4. Потоки насыщения и выбор стратегии механизма обслуживания.
Обозначим через

, максимально возможное число обслуженных на интервале времени

требований потока

при наличии в накопителе

бесконечной очереди. Тогда соответствующий поток насыщения

может быть описан с помощью маркированного точечного процесса

, где

метка обслуженных заявок на интервале

. Интерпритировать подобное описание

можно как влияние погодных условий (состояния случайной среды) на механизм обслуживания. Более подробно этот процесс будет рассмотрен ниже. Мы не будем задавать конечномерные распределения маркированных точечных процессов

и

поскольку при нелокальном описании входных потоков и потоков насыщения можно ограничеться некоторыми свойствами условных распределений дискретных компонент

и

.
Допустим, что величина

задает на промежутке

число фактически обслуженных заявок потока

. Для описания реального процесса обслуживания нужно при любом

и каждом

указать зависимость

(4)
то есть некоторую стратегию

механизма обслуживания. На выбор функции (4) естественно наложить следующие ограничения:

;

;
Откуда получим:

; (5)
Автомат, как правило, за промежуток времени

обслуживает максимально возможное число машин

из потока

или все поступающие и находящиеся в очереди машины этого потока, если их число меньше

.
Тогда зависимость (4) будет иметь вид:

(6)
Такая стратегия механизма обслуживания, учитывая (5), называется экстремальной.
5. Рекуррентные соотношения для маркированного точечного процесса обслуживания. Свойства условных распределений для дискретных компонент
, соответствующих входным потокам и потокам насыщения. Будем описывать поведение системы маркированным точечным процессом

с выделенной дискретной компонентой

, где

- вектор длин очередей по потокам в момент

. Для процесса

основываясь на равенствах (1)-(3), имеет место следующее рекуррентное соотношение:

(7)
где

,

,

. Здесь векторное соотношение

предполагает выполнение равенств

при

. Принимая во внимание выбранную нами экстремальную стратегию обслуживания

, имеем:

Для изучения вероятностных свойств метки

остановимся на некоторых свойствах условных распределений величин

и

. Полагаем что в этой модели при фиксированных значениях метки

случайные величины

и

независимы и их условные распределения при любом

и при

удовлетворяют соотношениям:

; (8.1)

(8.2)

(9)
где

- целая часть величины

, а

,

- средняя интенсивность обслуживания заявок по потоку

если случайная среда на интервале

находится в состоянии

, здесь

- интенсивность пуассоновского поступления заявок по потоку

,

,

,

- параметры распределения Бартлетта,

- целая часть величины

.
6. Марковское свойство компоненты
. Итак, мы определили все компоненты нашей модели: входные потоки, алгоритм управления, потоки насыщения и экстремальную стратегию механизма обслуживания. В соответствии со структурой анализируемой системы управления 3 конфликтными потоками требований, максимальный интерес представляет исследование процессов обслуживания по потокам

и

. Ключевое свойство дискретной компоненты процесса

можно сформулировать в виде следующей теоремы: