. 4.2 Serveurs heterog`enes


a- On note N (t) le nombre de clients dans la file `a linstant t.
N(t) est-il un processus markovien ?
b- On separe letat o`
u lon a un seul client dans la file en deux etats :
etat 1 : il y a un seul client dans la file, il se trouve dans le serveur 1.
etat 1 : il y a un seul client dans la file, il se trouve dans le serveur 2.
On consid`ere le processus E(t) :
E(t) = i, avec i = 0 ou i 2 sil y a i clients dans la file `a linstant t.
E(t) = 1 , sil y a un client dans la file `a linstant t qui se trouve dans le serveur 1.
E(t) = 1, sil y a un client dans la file `a linstant t qui se trouve dans le serveur 2.
Montrer que E(t) est un processus markovien.
Calculer les taux darrivee et de depart conditionnels.
E(t) est-il un processus de naissance et de mort ?
c- On cherche la limite stationnaire de ce processus.
Pour simplifier les calculs on suppose que = .
On note i la probabilite stationnaire detre dans letat i de la chane de Markov.
Determiner les probabilites des differents etats.
On pourra suivre la demarche suivante : determiner 3 en fonction de 2 , puis i+2 en fonction de
2 pour i > 0. En ecrivant trois equations entre 0 , 1 , 1 , et 2 , montrer que :
0 = 52

1 = 22

1 = 2

10

CHAPITRE 4. FILES DATTENTES SIMPLES

Utiliser la condition de normalisation et determiner les i .


Le syst`eme est-il stable ?
d- Quel est le nombre moyen E[L] de clients dans la file ?
Quel est le temps moyen de reponse E[R] ?
Quel est le taux doccupation de chacun des serveurs ?
Quel est le temps moyen dattente E[W ] ?
Quelle est la proportion de clients servis par chacun des deux serveurs ?

4.6

Performance dun
etage dabonn
es - File M/M/C/C/N

Dans le mod`ele dun lien du reseau telephonique par une file M/M/C/C, on suppose que le
nombre dutilisateurs potentiels du lien est infini. Si cette hypoth`ese est raisonnable dans le cur
du reseau, elle peut se reveler un peu forte dans la partie dacc`es (commutateurs dacc`es, cellule
dun reseau GSM ...). Lobjectif de cet exercice est detudier les performances dun lien dans le cas
o`
u le nombre dutilisateurs pouvant etre joints par ce lien est limite `a N (taille de la population
N , C << N ).
On modelise alors le lien de la facon suivante :

N serveurs

C serveurs

La deuxi`eme file correspond au lien. Un client dans cette file correspond `a un appel telephonique
en cours.
La premi`ere file correspond aux abonnes qui ne sont pas en communication. Le temps de reflexion
(temps passe dans la file 1) avant une tentative dappel est suppose exponentiel de taux . La duree
de la communication est supposee exponentielle de taux .
Quand un appel arrive (en provenance ou `a destination dun abonne qui nest pas encore en
communication), il est accepte sil reste de la place dans la deuxi`eme file ou rejete (on suppose
alors que lutilisateur repasse dans la file 1, on ne tient pas compte de son impatience potentielle).
On veut determiner la probabilite de rejet dappel.
1- Soit Nt le nombre dappels en cours `
a linstant t. Montrer que (Nt , t R) est un processus
markovien ergodique.
2- Determiner les probabilites en regime stationnaire.
3- On veut determiner la probabilite de rejet. Pour cela, determiner le flux offert au lien (debit au
point A : A ) et le debit rejete (debit au point B : B ). En deduire la probabilite de rejet. Que
constate-t-on ?


4.7. INFLUENCE DE LA VARIANCE DES SERVICES ET DE LA LOI DE PRIORITE

4.7

11

Influence de la variance des services et de la loi de priorit


e
1

S1 , S2

2
On suppose quil y a deux classes de clients.
Les arrivees sont poissonniennes :
classe 1 : une arrivee toutes les 2, 4 s ;
classe 2 : une arrivee toutes les 0, 8 s.
Les services :
classe 1 : moyenne E[S1 ] = 0, 6 s ;
classe 2 : moyenne E[S2 ] = 0, 3 s.
Comparer les temps de reponse (globaux et par classe) dans le cas de services exponentiels et
deterministes et de discipline PS ou FCFS.

4.8

Longueur des paquets IP

Lanalyse de la distribution des paquets IP dans lInternet montre quil y a de tr`es nombreux
paquets de petite taille (Acquittements TCP, paquet ICMP).
Dans le present exercice, on les suppose tous de la meme taille egale `a l1 = 50 octets. Un deuxi`eme
pic est constitue par des paquets denviron l2 = 500 octets (limites par le MSS standard) et un
troisi`eme pic de paquets rentrant dans des trames Ethernet (l3 = 1500 octets). On suppose que les
frequences dapparition des autres types de paquets sont negligeables. Une campagne de mesure a
donne les resultats suivants :
Taille moyenne des paquets : E[L] = 500 octets.
Ecart-Type : (L) = 500 octets.
On consid`ere un lien `
a 100 Mb/s reliant un routeur A `a un routeur B charge `a 80% dans le
sens de A vers B.
On sinteresse au temps moyen passe dans la file de sortie du routeur A en attente demission vers
le routeur B. On consid`ere que les arrivees des paquets dans la file constituent pour chacun des
trois types de paquets un processus poissonnien et que la discipline est FIFO.
1- Determiner le temps moyen passe par un paquet de chacun des trois types dans la file de sortie
du routeur (attente + service) en fonction des grandeurs caracteristiques du syst`eme.
2- Faire les applications numeriques.

12

CHAPITRE 4. FILES DATTENTES SIMPLES

Chapitre 5

R
eseaux de files dattentes
5.1

Syst`
eme multi-programm
e`
a m
emoire virtuelle

On consid`ere un syst`eme interactif, compose essentiellement de N terminaux, dune unite centrale (UC) et dun disque de pagination (DK). Le degre de multiprogrammation (nombre de programmes autorises `
a partager lUC et le disque) est limite `a une certaine valeur maximale M . Les
programmes emis des terminaux (un programme par interaction ) qui ne peuvent pas etre admis
dans le syst`eme central sont places en attente dans une file WAIT. Le syst`eme est schematise sur
la figure suivante :

Le nombre de terminaux est N = 10.


Le temps de reflexion moyen est E[Z] = 4 s.
Le degre de multiprogrammation est M = 4.
La duree moyenne du service disque est E[Sdk ] = 40 ms.
On effectue des mesures sur une duree assez longue et on obtient les estimations suivantes :
Lesperance du temps dexecution dune interaction (en cumulant tous les temps entre deux interruptions est) est de 2s. Debit : 0,4 interactions/s.
Taux doccupation CPU : 0,8.
Nombre moyen dappels au disque par interaction : 50.
1- On a constate que la file WAIT netait jamais vide. Que peut-on en conclure ?
Quels sont les temps de reponse moyen R du syst`eme complet (vu des terminaux) et R du syst`eme
central ?
En deduire le temps dattente moyen dans la file WAIT.
2- Calculer les demandes totales de traitement au CPU et au disque, par interaction.
Pour ces demandes totales au CPU et au disque, peut-on majorer le debit de sortie du syst`eme
central ?
13

14

CHAPITRE 5. RESEAUX
DE FILES DATTENTES

Par la suite, on fera lhypoth`ese que les services disque et CPU sont distribues suivant des lois
exponentielles et independantes, que la loi de priorite est FIFO et que les files sont infinies.
3- Si les entrees dans le syst`eme etaient poissonniennes, quel theor`eme pourrait-on utiliser ?
Quels seraient alors le degre de multiprogrammation et le temps de reponse du syst`eme central,
pour le debit et les demandes de service obtenues par mesures.
Conclusion : les entrees sont-elles poissonniennes ?
4- On decide de modeliser le syst`eme central avec un reseau ferme avec M interactions. En
considerant le cas M = 4 et les demandes de service mesurees, calculer pour le mod`ele ferme
le temps de reponse et le debit du syst`eme central. On peut appliquer le theor`eme de Gordon et
Newell.
On pourra refaire le calcul en utilisant lalgorithme de Reiser. Compte tenu des symetries du
probl`eme, aurait-il ete possible de nappliquer lalgorithme de Reiser quen partant du bas de la
colonne correspondante `
a K=3 ?
Conclusion : le mod`ele ferme est-il valable ?
Quelle est la duree dune entree/sortie (attente + service) ?
5- On suppose quavec un degre de multiprogrammation limite `a 2, le nombre dentrees/sorties
par interaction est reduit de moitie. On suppose que la demande totale au CPU est inchangee et
la file WAIT jamais vide.
Evaluer le temps de reponse quaurait le syst`eme central dans cette nouvelle situation ?
Calculer le taux doccupation CPU et le taux de recouvrement CPU/disque (probabilite pour que
ces deux unites soient actives simultanement).
Conclusion : cette nouvelle configuration donne-t-elle de meilleures performances ? On reflechira
pour voir sil vaut mieux comparer les debits ou les temps de reponse des deux configurations.

5.2

Du choix du point o`
u lon compte le d
ebit global dans
un r
eseau ferm
e

On consid`ere le reseau suivant. Les arrivees sont supposees poissonniennes, les temps de service
exponentiels, la discipline de service PAPS, les files infinies et les routages probabilistes.

1- Determiner les nombres moyens de passages par chacune des files. Le reseau est-il stable ?
Determiner son temps de reponse.
2- On ferme le reseau sur lui-meme et lon suppose quil y a au plus K = 2 clients `a linterieur.
Quel est le temps moyen entre deux passages successifs dun client donne par la station 2 ? Quel
est le temps moyen entre deux passages de clients successifs (eventuellement differents) ? Quel est
le debit au point D ?
Applications Numeriques :
= 0, 5, 1 = 4, 2 = 3, 3 = 4, p12 = 1/2, p13 = 1/3, p14 = 1/6, (E[Si ] = 1/i , 1 i 3).

5.3. THEOR
EME
DE JACKSON ET ANALYSE OPERATIONNELLE

5.3

15

Th
eor`
eme de Jackson et Analyse Op
erationnelle

On consid`ere un syst`eme comportant une Unite Centrale et deux disques sur lequel on a fait
les mesures suivantes :
. Duree de la mesure : 1800 s ;
. Duree totale dutilisation UC : 1440 s ;
. Nombre de transactions traitees : 720 ;
. Nombre total dacc`es au disque 1 : 36000 ;
. Nombre total dacc`es au disque 2 : 18000 ;
. Duree dun acc`es au disque 1 : 40 ms ;
. Duree dun acc`es au disque 2 : 100 ms.
On fait les hypoth`eses suivantes :
. Arrivees exponentielles ;
. Services exponentiels ;
. Acc`es probabilistes ;
. Independance entre les services ;
. Files infinies et politique PAPS.
1- Calculer le temps de reponse moyen du syst`eme, le taux doccupation de lUC et le taux de
recouvrement UC/disque.
2- La duree dun acc`es au disque 2 est maintenant de 10 ms. Calculer le temps de reponse moyen
du syst`eme, le taux doccupation de lUC et le taux de recouvrement UC/disque.

5.4

R
eseau local

On consid`ere le reseau local comportant N (N = 6) terminaux, un serveur (CPU) et m (m = 2)


disques. Le serveur et les disques fournissent des traitements qui seront supposes exponentiels et
appliquant une politique PAPS. Leurs files dattente ont au moins une capacite N . La consommation CPU est de 5 s. Une interaction fait en moyenne 500 appels `a chacun des disques dont le
temps de service est E[S] (E[S] = 10 ms). Le temps de reflexion est de 10 s.
1- Quel theor`eme peut-on utiliser ?
2- Appliquer lalgorithme de Reiser pour calculer le temps de reponse de ce reseau.

16

CHAPITRE 5. RESEAUX
DE FILES DATTENTES

Chapitre 6

M
ethodes dagr
egation

6.1

R
eseau sym
etrique

On consid`ere un ensemble de M stations identiques, avec un serveur exponentiel pour chacune,


dont le temps de service moyen est E[S] = 1/. Il y a equirepartition des acc`es, les clients sont
envoyes par une source exponentielle. On modelise lensemble sous la forme dun reseau ferme avec
N clients.

On utilise une methode dagregation. Calculer le taux (n) du serveur equivalent `a lensemble des
M stations, en utilisant la recurrence Mean Value Analysis (algorithme de Reiser) en fonction de
n, M et E[S].

6.2

Agr
egation de chanes de Markov

On consid`ere la chane de Markov suivante qui modelise le trafic en entree dune file de sortie
dun commutateur ATM. La source peut se trouver dans trois etats :
0 : silence
1 : rafale envoyee vers la sortie qui nous interesse
2 : rafale envoyee vers une autre sortie
On a donc une chane de Markov `
a temps discret dont les probabilites de transitions sont les suivantes :
P00 = 1/8,

P02 = 5/8,
17

P10 = P20 = 1/8

CHAPITRE 6. METHODES
DAGREGATION

18

1- Calculer P01 , P11 et P22 .


2- Calculer les probabilites des trois etats.

3- On veut agreger les deux etats 0 et 2 en un etat A. On souhaiterait maintenir la bonne valeur
pour P (1) et obtenir P (A) = P (0) + P (2) Quelles probabilites de transitions faudrait-il prendre
pour PA1 et P1A ? Cette agregation est-elle exacte ?

6.3

Agr
egation de files dattente

Soit un reseau ferme comportant trois stations. Les services sont exponentiels, les capacites des
files infinies ou au moins egales `
a K, le nombre de clients dans le reseau. La discipline est PAPS
et les routages probabilistes.
On veut trouver le taux dutilisation du serveur 1 pour K = 1, 2, 3, 4, en utilisant une methode
dagregation.

1- Considerer le sous-reseau suivant et determiner le debit (n).


6.3. AGREGATION
DE FILES DATTENTE

19

2- Considerer le reseau comportant la station 1 et la file composite dont le service depend du nombre
n de clients dans cette file et est exponentiel de param`etre (n) avec (n) = (n). Calculer alors
le taux dutilisation du serveur 1.

Applications Numeriques : E[S1 ] = 10, E[S2 ] = 100, E[S3 ] = 25, p12 = 0, 2, p13 = 0, 8.

20

CHAPITRE 6. METHODES
DAGREGATION

Chapitre 7

Exercices non corrig


es

7.1

Etude de la transform
ee en z

Etant donnee une suite (fn )nZ , verifiant n N fn = 0, on definit la fonction generatrice
(z-transform en anglais) de la variable reelle ou complexe z par :

F (z) =

fn z n

n=0

1- Lorsque les fn sont des probabilites detats (n) avec n N, montrer que F est analytique sur
le disque unite puis calculer F (1).
2- Calculer les fonction generatrices associees aux suites suivantes, en fonction de F , fonction
generatrice associee `
a (fn ) et G, fonction generatrice associee `a (gn ) :
a- (afn + bgn )
b- (an fn )
c- (fn/k ) pour n = pk, p N
d- (fn+1 )
e- (fn+k ) pour k > 0
f- (fn1 )
g- (fnk ) pour k > 0
h- (nfn )
i- (n(n 1)(n 2)...(n m + 1)fn ) pour m > 1
j- (fn gn ) o`
u est un produit de convolution
k- (fn fn1 )
n
X
l- (
fk )
k=0

3- Calculer les fonctions generatrices associees aux suites suivantes :

a- f0 = 1, fn = 0 pour n N
b- fn = 1 pour n N
c- fn = An
d- fn = nn
e- fn = n2 n
1
(n + m)(n + m 1)...(n + 1)n
f- fn =
m!
1
g- fn =
n!
21


CHAPITRE 7. EXERCICES NON CORRIGES

22

4- Demontrer que :
fn =

1
n!


dn
F
(z)
dz n
z=0

Considerons le processus N (t), nombre de clients dans une file `a linstant t, les probabilites detats
limites stationnaire sont :
(n) = lim P [N (t) = n]
t

Utilisons les definitions classiques du cours :


L = E[N ] =

n(n)

n=0

E[N 2 ] =

n2 (n)

n=0

Demontrer que :



dF (z)
dz
z=1

 2
 N
d
E
z
E[N 2 ] E[N ] =
dz 2
z=1
L=

5- On consid`ere une file avec des arrivees Poissonniennes de taux de groupes de 2 clients, un
serveur exponentiel de taux , service FIFO, capacitee infinie, population infinie.
a- Montrer que le nombre de clients dans cette file est un processus de Markov `a temps continu.
b- Faire un schema de la Chane de Markov `a temps continu.
c- Ecrire les equations obtenues en coupant entre k et k + 1.
d- Multiplier cette equation par z k et additionner toutes les equations. En deduire lesperance et
la variance du nombre de clients dans la file.

7.2

Etude de la file M/GI/1

Etant donnee une suite (fn )nZ , verifiant n N fn = 0, on definit la fonction generatrice
(z-transform en anglais) de la variable reelle ou complexe z par :
F (z) =

fn z n

n=0

1- Lorsque les fn sont des probabilites detats (n) avec n N, montrer que F est analytique sur
le disque unite puis calculer F (1).
2- Si les fn sont les probabilites detats du processus nombre de clients dans une file, exprimer
lesperance de la longueur de la file en fonction de F (z).
3- Considerons le processus {Xk }k1 = {n(tk )}k1 nombre de clients juste apr`es le depart du
k-i`eme client dans une file M/GI/1. Montrer que ce processus est une CMTD.
4- Soit c la probabilite pour que c clients soient arrives durant le temps de service du (k + 1)-i`eme
client.
Montrer que si fS est la densite de probabilite du service :
Z
(x)c x
e
fS (x)dx
c =
c!
0
Soit (n) la probabilite limite stationnaire detat de la chane definie `a la question 3 et pi,j la
probabilite de transition de letat i vers letat j.
5- Verifier que pi,j = ji+1 pour i 1 et j i 1 et que p0,j = j pour j 0.

7.2. ETUDE DE LA FILE M/GI/1

23

6- On veut resoudre le syt`eme = P (1).


On definit les transformees en z des (n) et des j quon appelle F (z) et V (z). Montrer `a partir
de (1) que :
(0)V (z)(1 z)
F (z) =
V (z) z
7- Determiner (0) de deux mani`eres differentes
8- Questions bonus :
a- Demontrer que le nombre moyen de clients est :
L=+

2 (1 + Cs2 )
2(1 )

avec Cs le coefficient de variation du temps de service.


b- En deduire les autres param`etres de performance.
c- Donner alors les param`etres de performance pour les files M/M/1, M/D/1 et M/Ek /1.

24

CHAPITRE 7. EXERCICES NON CORRIGES

Chapitre 8

Corrig
es
Mod`
ele du dentiste
1- Pour chaque client, on a R = W + S. Ce resultat est donc vrai en terme desperance.
2- Pour chaque client, on a L = LW + LS . Ce resultat reste donc vrai en terme desperance.
3- Le nombre de clients en train detre servis est de 1 avec la probabilite U et de 0 avec la probabilite
1 U . On a donc :
E[LS ] = 0 (1 U ) + 1 U
do`
u E[LS ] = U .
4- En multipliant lequation (1) par , on a : E[R] = E[S] + E[W ] .
En appliquant la loi de Little aux syst`emes global, file seule puis serveur seul, on a :
E[L] = E[R] ,

E[LW ] = E[W ] et E[LS ] = E[S]

Lequation (2) vient immediatement.


La relation connue entre U , et E[S] sobtient en utilisant le resultat obtenu en appliquant la loi
de Little au serveur et celui de la question 3. On a alors :
U = E[S]
5- Lenonce donne E[L] = 2.8 client, E[LW ] = 2 client et = 4 clients par heure. On en deduit :
En moyenne, le nombre E[Ls ] de clients soignes est 0.8, ce qui revient `a dire que le denstiste
est occupe `
a 80% du temps.
2.8
a dire 42
De plus, aller chez le dentiste occupe pendant E[R] = E[L]
= 4 = 0.7 heure, cest `
minutes.
Plus precisement, on passe E[W ] = E[LW ] = 2/4 = 0.5 heure dans la salle dattente, cest `a
dire 30 minutes.
On en deduit que le dentiste nous soigne en 12 minutes...

Temps dattente dun train


1- E[X] = 0.9 6 + 0.1 54 = 10.8 soit 10 minutes 48 secondes.
2- Sur 100 intervalles de temps, il y a en moyenne 90 intervalles courts de 6 minutes qui durent
540 minutes et 10 intervalles longs de 54 minutes qui durent 540 minutes. Donc sur 1080 minutes,
il y en a 540 qui correspondent `
a des intervalles courts et 540 qui correspondent `a des intervalles
longs. Donc pour un voyageur qui arrive `a un instant quelconque, il a une probabilite 21 darriver
pendant un intervalle court (et pas du tout 90%) et 21 darriver pendant un intervalle long.
a- Si on arrive pendant un intervalle court, il faudra attendre 3 minutes en moyenne. Si on arrive
pendant un intervalle long, on attendra 27 minutes en moyenne. Donc E[Y ] = 12 3 + 21 27 = 15
minutes.
25


CHAPITRE 8. CORRIGES

26

b- On peut ecrire la formule de Pollaczek Khintchine qui donne le temps dattente residuel en
1 + C 2 (X)
fonction du temps dattente : E[Y ] = E[X]
, qui donne le meme resultat :
2
0.9[6 10.8]2 + 0.1[54 10.8]2

V ar[X] =
=

207, 3

C 2 [X] =

207.36
V ar[X]
= 1.7777
=
2
E [X]
10.82

do`
u : E[Y ] = 15 minutes
3- On constate que E[Y ] > E[X], cest le paradoxe de lauto-stoppeur.

Etude dune Chane de Markov `


a Temps Discret
1- Une chane est irreductible si tout etat peut-etre atteint (en un nombre fini) de pas. Il est
clair que si = 0, alors letat 3 est absorbant. Dautre part, si p = 0, le couple detats (1, 2) est
absorbant.
Supposons que 6= 1. Il existe alors une boucle sur letat 3 et la chane est donc aperiodique.
Supposons maintenant que = 1. Si p 6= 1, il existe alors un circuit de longueur 2 et un circuit
de longueur 3. La chane est donc aperiodique. Si p = 1, il ny a plus quun seul circuit de longueur
3 et la chane est periodique.
Les condition dirreductibilite et daperiodicite sont donnees par :
0<1

0 < p 1 p 6= 1

2- Les probabilites `
a lequilibre sont determinees en resolvant lequation = P , ce qui donne :
1 = 2 =

2 + p

3 =

p
2 + p

3- Lequiprobabilite est obtenue lorsque p = , ce qui impose donc que 0 < p = < 1.
4- Cette question peut etre resolue en utilisant deux methodes differentes :
M
ethode 1
(n)
Notons fi,i la probabilite de retour en i en exactement n etapes.
On peut alors ecrire :
(1)

f2,2

= 0

(2)
f2,2

= 1p

(i)

f2,2

= p(1 )i3

Notons M2 le temps moyen de retour en 2. On a alors :


M2

(i)

i f1,1

i=1

2(1 p) +

ip(1 )

i3

i=3

2(1 p) + 3p

(1 )i + p

i=0

=
=

1
1
2(1 p) + p + p 2

2 + p

M
ethode 2
On utilise directement la formule :
M1 =

2 + p
1
=
1

X
i=0

i(1 )i

27

Conclusion
2 + p
Le temps moyen de premier retour en 2 est de :

Processus de naissance et de mort


Condition n
ecessaire pour que les
etats soient r
ecurrents non nuls
Nous savons que si il y a convergence, le systeme P = admet une solution non nulle. Dans le
cas contraire, la seule solution est la solution nulle. Il est donc necessaire et suffisant de trouver
une solution non nulle pour prouver quil y a convergence.
Coupes
p
Pour tous les etats n N, on a : p P (n) = q P (n + 1), do`
u, en posant = :
q
 n
p
= P (0)n
P (n) = P (0)
q
La condition necessaire et suffisante pour quon puisse trouver P (0) non nul tel que la somme de
N
X
P (i) converge alors quand N tend vers linfini.
tous les P(n) soit egale `
a 1 est p < q. La serie
i=1

1
P (i) = P (0)
= 1 (somme des termes dune suite geometrique de raison ) do`
u:
1

i=0
n N

P (n) = (1 )n

Mod`
eles de trafic sur un lien
1- Trafic de Bernoulli a- Ce processus est Markovien car la seule connaissance de letat present
permet de decrire la loi du futur. Plus precisement, il ny a meme pas besoin ici de connatre letat
present pour connatre la loi du futur.
On peut donc modeliser Z(t) par une chane de Markov dans laquelle les deux fl`eches arrivant `a
letat 1 sont p et les deux autres, arrivant `a letat 0 sont 1 p.
p
p
0

1p
1p
b- Si P est la matrice de transition et le vecteur de probabilites des etats. En ecrivant que
= P ainsi que la condition de normalisation, on a :
0 = 1 p

et 1 = p

Le debit des cellules est egal `


a la probabilite 1 : = 1 .
Le temps T separant deux cellules a pour esperance le temps moyen de premier retour en 1. Cest
1
donc E[T ] = .
p
2- Trafic Bursty Geometric
a- Il suffit decrire les probabilites de transition :
P [X(t + 1) = 0/X(t) = 0] = q
P [X(t + 1) = 0/X(t) = 1] = 1 p

et
et

P [X(t + 1) = 1/X(t) = 0] = 1 q
P [X(t + 1) = 1/X(t) = 1] = p


CHAPITRE 8. CORRIGES

28

1q
p
0

q
1p
bProbabilit
es stationnaires
Pour calculer les probabilites stationnaires, on ecrit la matrice P = (Pi,j )(i,j)=(0,1) de transition et
on resoud P = . On trouve :
0 =

1p
1q
et 1 =
2pq
2pq

D
ebit des cellules
Le debit des cellules est 1 :
=

1q
2pq

Calcul de la dur
ee dun silence
Methode 1
Supposons que nous sommes au debut du silence. On y reste encore pendant i periode de temps
(la duree du silence E[LS ] sera i + 1) avec la probabilite q i (1 q) : P [LS = i + 1] = q i (1 q).

X
1
.
q i (1 q)(i + 1) =
Do`
u E[LS ] =
1

q
i=0
Methode 2
1
1
=
On a directement le temps de sejour en 0 : E[LS ] =
1 P0,0
1q
C onclusion
1
1
, celle dune rafale est de E[LR ] =
.
La duree dun silence est de E[LS ] =
1q
1p
Calcul de la dur
ee de temps s
eparant deux cellules
Pour determiner les deux premiers moments du temps separant deux cellules, deux methodes
soffrent `a nous. La plus rapide est de dire que cette duree est de :
M1 =

1
2pq
=
1
1q

c- Un processus Bursty Geometric est un processus de Bernoulli quand q = 1 p


3- Trafic Interrupted Bernoulli Process (IBP) Les rafales sont celles du processus Brusty Geometric
mais il ny a pas necessairement une cellule `a chaque slot dune rafale. Pendant la rafale, il y a un
cellule dans un slot avec la probabilite . On a :
P [Y (t) = 1/X(t) = 1]
P [Y (t) = 0/X(t) = 1]
P [Y (t) = 0/X(t) = 0]
P [Y (t) = 1/X(t) = 0]

=
=
=
=

1
1
0

a- Y (t) nest pas Markovien car la seule connaissance de Y (t) ne permet pas de predire le futur :
Si Y (t) = 1
Nous savons alors que nous somme dans une rafale. Nous savons alors que Y (t + 1) = 1 avec la
probabilite p. Nous savons aussi que (t + 1) = 0 avec la proba 1 p + p(1 ). Y (t) = 1 permet
donc de predire le futur.
Si Y (t) = 0
Nous ne savons pas si nous sommes dans un silence ou non.

29

Si nous nous trouvons dans un silence, alors Y (t + 1) = 0 avec la proba q + (1 q)(1 ) et


Y (t + 1) = 1 avec la proba (1 q).
Si nous nous trouvons dans une rafale, alors Y (t + 1) = 0 avec la proba p(1 ) + (1 p) et
Y (t + 1) = 1 avec la proba p.
Conclusion
Le processus Y (t) nest pas Markovien car la seule donnee de la valeur de Y (t) `a un instant donne
ne permet pas de predire la valeur de Y (t) `a linstant suivant.
b- Les longueurs moyennes des silences et des rafales restent inchangees. En revanche, le debit des
cellules nest plus le meme. En effet, pendant un slot, il y a une cellule avec la probabilite 1 et
il ny en a pas sinon. Le debit devient donc :
= 1 =

(1 q)
2 p pq

Processus de Poisson
1Pour k = 0
P0 (t + dt)

= P [K(t + dt) = 0] =
=

P [K(t) = 0] P [K(t + dt) = 0/K(t) = 0]


P0 (t) (1 dt)

do`
u : P0 (t) = P0 (t)
Pour k > 0
Pk (t + dt)

= P [K(t + dt) = k] = P [K(t) = k] P [K(t + dt) = k/K(t) = k]


+P [K(t) = k 1] P [K(t + dt) = k/K(t) = k 1]
= Pk (t) (1 dt) + Pk1 (t) dt

do`
u : Pk (t) = Pk1 (t) Pk (t)
Les equations differentielles permettant detudier la famille de fonctions sont :

P0 (t) + P0 (t) = 0

k N t R
Pk (t) + Pk (t) = Pk1 (t)
2- Il suffit de resoudre les equations differentielles precedentes pour repondre `a la question.
Pour k = 0
En sachant que P0 (0) = 1, il vient :
P0 (t) = et
Pour k > 0
k
t
pour k N :
Il suffit de proceder par recurrence que Pk (t) = (t)
k! e
Pour k=0, cest dej`
a demontre
Supposons le resultat vrai pour un certain k et demontrons la formule en k + 1
Nous pouvons rechercher Pk+1 (t) sous la forme K(t)et . On a donc

Pk+1
(t) = (K (t) K(t))et
k

En utilisant alors la formule de recurrence, on en deduit que K (t) = (t)


do`
u
k!
(t)k+1
+ C. En utilisant la condition initiale Pk+1 (0) = 0, il vient :
K(t) =
(k + 1)!
Pk+1 (t) =

(t)k+1 t
e
(k + 1)!

ce qui etablie la propriete au rang k + 1.


Nous avons donc :
k N t R

Pk (t) =

(t)k t
e
k!


CHAPITRE 8. CORRIGES

30

3Calcul de E[K(t)]
E[K(t)]

=
=
=
=

X
(t)k t
k
e
k!
k=0

X
(t)k
et
k
k!
k=1

X
(t)(k1)
et t
(k 1)!
k=1
t

E[K(t)] = t
Calcul de E[K(t)(K(t) 1)]
En utilisant le theor`eme de transfert :
E[K(t)(K(t) 1)]

=
=

k=0

k(k 1)

(t)k t
e
k!

k(k 1)

(t)k t
e
k!

k=2

=
=
=
=

X
(t)k
(k 2)!
k=2

X
(t)k2
et (t)2
(k 2)!
k=2

X
(t)k
et (t)2
k!
k=0
2
(t)

et

E[K(t)(K(t) 1)] = (t)2


C alcul de E[K 2 (t)]
E[K 2 (t)] = E[K(t)(K(t) 1) + K(t)] = E[K(t)(K(t) 1)] + E[K(t)] = (t)2 + t
Calcul de V ar[K(t)]
V ar[K(t)] = E[K 2 (t)] E[K(t)]2 = (t)2 + t (t)2 = t
4Fonction de r
epartition du temps s
eparant deux arriv
ees
Nous pouvons raisonner `
a partir du temps 0 et rechercher la probabilite quun ev`enement arrive
avant t.
Soit t le temps separant deux arrivees. Nous cherchons P [t < t] = 1 P [t >= t] = 1 P [K(t) = 0]
do
u:
P [t < t] = 1 et
Densit
e de probabilit
e
La densite de probabilite de t est la derivee de la fonction de repartition de t :
ft = et
Esp
erance math
ematique
Lesperance mathematique de t est, en integrant par partie :
R
E[t] = t=0 tft(t)dt = 1

La moyenne du temps separant deux arrivees est donc linverse du param`etre de Poisson de la loi
darrivee... On a donc deux definitions pour les lois de Poisson : celle donnee `a la premi`ere question
du sujet et celle qui caracterise le temps entre deux arrivees t.

31

Modele du r
eparateur
Nous considerons une chane de Markov `a K etats. Letat i est atteint lorsque i machines parmi
les K sont en pannes.
1Lemme sur la loi de linf de n variables independantes de loi exponentielle Soit n variables aleatoires
independantes Xi de loi exponentielle de param`etre i .
P [Inf (Xi ) x] = 1 P [Inf (Xi ) > x] (Passage au complementaire)
n
Y
P [Xi > x]
(Independance des variables)
= 1
i=1
n
Y

1e

ei x

i=1
Pn

i=1

i x

Lorsque x tend vers 0, nous avons donc :


P [Inf (Xi ) x] =

n
X

i x + o(x)

i=1

Expression du taux de passage de l


etat n `
a l
etat n + 1
Nous supposons donc quil y a K n machines en etat de marche. Soit Xi le temps qui separe
linstant courant de la panne de la machine i. La premi`ere machine tombera en panne au bout dun
temps Inf (Xi ).
La probabilite de passer de letat n `a letat n + 1, cest `a dire P[X(t+dt)=n+1 / X(t+dt)=n] est
donc :
P [X(t + dt) = n + 1/X(t) = n] = (K n)dt + o(dt)
Expression du taux de passage de l
etat n + 1 `
a l
etat n
Le reparateur est exponentiel et lon passe donc de letat n + 1 `a letat n avec le taux .
2- On a bien un procesus sans memoire, qui de plus, evolue uniquement par saut de 1 ou -1. Cest
donc un processus de naissance et de mort.

On a donc :

K!
(0)(1)...(n 1)
P (0) =
P (n) =
(1)(2)...(n)
(K n)!

La probabilite davoir K machines en pannes est donc :


 K
K!
 n
P (K) = P
K
K!
n=0 (Kn)!

soit :

P (K) =

1
PK

1
n=0 (Kn)!

do`
u en reindexant (n=K-n) :

 nK

 n

P (0)


CHAPITRE 8. CORRIGES

32

P (K) =

1
n

( )

1
n=0 n!

PK

3- On trouve : P (7) = 4.7 1011 .

Unit
e de transmission `
a capacit
e limit
ee
On suppose que les messages forment un trafic poissonnien, de debit moyen 2 messages par seconde.
La duree de transmission est constante E[S] = 400 ms et on neglige les erreurs de transmission.
Quelle doit etre la capacite du nud de transmission pour que la probabilite de rejet soit inferieure
`a 103 ?
Il y a rejet que si et seulement si la file `a capacite limitee est pleine.
En faisant une coupe, on obtient P (n) = (S)n P (0) do`
u en utilisant lequation de normalisation :

soit, en posant = S :

(E[S])n
n [0..N ] P (n) = PN
i
i=0 (E[S])
n [0..N ] P (n) =

1
n
1 N +1

La probabilite de rejet est donc :


Prejet = P (N ) =

1
N
1 N +1

1
N < 103 equivaut `a x x < 103
1 N +1
103
103
N
do`
u

<
. Il faut passer ensuite au
en posant x = N . Soit x <
3
1 + 103
 1 3+ 10 
10
, do`
u, puisque < 1 et ln() < 0 :
logarithme : N ln() < ln
1 + 103
On en deduit alors N pour que Prejet < 103 :

ln
N>

103
1+103

ln()

On trouve alors : = E[S] = 0.8 et N 24

Unit
e de transmission avec des erreurs de transmission
1- Notons e le flux dentr
ee dans la file dattente, s le flux `a la sortie du serveur, d celui de
d
epart du syst`eme et r le flux de rebouclage.
p
On a toujours r = ps et d = (1 p)s , soit aussi : r =
d .
1p
Ladditivite des flux, avant lentree dans la file dattente donne toujours : e = + r .
On a e = e, de par la definition de e.
Il existe au moins quatre facons de trouver le nombre moyen de passages e dans le syst`eme {file
dattente ; serveur} :
Stationnarit
e du syst`
eme {file dattente ; serveur}
Sous cette hypoth`ese, le flux de sortie du serveur est egal a` e : s = e . On a donc r = pe.
En utilisant ladditivite des flux, nous pouvons ecrire e = + pe et resoudre en e.
Stationnarit
e du syst`
eme {file dattente ; serveur ; rebouclage}
p
Sous cette hypoth`ese, le flux de depart du syst`eme est egal `a : d = , do`
u r =

1p
p
et resoudre en e.
En utilisant ladditivite des flux, nous pouvons ecrire e = +
1p
Esp
erance de e
Soit X la variable aleatoire indiquant le nombre de passages dun client dans le syst`eme {file

33

dattente ; serveur}.
Un client passe exactement k fois dans la file avec la probabilite pk1 (1 p) :
k N

P [X = k] = pk1 (1 p)

Lesperance de E est donc :


E[X] =

ip

i1

(1 p) = (1 p)



X
d(xi )
i=1

i=1

dx

x=p

= (1 p)

X
i=1

x=p

Sommer les p
On passe une fois avec la probabilite 1, une deuxi`eme avec la probabilite p, une troisi`eme p2 , etc.
Do`
u le resultat en sommant pk de k = 0 `a linfini.
Conclusion Le nombre moyen de passages e dans la file est :
1
e=
1p
2- Nous pouvons considerer le syst`eme complet {file dattente ; serveur ; rebouclage} et y appliquer
la loi de Little : L = E[R] o`
u L est le nombre de client dans le syst`eme complet.
Soit N (t) le processus indiquant le nombre de client dans le syst`eme complet. Le processus darrivee
dans le syst`eme est poissonnien. Un client ne quitte le syst`eme quapr`es un service exponentiel et
avec la probabilite (1-p). N (t) est donc Markovien.
Un seul client ne peut arriver pendant dt et ceci se produit avec la probabilite dt + o(dt). Un seul
client ne peut sortir du syst`eme pendant dt, et ceci avec la probabilite (1 p) + o(dt). Cest donc

=
E[S], on trouve :
un processus de naissance et de mort. En posant =
(1 p)
1p
n = (1 )n

n N
do`
uL=

X
i=0

ii =

. On a donc :
1
L=

E[S]
1 p E[S]

Conclusion et applications num


eriques
En utilisant la loi de Little sur le syst`eme entier, on obtient :
E[R] =

E[S]
1 p E[S]

On trouve L = 8 et E[R] = 4s.


Remarque
On peut aussi considerer cela comme un reseau de Jackson `a une seule file avec e =

1
1p .

Etude de la file M/M/C/C


1- Soit N (t) le nombre de clients dans le syst`eme `a linstant t.
N (t) est markovien car la seule connaissance de N (t) permet de prevoir les prochains departs de
clients (temps residuel de service exponentiel), la prochaine arrivee de client (temps residuel de
service exponentiel).
N (t) est un processus de naissance et de mort si les seules transitions possibles se font entre les
etats voisins :
(T )k T
e
.
La probabilite quil y ait k arrivees pendant un intervalle de temps T est Pk (T ) =
k!

dt
P0 (dt) = e
= 1 dt + o(dt)

dt
On a donc :
e
= dt + o(dt)
P1 (dt) = dt
1!

k > 1 Pk (dt) = o(dt)


Le processus darrivee est poissonnien et il ne peut y avoir quune seule arrive entre t et t + dt.


CHAPITRE 8. CORRIGES

34

La probabilite quil y ait j departs pour k serveurs occupes pendant un intervalle de temps dt
est :
Qj (dt) = Ckj (dt + o(dt))j (1 dt + o(dt))kj

Q0 (dt) = 1 kdt + o(dt)

Q1 (dt) = kdt + o(dt)


On a donc :

j > 1 Qj (dt) = o(dt)


Le processus N (t) est donc un processus de naissance et de mort. Les taux darrivees et de
depart sont respectivement et k o`
u k est le nombre de serveurs occupes.
2- En ecrivant la chane de Markov associee `a la file et en coupant entre letat n et n + 1, nous
avons :
n (0) = (n + 1)
do`
u
n

(n) =

1
n!

 n

(0)

do`
u en ecrivant lequation de normalisation, on obtient :
n

(n) =

1
1
P
1 kn
n! C

k=0
k!

3- La probabilite quun client qui arrive soit rejete est la probabilite que la file soit pleine, cest `a
dire :
1
1
Prejet =
PC 1 kC
C! k=0
k!

4- Le nombre moyen de clients dans la file est :


L = E[N ] ==

C
X

n=0

n(n) =

C
X

n=0

1
1
PC 1 kn = (1 prejet )
n! k=0
k!

Le temps moyen de reponse E[R] est egal `a E[W ] + E[S] avec ici E[W ] = 0 (pas dattente).
u E[R] = 1 .
On peut ecrire que E[S] = 1 (temps moyen de service) do`
Une autre solution est dappliquer la loi de Little au syst`eme des serveurs. On a E[L] = E[S]
o`
u est le debit entrant dans ce syst`eme. Ici, nous avons vu que = (1 prejet ) do`
u E[R] =

1
L
E[S] = = = .

File `
a Serveurs H
et
erog`
enes

1- Serveurs homog`
enes
a- Cest une file `
a arrivees poissonniennes de taux (On ecrit M car Markovien), `a services
exponentiels de param`etre (M), comportant 2 serveurs. La priorite est celle par defaut, FCFS.
Le nombre de place est infini (par defaut) et la population aussi (par defaut).
La notation de Kendall de la file est M/M/2.
b- N (t) est Markovien car la seule connaissance de N(t) permet de prevoir les prochains departs
de clients (temps residuel de service exponentiel) ainsi que la prochaine arrivee de client (temps
residuel dinterarrivee exponentiel).
Cest un processus de naissance et de mort et les taux de passage sont :

P [N (t + dt) = k + 1/N (t) = k] =dt + o(dt) k 0


dt + o(dt)
k=1
P [N (t + dt) = k 1/N (t) = k] =
2dt + o(dt) k 1
c- En ecrivant la chane de Markov associee `a la file et en effectuant une coupe on trouve :
i 1 i = 2i 0

avec =

Il suffit decrire lequation de normalisation pour determiner 0 . Si la condition de stabilite de la


file est verifiee, < 1 , on trouve que :

35

0 =

1
1+

k =

1 k
2
1+

d- Le calcul de L conduit `
a:
E[L] =

2
1 2

En ecrivant la loi de Little, on a :


E[R] =

2
(1 2 )

2- Serveurs h
et
erog`
enes
a- Le processus N (t) nest pas Markovien car lorsque N (t) = 1, on ne peut pas predire le passage `a
letat 0. En revanche, nous savons que le temps residuel est exponentiel, mais nous ne connaissons
pas son param`etre. En effet, si cest le premier serveur qui est occupe, alors le param`etre vaut 2,
si cest le second, il vaut .
Le processus N (t) nest pas Markovien.
b- E(t) est un processus Markovien car il permet de savoir dans quel serveur se trouve le client
lorsquil ny en a quun dans la file. Nous pouvons calculer les probabilites de transition :
k > 0

k > 2

P [N (t + dt) = k + 1/N (t) = k]


P [N (t + dt) = 0/N (t) = 1 ]
P [N (t + dt) = 0/N (t) = 1 ]
P [N (t + dt) = 1 /N (t) = 2]
P [N (t + dt) = 1 /N (t) = 2]
P [N (t + dt) = k 1/N (t) = k]

=
=
=
=
=
=

dt + o(dt)
2dt + o(dt)
dt + o(dt)
dt + o(dt)
2dt + o(dt)
3dt + o(dt)

Ce nest pas un processus de naissance et de mort, car letat 2 est relie `a trois etats differents.
c- Nous determinons :
3 =

2 = 2
3
3

puis

i
 i
1

2 =
i 0 i+2 =
3
3
En effectuant une coupe autour de letat 0, nous avons :


0 = 21 + 1
En effectuant une coupe autour de 1 , nous avons :
( + )1 = 22
En effectuant une coupe `
a gauche de 2 , nous avons :
(1 + 1 ) = 32
On en deduit que :
0 = 52

1 = 22

1 = 2

Condition de normalisation :

i = 1 = 2 5 + 2 + 1 +

i=0

or

"

< 1 donc le syst`eme est stable .


3
On en deduit :

 i
X
1
i=0


CHAPITRE 8. CORRIGES

36

2 =

2
10
4
2
, 0 =
, 1 =
, 1 =
19
19
19
19
k+2 =

2
19

 k
1
3

dCalcul du nombre de clients


E[L] = 0 0 + 1 1 + 1 1 +

kk

k=2

E[L]

=
=

 k2

2 X
6
1
+
k
19 19
3
k=2
"
 k1 #

X
1
6
k
1+
19
3
k=2

Apr`es avoir calcule la derni`ere somme, on trouve :


E[L] =

27
38

Calcul du temps de r
eponse
En appliquant la loi de Little, nous determinons :
E[R] =

27
E[L]
=

38

Calcul du taux doccupation de chacun des serveurs


On a directement :
U1 = 1 0 1 =

7
19

U2 = 1 0 1 =

5
19

Temps moyen dattente E[W ]


Soit E[LW ] le nombre moyen de clients en attente. Nous avons : E[L] = E[LW ] + E[LS ] o`
u
E[LS ] = E[L1 ]+E[L2 ], avec E[L1 ] = U1 , E[L2 ] = U2 . On en conclue que E[LW ] = E[L]U1 U2 =
3
38 .
En appliquant la loi de Little au syst`eme sans les serveurs, nous determinons :
E[W ] =

3
E[LW ]
=

38

Nous pouvons calculer de la meme facon le temps E[S] :


Soit E[Ls ] le nombre moyen de clients en service. Nous avons : E[LS ] = E[L1 ] + E[L2 ] = U1 + U2 .
On en conclue que E[LS ] = 12
19 .
En appliquant la loi de Little au syst`eme des deux serveurs, nous determinons :
E[S] =

E[LS ]
12
=

19

Proportion de clients servis par chacun des deux serveurs


Soit 1 le debit de ceux qui sont traites par le serveur rapide. Soit 2 le debit de ceux qui sont
U2
U1
= 2U1 et 2 = E[S
= U2 .
traites par le serveur lent. On a = 1 + 2 . De plus, 1 = E[S
1]
2]
Nous pouvons alors determiner la proportion de clients servis par chaque serveur.
La proportion de clients services par le serveur rapide est :

37

2U1
14
2U1
1
=
=
=
= 73, 7%

2U1 + U2
2U1 + U2
19
La proportion de clients services par le serveur lent est :
U2
5
U2
2
=
=
=
= 26, 3%

2U1 + U2
2U1 + U2
19

Performance dun
etage dabonn
es - File M/M/C/C/N
1- Montrons que la seule connaissance de N (t) suffit `a determiner N (t + dt) :
Premi`
ere m
ethode
Arriv
ees
Supposons que N (t) = k, avec k [0..C]. Le nombre de client en dans la premi`ere file est donc :
(N k). Il y a exactement i arrivees (i tel que k + i C puisque le nombre de clients pouvant etre
servi est limite par C et i N k puisque le nombre de clients dans la premi`ere file est N k) dans
la seconde file pendant dt si il y a i fins de service exponentiels de param`etre dans la premi`ere
file et N k i clients qui ne finissent pas leur service :
i
i
N ki
i [1, C k] P [N (t + dt) = k + i/N (t) = k] = CN
k (dt + o(dt)) (1 dt + o(dt))

Nous en concluons que :


P [N (t + dt) = k + 1/N (t) = k] = (N k)dt + o(dt)
i [2, C k] P [N (t + dt) = k + i/N (t) = k] = o(dt)
La connaissance de N (t) = n permet donc de prevoir les arrivees entre t et t + dt.
Un seul client peut arriver pendant dt et il arrive avec le taux (N n).
D
eparts
Supposons que N (t) = k, avec k [0..C]. Il y a exactement i departs (i tel que i k puisque
le nombre de clients dans la seconde file est k) si il y a i fins de service exponentiels de param`etre
et k i clients qui ne finissent pas leur service :
i [0, k] P [N (t + dt) = k i/N (t) = k] = Cki (dt + o(dt))i (1 dt + o(dt))ki
Nous en concluons que :
P [N (t + dt) = k 1/N (t) = k] = kdt + o(dt)
i [1, k] P [N (t + dt) = k i/N (t) = k] = o(dt)
La connaissance de N (t) = n permet donc de prevoir les departs entre t et t + dt.
Un seul client peut partir pendant dt et il part avec le taux n.
Seconde m
ethode
Arriv
ees
Supposons que N (t) = k, avec k [0..C]. Nous savons quil ne peut y avoir quun seul depart
entre t et t + dt de la premi`ere file de service exponentiel de param`etre (il pourrait y avoir deux
departs, mais avec une probabilite en dt2 infiniment petite par rapport `a la probabilite pour quil
y en est un qui est en dt). Nous savons de plus que ce depart suit la loi de linf du temps residuel
des N k services exponentiels. Il a ete demontre que la loi de linf de p lois exponentielles de
param`etre i est une loi exponentielle de param`etre la somme des i . Ici, nous avons N k services
exponentielles de param`etre do`
u:
P [N (t + dt) = k + 1/N (t) = k] = (N k)dt + o(dt)
D
eparts


CHAPITRE 8. CORRIGES

38

Supposons que N (t) = k, avec k [0..C]. Nous savons quil ne peut y avoir quun seul depart
de la seconde file entre t et t + dt. Ce depart se fait selon la loi de linf des k lois residuelles des
clients en service, do`
u:
P [N (t + dt) = k 1/N (t) = k] = kdt + o(dt)
Conclusion
Le processus N (t) est Markovien. De plus, cest un processus de naissance et de mort `a C + 1
etats o`
u:
n [0, C 1] (n) = (N n)
n [1, C]
(n) = n
La chane de Markov comporte un nombre fini detats et est fortement connexe. Le processus est
donc ergodique.
2- N (t) etant un processus de naissance et de mort, nous avons :
(0)...(n 1)
N!
n [0, C] (n) =
=
(1)...(n)
(N n)!n!
Ce qui peut secrire, en posant =

 n

(0)

n n
n [0, C] (n) = CN
(0)

Nous determinons alors les probabilites stationnaires, apr`es avoir utilise la condition de normalisation :
C n n
n [0, C] (n) = PC N
i i
i=0 CN

3- Nous ne pouvons pas appliquer la propriete PASTA ici. Il serait faux decrire que la probabilite
de rejet est celle davoir C clients dans la file, comme nous allons le montrer.
Notons N (C) la probabilite que C serveurs soient occupes lorsquil y a N clients dans le reseau :

Calcul du d
ebit au point A : A
Le debit au point A est :
A

C C C
N (C) = PC N
i i
i=0 CN

=
=

C
X

k=0
C
X

(N k)(k)
k k
(N k)CN
(0)

k=0

Premi`
ere m
ethode
Cette premi`ere methode consiste `
a suivre les indications du sujet en calculant le debit au point
B:
Calcul du d
ebit au point A : B
Le debit au point B est obtenu en considerant quil y a C clients dans la file 2 (avec la probabilite
(C). Il y a alors N C clients dans la 1. Une fois servi dans la file dattente, il sont tous rejete,
do`
u:
B

=
=

(N C)(C)
C C
(N C)CN
(0)

Calcul de la probabilit
e de rejet
La probabilite de rejet est le rapport entre le debit rejete et le debit offert :

39

P (rejet)

=
=
=

do`
u:

B
A
C
(N C)CN
C (0)
PC
k k
k=0 (N k)CN (0)
C C
(N C)CN
PC
k k
k=0 (N k)CN

(N 1)!
N!
C
C
C
C
(N C) (N C)!C!
N (N 1C)!C!
CN
1
=
P (rejet) = PC
=
= N 1 (C)
P
P
C
C
(N
1)!
N!
k
k
k
k
k=0 (N k) (N k)!k!
k=0 CN 1
k=0 N (N 1k)!k!

Seconde m
ethode
Cette seconde methode consiste a` calculer le debit au point E :
Calcul du d
ebit au point E : E
Le debit au point E est :
E

=
=
=
=
=
=
=

C
X

k=0
C
X

k=1
C
X

k=1
C
X

k=1
C
X

k=1
C
X

k(k)
k(k)
k

N!
k (0)
(N k)!k!

k1

N!
(N (k 1))(0)
(N k + 1)!(k 1)!

k1 k1
(N (k 1))CN

(0)

(N (k 1))(k 1)

k=1
C1
X

(N k)(k)

k=0

Calcul de la probabilit
e de rejet

D
. Or D = E . Nous determinons :
A
PC1
(N k)(k)
E
P (rejet) = 1
= 1 Pk=0
C
A
k=0 (N k)(k)

La probabilite de rejet est egale `


a : 1

soit :

(N C)(C)
P (rejet) = PC
k=0 (N k)(k)

En simplifiant, comme dans la premi`ere methode, ceci conduit `a


P (rejet) = N 1 (C)

Conclusion
Dans cet exercice, la propriete PASTA ne sapplique pas. On observe que la probabilite de rejet
est egale `
a la probabilite que lon aurait eu davoir C serveurs occupes si il y avait eu N 1 clients
et non N .
En realite, ce resultat nest pas le seul fruit du hasard. Il sagit en fait de lapplication particuli`ere
`a ce probl`eme dun theor`eme connu sous le nom Sevcik Mitrani :
Lorsquun client entre dans une file dans un r
eseau BCMP il voit cette file dans un

etat qui est en moyenne l


etat de la file dans le m
eme r
eseau ferm
e mais avec un client
de moins au total dans le r
eseau ferm
e


CHAPITRE 8. CORRIGES

40

Influence de la variance des services et de la loi de priorit


e
Nous avons : Ui = i = i E[Si ] do`
u:
U1 = 1 = 0.25 et U2 = 2 = 0.375
Pour calculer U , probabilite que le serveur soit occupe, il suffit dadditionner les probabilites
precedentes :
U = U1 + U2 = 0.625
On peut aussi ecrire que U = = E[S] o`
u est le debit global et E[S] le temps moyen de service,
toutes classes confondues :
= 1 + 2 = 1/2.4 + 1/0.8 = 1.6667 = 1/0.6
E[S] est la moyenne des temps de service :
E[S] =

1
2
E[S1 ] + E[S2 ] = 0.375

ce qui donne :
U = = 0.375/0.6 = 0.625
Service PS

, do`
u:
Dans ce cas, on a E[Wi ] = E[Si ]
1

E[W1 ] = E[S1 ]
= 1 et E[W2 ] = E[S2 ]
= 0.5
1
1
Pour calculer E[W], il suffit de dire que cest la moyenne des temps de sejour dans le buffer :
E[W ] =

2
1
E[W1 ] + E[W2 ] = 0.625

On peut aussi dire que :


E[W ] = E[S]

= 0.625
1

Dans le cas dun service PS, que les services soient constants ou exponentiels, nous avons :
E[R1 ] = E[W1 ] + E[S1 ] = 1.6
E[R2 ] = E[W2 ] + E[S2 ] = 0.8
E[R] = E[W ] + E[S] = 1
Service FCFS

La formule lattente E[Wi ] =

1 + Cj2
1 X
j E[Sj ]
montre que lattente dans le buffer est
1 j=1
2

independante des classes, mais depend des carres des coefficients des services.
Services Constants
On a alors C1 = 0 et C2 = 0 do`
u:
E[W ] = E[W1 ] = E[W2 ] =

1 1 E[S1 ] + 2 E[S2 ]
= 0.35
1
2

Dans le cas dun service FCFS avec services constants, nous avons :
E[R1 ] = E[W1 ] + E[S1 ] = 0.95
E[R2 ] = E[W2 ] + E[S2 ] = 0.65
E[R] = E[W ] + E[S] = 0.725
Services Exponentiels
Pour une loi exponentielle, le coefficient de variation est 1, soit C1 = 1 et C2 = 1, do`
u:
E[W ] = E[W1 ] = E[W2 ] =

1
(1 E[S1 ] + 2 E[S2 ]) = 0.70
1

41

Dans le cas dun service FCFS avec services


E[R1 ] = E[W1 ] + E[S1 ]
E[R2 ] = E[W2 ] + E[S2 ]
E[R] = E[W ] + E[S]

exponentiels, nous avons :


= 1.3
=
1
= 1.075

Conclusion
Dans le cas dune discipline FCFS, le temps dattente dans le buffer est le meme pour toutes les
classes. Dans le cas dune discipline PS, cela lisse la variance des services.

Longueur des paquets IP


1- Soit i , i = (1, 2, 3) les taux darrivees en octets par secondes de chacun des trois types de
paquets. Le debit darrivee dans la file de sortie du routeur A est donc : = 1 + 2 + 3 . Nous
savons de plus que ces arrivees suivent une loi poissonnienne de taux , puisque la somme de
plusieurs flux poissonniens est poissonnienne.
li
Les arrivees sont donc poissonniennes, le temps de service Si est constant (Si = ), la discipline
D
est FCFS, la capacitee est infinie et la population est infinie.
La discipline etant FCFS, le temps dattente dans le buffer est le meme pour toutes les classes (et
donc en moyenne) et vaut, puisque le carre du coefficient de variation de ce service est 0 :
3

E[W ] = E[W1 ] = E[W2 ] = E[W3 ] =

1 X i S i
1 i=1 2

est la charge du serveur, cest a


` dire du lien. Il nous reste a` determiner la somme
3
3
X
X
i Si2
(car i = i Si )
i S i =
i=1

i=1

3
X
i=1

=
=
=
=

li
D

P3

i=1

i S i :

2

3
1 X
i (li )2
D2 i=1
3
X i
(li )2
D2 i=1

E[L2 ]
D2

(E[L]2 + 2 [L])
D2

do`
u:
E[W ] = E[W1 ] = E[W2 ] = E[W3 ] =

(E[L]2 + 2 [L])
2D2 (1 )

Il reste alors `
a determiner . Nous pouvons determiner le taux de service moyen : E[S] =
do`
u:

D
=
=
E[S]
E[L]

E[L]
D

Do`
u:



2 [L]

2
2
(E[L] + [L]) =
E[L] 1 + 2
E[W ] = E[W1 ] = E[W2 ] = E[W3 ] =
2DE[L](1 )
2D(1 )
E [L]
Le temps dattente passe dans la file de sortie du routeur (attente + service) est donc :


2 [L]
li
E[L]
1+ 2
+
i [1, 3] E[Ri ] = E[W ] + Si =
1 2D
E [L]
D


CHAPITRE 8. CORRIGES

42

et en moyenne :
E[L]
E[R] = E[W ] + E[S] =
D

E[L]
1 2D




2 [L]
1+ 2
+1
E [L]

2- Applications numeriques Les temps de services pour chaque classe et moyen sont :
ES1 = 0.5 s

S2 = 5 s

S3 = 15 s

Syst`
eme multi-programm
e`
a m
emoire virtuelle
1- Le fait que la file WAIT ne soit jamais vide implique quil y a toujours M = 4 clients dans le
syst`eme central. Letude faite ici est `
a forte charge.
Pour calculer le temps de reponse moyen R du syst`eme complet, on peut ecrire la formule de
Little, appliquee au reseau entier :
(E[Z] + E[R]) = N
On en deduit que (formule 1) :
E[R] =

N
E[Z] = 21 s

Pour calculer le temps de reponse moyen E[R ] du syst`eme central, on peut appliquer la formule
de Little au syst`eme central :
E[R ] = M
On en deduit que :
E[R ] =

M
= 10 s

Le temps moyen E[W ] dattente dans la file WAIT verifie lequation : E[R] = E[W ] + E[R ].
On en deduit que :
E[W ] = E[R] E[R ] = 11 s
2- Calculer les demandes totales de traitement au CPU et au disque, par interaction.
Les demandes totales de traitement au disque et au CPU sont respectivement eDK E[SDK ] et
eCP U E[SCP U ].
Pour une interaction, il y a eDK = 50 appels au disque. Nous avons donc :
eDK E[SDK ] = 50 40 103 = 2 s
Ne connaissant pas E[SCP U ] (on peut demontrer que eCP U est egal `a 51), nous ecrivons que
eCP U E[SCP U ] = 2s :
eCP U E[SCP U ] = 2 s
Pour ces demandes totales au disque et au CPU, nous pouvons majorer le debit de sortie du
syst`eme central. En effet, le taux dutilisation de chaque serveur est strictement inferieur `a 1. Il y
a donc deux inequations `
a verifier :

UCP U
eCP U E[SCP U ]
UDK
eDK E[SDK ]

<
<

1
eCP U E[SCP U ]
1
eDK E[SDK ]

Ces deux inequations conduisent `


a ecrire que le debit de sortie du syst`eme central est effectivement
majore :

43

< 0.5 interaction/s


Par la suite, on fera lhypoth`ese que les services disque et CPU sont distribues suivant des lois
exponentielles et independantes, que la loi de priorite est FIFO et que les files sont infinies.
3- Nous pouvons decider de modeliser le syst`eme central par un reseau ouvert. Si les entrees
dans le syst`eme etaient poissonniennes, nous nous trouverions dans les conditions dapplication du
theor`eme de Jackson.
Dans le cas de services exponentiels, nous savons que le nombre de clients dans la file CPU est
CP U
avec CP U = eCP U E[SCP U ] = 0, 4 2 = 0, 8 et que celui dans la file du disque est
1 CP U
DK
avec DK = eDK E[SDK ] = 0, 4 2 = 0.8. Le nombre de clients dans chacune des deux
1 DK
0.8
= 4.
files est donc de
1 0.8
Le degre de multiprogrammation serait donc de 8.
Le temps de reponse du syst`eme central est determine en appliquant la loi de Little au syst`eme
central :
Le temps de reponse du syst`eme central serait de E[R ] =

8
0,4

= 20 s

Les reponses ne correspondent donc pas aux mesures.


En conclusion, les entrees ne sont pas poissonniennes.
4- Nous pouvons ici appliquer le theor`eme de Gordon et Newell. Il est possible de calculer directement les probabilites ou dappliquer lalgorithme de Reiser
Calcul direct des probabilit
es
Soient n1 et n2 le nombre de clients dans la file CPU, respectivement DK. Nous avons toujours
n1 + n2 = 4. Les probabilites sont, en application du theor`eme de Gordon et Newell :
P (4, 0)
P (3, 1)
P (2, 2)
P (1, 3)
P (0, 4)

=
=
=
=
=

C(eCP U E[SCP U ])4 (eDK SDK )0


C(eCP U E[SCP U ])3 (eDK SDK )1
C(eCP U E[SCP U ])2 (eDK SDK )2
C(eCP U E[SCP U ])1 (eDK SDK )3
C(eCP U E[SCP U ])0 (eDK SDK )4

=
=
=
=
=

C(2)4 (2)0
C(2)3 (2)1
C(2)2 (2)2
C(2)1 (2)3
C(2)0 (2)4

= C(2)4
= C(2)4
= C(2)4
= C(2)4
= C(2)4

Nous constatons que toutes ces probabilites sont egales. De plus, leur somme est egale `a 1. Nous
en deduisons :
1
P (4, 0) = P (3, 1) = P (2, 2) = P (1, 3) = P (0, 4) = = 0, 2
5
Le taux dutilisation du serveur CPU est donc de UCP U = 1 P (0, 4) = 0.8, celui du serveur
DK est de UDK = 1 P (4, 0) = 0.8. Le debit est obtenu en ecrivant :
=

UDK
0, 8
UCP U
=
=
= 0, 4 interaction/s
eCP U E[SCP U ]
eDK E[SDK ]
2

Le nombre de clients dans la file CPU est : LCP U = 4P (4, 0) + 3P (3, 1) + 2P (2, 2) + 1P (1, 0) =
10 0, 2 = 2. De meme, celui dans la file DK est de LDK = 2.
Le nombre de clients total est donc bien de M = 4. On applique la formule de Little pour trouver
le temps de reponse du syst`eme central :
E[R ] =
Algorithme de Reiser

4
M
=
= 10 s.

0, 4


CHAPITRE 8. CORRIGES

44

K
eCP U RCP U (K)
eDK RDK (K)
(K)
LCP U (K)
LDK (K)

1
2
2
1/4
1/2
1/2

2
3
3
1/3
1
1

3
4
4
3/8
3/2
3/2

4
5
5
2/5
2
2

Nous aurions pu determiner la derni`ere colonne en observant la symetrie pour les deux files. Vu
K
. En particulier,
que eCP U E[SCP U ] = eDK E[SDK ], on a toujours LCP U (K) = LDK (K) =
2
3
LCP U (3) = LDK (3) = . Nous pouvions donc directement ecrire la quatri`eme colonne.
2
Nous determinons le debit :
=

2
= 0, 4 interaction/s
5

Nous determinons le temps de reponse du syst`eme central :


E[R ] = eCP U E[RCP U (4)] + eDK E[RDK (4)] = 10 s
Conclusion
Nous avons pu retrouver le debit et le temps de reponse du syst`eme central. Nous pouvons donc
affirmer que :
Le mod`ele ferme est valable
5- Nous pouvons ici appliquer le theor`eme de Gordon et Newell. Il est possible de calculer directement les probabilites ou dapliquer lalgorithme de Reiser
La file WAIT netant jamais vide, nous pourrions reprendre les raisonnements de la seconde
question determiner :
eDK E[SDK ] = 25 40 103 = 1 s
Algorithme de Reiser
K
eCP U RCP U (K)
eDK RDK (K)
(K)
LCP U (K)
LDK (K)

1
2
1
1/3
2/3
1/3

2
10/3
4/3
3/7
10/7
4/7

Nous determinons le debit :


=

3
0, 43 interaction/s
7

Nous determinons le temps de reponse du syst`eme central :


E[R ] = eCP U E[RCP U (2)] + eDK E[RDK (2)] =

14
4, 7 s
3

Calcul direct des probabilit


es
Soient n1 et n2 le nombre de clients dans la file CPU, respectivement DK. Nous avons toujours
n1 + n2 = 2. Les probabilites sont, en application du theor`eme de Gordon et Newell :
P (2, 0)
P (1, 1)
P (0, 2)

=
=
=

C(eCP U E[SCP U ])2 (eDK SDK )0


C(eCP U E[SCP U ])1 (eDK SDK )1
C(eCP U E[SCP U ])0 (eDK SDK )2

=
=
=

De plus, leur somme est egale `


a 1. Nous en deduisons que C =

C(2)2 (1)0 = 4C
C(2)1 (1)1 = 2C
C(2)0 (1)2 = C

1
do`
u
7

45

P (2, 0) =

4
2
1
, P (1, 1) = , P (0, 2) =
7
7
7

Le taux dutilisation du serveur CPU est donc de UCP U = 1 P (0, 2) =


DK est de UDK = 1 P (2, 0) = 73 . Le debit est obtenu en ecrivant :
=

6
7,

celui du serveur

UCP U
UDK
3
=
= 0, 43 interaction/s
eCP U E[SCP U ]
eDK E[SDK ]
7

10
Le nombre de clients dans la file CPU est : LCP U = 2P (2, 0) + 1P (1, 1) =
. De meme, celui
7
4
dans la file DK est de LDK = .
7
Le nombre de clients total est donc bien de M = 2. On applique la formule de Little pour trouver
le temps de reponse du syst`eme central :
E[R ] =

2
14
M
= 3 =
4, 7 s

3
7

Calcul du taux de recouvrement


Le taux de recouvrement CPU/disque est la probabilite pour que ces deux unites soient actives
simultanement. Il faut donc avoir determine les probabilites des nombres de clients dans chaque
file pour le determiner.
Taux de recouvrement = P (1, 1) =

2
0, 29 29%
7

Conclusion
Pour comparer les deux configurations, il ne faut pas comparer les temps de reponse des deux
syst`emes centraux ! En effet, il sagit de comparer les performances, vu des terminaux. Un terminal
sera donc sensible au temps de reponse du syst`eme global, cest `a dire `a celui du syst`eme central
plus celui de la file WAIT. Il est evident que lorsque le nombre de clients dans le syst`eme central
diminue, le temps de reponse du syst`eme central diminue. Il nest donc pas utile de comparer les
temps de reponse. Mais il est aussi evident que lorsque le degre de multiprogrammation diminue,
le temps dattente dans la file WAIT augmente. Cest la somme du temps de reponse du syst`eme
central et du temps dattente dans la file WAIT qui nous interesse ou, ce qui est equivalent vu
la formule 1 de la question 1, le debit global. Il vaut donc mieux comparer les debits de ces deux
syst`emes. Nous observons que celui du second syst`eme est leg`erement superieur `a celui du premier.
En conclusion,
Il vaut mieux comparer les debits. Cette nouvelle configuration donne de meilleures performances.

Du choix du point o`
u lon compte le d
ebit global dans un
r
eseau ferm
e
1- Nous notons ei le nombre moyen de passages dans la file i, et e le vecteur dont les composantes
sont les ei . Le reseau etant ouvert, e verifie lequation e = q + eP o`
u:

0 p12 p13

0
q= 1 0 0
P = 1 0
1 0
0
Le nombre moyen de passages par file est donc :
e1 = 6
e2 = 3

e3 = 2

Le reseau est stable si et seulement si i [1, 3] i = ei E[Si ] < 1. Ici, 1 =


3 = 41 .

3
4,

2 =

1
2,


CHAPITRE 8. CORRIGES

46

Le reseau est stable car i [1, 3] i = ei E[Si ] < 1.


Afin de calculer le temps de reponse, nous determinons au prealable le nombre total de clients
dans le syst`eme pour ensuite appliquer la loi de Little au reseau global.
Pour calculer le nombre moyen de clients dans la file i, nous pouvons appliquer (corollaire du
i
theor`eme de Jackson) la formule :Li =
. Nous trouvons :
1 i
L1 = 3

L2 = 1

1
3

L3 =

.
Nous determinons ainsi : L = L1 + L2 + L3 =
Le temps E[R] de reponse de ce syst`eme est :
E[R] =

13
3 .

Do`
u:

13 1
26
=
3 0.5
3

2- Il y a ici deux facons de repondre `


a la question : en utilisant lalgorithme de Reiser ou en
calculant les probabilites des differents etats. Pour chacune de ses mani`eres de proceder, il faut
fixer un point o`
u lon pose e = 1.
Reiser avec e2 = 1
En resolvant e = eP avec e2 = 1, nous trouvons :
e1 = 2

e2 = 1

e3 =

2
3

Nous pouvons alors derouler lalgorithme de Reiser :


K
e1 E[R1 ](K)
e2 E[R2 ](K)
e3 E[R3 ](K)
(K)
L1 (K)
L2 (K)
L3 (K)

1
1/2
1/3
1/6
1
1/2
1/3
1/6

2
3/4
4/9
7/36
36/25
27/25
16/25
7/25

Le temps moyen entre deux passages successifs dun client donne par la station 2 est le temps
de reponse global dans le cas o`
u e2 = 1, cest `a dire :
3 4
7
25
+ +
=
4 9 36
18
Le temps moyen entre deux passages de clients par la file 2 :
25
1
=
(2)
36
Le debit au point D est le sixi`eme de celui dans la file 1 qui est lui meme le double de celui de
la file 2.
Le debit au point D est donc egal `
a:
D (2) =

1
12
(2) =
3
25

Reiser avec eD = 1
En resolvant e = eP avec eD = 1, nous trouvons :
e1 = 6

e2 = 3

Nous pouvons alors derouler lalgorithme de Reiser :

e3 = 2

47

K
e1 E[R1 ](K)
e2 E[R2 ](K)
e3 E[R3 ](K)
(K)
L1 (K)
L2 (K)
L3 (K)

1
3/2
1
1/2
1/3
1/2
1/3
1/6

2
9/4
4/3
7/12
12/25
27/25
16/25
7/25

Ici, nous trouvons directement le debit au point D :


D (2) = (2) =

12
25

Pour trouver le temps moyen entre deux passages de clients par la file 2, il suffit de remarquer
que le debit de la file 2 est trois fois superieur `a celui qui passe au point D, do`
u le temps moyen
entre deux passages, qui est son inverse :
2 (2) =

36
25

25
1
=
2 (2)
36
Pour trouver le temps moyen entre deux passages dun meme client dans la file 2, on determine
premi`erement celui separant un meme client au point D :
7
25
9 4
+ +
=
4 3 12
6
puis on divise ce temps par trois (puisque le client passe en moyenne 3 fois dans la file 2 quand il
passe 1 fois au point D) :
25 1
25
=
6 3
18
Calcul des probabilit
es d
etats avec eD = 1
Nous trouvons :
e1 = 6

e2 = 3

e3 = 2

Nous pouvons alors derouler lalgorithme de Reiser :


1
3
1
1
1
Rappelons que ici, e1 E[S1 ] = 6 = , e2 E[S2 ] = 3 = 1, e3 E[S3 ] = 2 = .
4
2
3
4
2
Calculons les probabilites des differents etats :
 0
 2
9
1
3
.10 .
=
C
P(2,0,0) = C
2
2
4
 1
 0
3
3
1
P(1,1,0) = C
.11 .
=
C
2
2
2
 1
 1
3
3
1
P(1,0,1) = C
.10 .
=
C
2
2
4
 0
 0
1
3
.12 .
=
C
P(0,2,0) = C
2
2
 1
 0
1
1
3
.11 .
=
C
P(0,1,1) = C
2
2
2
 0
 2
3
1
1
P(0,0,2) = C
.10 .
=
C
2
2
4


CHAPITRE 8. CORRIGES

48

4
La somme de ces probabilites etant egale `a 1, on en deduit que C = 25
.
Pour calculer le debit au point D, nous commencons par determiner le taux dutilisation de la
file 2 :
4
2
12
6
+
+
=
U2 = P (1, 1, 0) + P (0, 2, 0) + P (0, 1, 1) =
25 25 25
25
12
Le debit sobtient en divisant par e2 E[S2 ] = 1. Nous retrouvons : D (2) = 25
.
Nous aurions pu le faire avec la file 3, ou la file 1. Exemple avec la file 3 :

U3 = P (1, 0, 1) + P (0, 1, 1) + P (0, 0, 2) =

3
2
1
6
+
+
=
25 25 25
25

Le debit sobtient en divisant par e3 E[S3 ] = 21 . Nous retrouvons : D (2) =

12
25 .

Th
eor`
eme de Jackson et Analyse Op
erationnelle
Nous commencons par determiner certaines valeurs afin de repondre aux questions du probl`eme.
Calcul du debit : cest le nombre de transactions traitees durant la mesure.
720
=
= 0, 4 transactions/s
1800
Charge de lunite centrale :
eUC E[SUC ] =

1440
=2s
720

Charge du premier disque :


eDK1 E[SDK1 ] =

36000
40 103 = 2 s
720

Charge du second disque :


eDK2 E[SDK2 ] =

18000
100 103 = 2, 5 s
720

1- Il faut que le taux dutilisation de chaque serveur soit strictement inferieur `a 1 pour que le
syst`eme soit stable.
Nous avons ici :
UC
DK1
DK2

=
=
=

eUC SUC
eDK1 SDK1
eDK2 SDK2

=
=
=

0, 4 2
0, 4 2
0, 4 2, 5

=
=
=

0, 8
0, 8
1

Le syst`eme nest pas stable


Il faut toujours verifier la stabilite du syst`eme avant daller plus avant !
2- La duree dun acc`es au disque 2 est maintenant de 10 ms. Ceci ne change que la valeur de la
charge du second disque :
eDK2 E[SDK2 ] =

18000
10 103 = 0, 25 s
720

Le taux dutilisation du second disque est maintenant de 0.1. Le syst`eme est stable.
Le calcul du temps de reponse moyen seffectue en ecrivant la loi de Little, apr`es avoir calcule
0, 8
le nombre de clients dans chaque files. Il y a LUC =
= 2 clients dans la premi`ere file,
1 0, 8
0, 1
LDK1 = 2 egalements dans la file du premier disque. Il y a LDK2 =
clients dans la file du
1 0, 1
second disque.
Nous en deduisant le temps de reponse E[R] du syst`eme :
E[R] =

LUC + LDK1 + LDK2


365
L
=
=
= 20, 3 s

18

49

Le taux doccupation de lUC est : UUC = UC = 0, 8 = 80%


Soit P (nUC , nDK1 , nDK2 ) la probabilite davoir nUC clients dans le lUC, nDK1 clients dans le
disque 1 et nDK2 clients dans le disque 2. Le taux de recouvrement UC/disque est la probabilite
quil y ait au moins un client dans lUC et au moins un client dans lun des disques :
X
X
Taux de recouvrement UC/disque =
P (nUC , nDK1 , nDK2 )
nU C >0 nDK1 +nDK2 >0

UC
DK1
DK2
(1 UC )nUC
(1 DK1 )nDK1
(1 DK2 )nDK2
nU
C >0 nDK1 +nDK2 >0
X
X
DK1
DK2
UC
(1 DK1 )nDK1
(1 DK2 )nDK2
(1 UC )nUC

nDK1 +nDK2 >0

nU C >0

UC (1 (1 DK1 )(1 DK2 ))

Taux de recouvrement UC/disque

=
=

UC (DK1 + DK2 DK1 DK2 )


148
= 0, 656 = 65, 6%
225

R
eseau local
1- On peut utiliser le theor`eme BCMP.
2- Comme ce qui nous interesse est le temps de reponse vu des terminaux et que ce temps ne
depend pas du nombre moyen LT de clients vus les terminaux, on na pas besoin de calculer LT .
Pour le calcul du debit, on applique la loi de Little a lensemble et on divise K par le temps mis
par un client pour parcourir lensemble du reseau entre deux passages successifs par un point o`
u
on compte le debit global (on peut choisir le point de sortie des terminaux). Au denominateur de
, on ne compte donc le temps de reflexion Z que pour le client auquel on sinteresse donc on ne
prend E[Z] quune fois.
Le temps de reponse est alors dans la colonne 6 de lalgorithme de Reiser : cest la somme des
termes autres que E[Z].
La demande totale pour le CPU est :
eCP U E[SCP U ] = 5 s
La demande totale pour le disque 1 est :
eDK1 E[SDK1 ] = 500 10 103 = 5 s
La demande totale pour le disque 2 est :
eDK2 E[SDK2 ] = 500 10 103 = 5 s
K
eT erm E[RT erm (K)]
eCP U E[RCP U (K)]
eDK1 E[RDK1 (K)]
eDK2 E[RDK2 (K)]
(K)
LCP U (K)
LDK1 (K)
LDK2 (K)

1
10
5
5
5
1/25
1/5
1/5
1/5

2
10
6
6
6
1/14
3/7
3/7
3/7

3
10
50/7
50/7
50/7
21/220
15/22
15/22
15/22

4
10
185/22
185/22
185/22
88/775
148/155
148/155
148/155

5
10
303/31
303/31
303/31
155/1219
1515/1219
1515/1219
1515/1219

Le temps de reponse E[R] du reseau vu des terminaux est donc de :


E[R] = 3

13670
= 33, 64 s
1219

6
10
13670/1219
13670/1219
13670/1219
3657/26600
4101/2660
4101/2660
4101/2660


CHAPITRE 8. CORRIGES

50

R
eseau sym
etrique
On veut utiliser une methode dagregation pour agreger les M stations en une seule.
Les M stations sont exponentielles, de priorite PAPS, de capacites supposees infinies. Il y a un seul
point dentree et le routage est probabiliste. Il y a un seul point de sortie.
On est donc dans les hypoth`eses du theor`eme BCMP.
On ferme le reseau sur lui-meme et on determine le debit du reseau ferme en fonction de N , M
et E[S] `a laide de lalgorithme de Reiser.
1
Tous les ei Ri (K) sont egaux `
a M
E[S]. Donc Li (n 1) = n1
u
M . Do`
ei Ri (n) =
On en deduit :

E[S]
n1
E[S]
(1 + Li (n 1)) =
(1 +
)
M
M
M

n
n
=
e
R
(n)
E[S](1
+
i i i

(n) = P

n1
M )

nM
E[S](M + n 1)

Le taux du serveur equivalent est donc :


nM
E[S](M + n 1)

(n) =

Agr
egation de chanes de Markov
1- La chane de Markov est `
a temps discret. La somme des probabilites sortantes de chaque etat
est donc egale `
a 1. Do`
u:
1
7
7
P01 = , P11 = , P22 =
4
8
8
2- Pour determiner les probabilites des trois etats, on peut ecrire = P o`
u P est la matrice de
transition et ecrire la condition de normalisation.
1
Nous determinons ici les probabilites en effectuant deux coupes qui permettent decrire (2) =
8
1
1
5
(0) dune part, et (1) = (0) dautre part.
8
8
4
La condition de normalisation, (0) + (1) + (2) = 1 permet alors de conclure :
(0) =

1
1
5
, (1) = , (2) =
8
4
8

3- Calcul de P1A
Nous avons necessairement :
P1A = 1 P11 =

1
8

Calcul de PA1
En effectuant une coupe entre les etats A et 1, nous avons : (A)PA1 = (1)P1A do`
u:
PA1 =

1
24

Remarque : la transition de A vers 1 ne se fait pas pour tous ceux qui sont dans A mais
seulement parmi ceux-ci pour ceux qui sont dans 0. Donc on trouve :
PA1

=
=
=

Calcul de PAA

P01 P [O/A]
(0)
P01
(0) + (2)
1 81
4 18 + 85

51

PAA = 1 PA1 =

23
24

Rappel du th
eor`
eme de Kemeny
Une condition necessaire et suffisante pour que lagregation dune chane de Markov soit
exacte pour la partition A = A1 , ..., As est que pour toute paire dagregats (Ai , Aj ), pkAj ait la
meme valeur pour tout k dans Ai . Ces valeurs communes pij sont les valeurs de la matrice de
transition de la chane agregee.
J.G. Kemeny
Cette agregation nest donc pas exacte car P01 6= P21 .

Agr
egation de files dattente
Pour les reseaux de type Gordon et Newell, la methode dagregation est une methode exacte.
1- On etudie lensemble constitue par les files 2 et 3 en refermant cet ensemble sur lui-meme.
Pour ce sous-reseau, on est de nouveau dans les conditions dapplication du theor`eme de Gordon
et Newell (Files PAPS `
a un serveur exponentiel de capacites infinies avec routages probabilistes).
Remarques :
1) Comme p12 + p13 = 1, on na pas besoin de recalculer les probabilites daller dans les files 2 et 3.
2) Le point dobservation est forcement dans le rebouclage.
Deux methodes sont possibles pour determiner le debit (n).
Calcul direct des probabilit
es
Entre deux passages dans le rebouclage : e3 = p13 et e2 = p12 . Do`
u e2 E[S2 ] = e3 E[S3 ] = 20.
Les etats possibles du syst`emes sont (n2 , n3 ) avec n2 + n3 = n :
P (n2 , n3 ) = C(e2 E[S2 ])n2 (e3 E[S3 ])n3
= C(20)n2 (20)n3
= C(20)n
Toutes ces probabilites sont donc egales et il y a n + 1 probabilites. do`
u : P (n2 , n3 ) =
Il suffit de determiner le taux dutilisation U2 du serveur 2 pour determiner (n) :
(n) =

1
.
n+1

1 P (n, 0)
n
U2
=
=
e2 E[S2 ]
e2 E[S2 ]
20(n + 1)

Algorithme de Reiser (MVA)


Comme e2 E[S2 ] = e3 E[S3 ], les nombres moyens de clients dans les deux files sont identiques :
n1
n1
et L3 (n 1) =
. En appliquant le theor`eme de Sevick-Mitrani :
L2 (n 1) =
2
2 

n1
e2 R2 (n) = e2 E[S2 ](1 + L2 (n 1)) = 20 1 +
, do`
u:
2


n1
= 20(n + 1)
R = e2 R2 (n) + e3 R3 (n) = 2 20 1 +
2
On a donc :
(n) =

n
20(n + 1)

2- On remplace lensemble file 2 et file 3 par une seule file `a taux de service (n) dependant du
nombre de clients dans la file avec (n) = (n).
Quelque soit le point dobservation, on a e1 = 1 et e = 1 o`
u e est le nombre de passages dans
la file composite. Nous sommes encore dans les conditions dapplication de Gordon et Newell.
 ni
ni
Y
ei
ei
devient
.
Pour les files dont le taux de service depend de letat, lexpression
i

(j)
j=1 i


CHAPITRE 8. CORRIGES

52

Les etats possibles du syst`eme sont (0, K), (1, K 1), . . ., (K, 0), avec :


e
e
e
Kn
n [0, K] P (K n, n) = C.(e1 E[S1 ])
...
(1) (2)
(n)
On a e1 E[S1 ] = 10 et e = 1 do`
u:
n [0, K] P (K n, n) = C.10Kn .20n .(n + 1)
Posons C = 10k , soit n [0, K] P (K n, n) = C .2n .(n + 1).
En utilisant lequation de normalisation, nous obtenons :
K
X

P (k n, n) = 1 = C

n=0

K
X

2n .(n + 1)

n=0

1
.
1 + K2K+1
On en deduit le taux dutilisation du serveur 1 :

Le calcul de la seconde somme conduit `


a : C =

U1 (K) = 1 P (0, K) = 1

(K + 1)2K
1 + (K 1)2K
=
K+1
1 + K2
1 + K2K+1

On peut remarquer que le numerateur `


a letape k est egal au denominateur `a letape k 1.
Les applications numeriques donnent :
U1 (1) =

1
2
17
49
, U1 (2) =
, U1 (3) =
, U1 (4) =
5
17
49
129

Autre m
ethode
On aurait pu appliquer directement Gordon et Newell `a lensemble du reseau. Le point dobservation est choisi dans le rebouclage. On a alors e1 = 1, e2 = p12 et e3 = p13 . On a alors
e1 E[S1 ] = 10, e2 E[S2 ] = 20 et e3 E[S3 ] = 20.
Liste des etats possibles et calcul des probabilites :

P (0, 0, K)
=
C.100 .200 .20K
= C.100 .20K

P (0, 1, K 1) = C.100 .201 .20K1 = C.100 .20K


(K + 1) etats
..
..
..

.
.
.

P (0, K, 0)
=
C.100 .20K .200
= C.100 .20K

P (1, 0, K 1) = C.101 .200 .20K1 = C.101 .20K1

P (1, 1, K 2) = C.101 .201 .20K2 = C.100 .20K1


K etats
..
..
..

.
.
.

P (1, K 1, 0) = C.101 .20K1 .200 = C.101 .20K1


..
.

P (K, 0, 0) =

..
.

C.10K .200 .200

..
.

C.10K .200

en posant C = C.10K , on a encore une fois :


K X
n
X

P (k n, n1 , n n1 ) = 1 = C

n=0 n1 =0

1 etats

(n + 1).2n

n=0

On retrouverait C et :

U1 (K) = 1

K
X

K
X

n=0

P (0, n, K n) = 1 (K + 1)C 2K