[논문 리뷰] Diffusion limit for the stationary distribution of a history-dependent two-level M/M/1 queue

Masahiro Kobayashi, Masakiyo Miyazawa외 1명|arXiv (Cornell University)|2026. 01. 06.

Advanced Queuing Theory Analysis인용 수 0

한 줄 요약

한두 문장 직접-답변 요약: 이 논문은 과거-의존적인 이진 수준 M/M/1 대기열의 정상분포를 닫힌 형태로 도출하고, 이를 통해 무거운 트래픽에서의 확산 극한을 확립하며 근사식과 수치 검증을 제공한다.

ABSTRACT

Recently, Atar and Miyazawa [2] introduced a multi-level GI/G/1 queue with a finite number of levels, where both the arrival and service rates depend on the level corresponding to the current queue length. For this model, they proved that the diffusion limit of its queue length process in heavy traffic is the level-dependent reflected Brownian motion of [6]. In a subsequent study, Kobayashi et al. [4] derived the corresponding diffusion limit of the stationary distribution. These studies are motivated by the control of service capacity depending on the queue length. We are interested in the more general case where this control may also depend on the history of the queue length. As the first step toward such a generalization, we specialize the multi-level GI/G/1 queue to a two-level M/M/1 queue. We then extend the dynamics of this model so that its arrival and service rates depend not only on the current queue length but also on the recent history of queue lengths. Under the stability condition for this model, we first compute its stationary distribution in closed form, then derive its diffusion limit in heavy traffic. Finally, using this diffusion limit, we derive approximation formulas for the stationary distribution and then numerically assess their accuracy.

연구 동기 및 목표

• 대기 행렬 시스템에서 상태 의존 및 과거 의존 제어의 필요성과 동기를 부여한다.
• 도착 및 서비스 속도가 현재 레벨과 대기열 길이의 과거에 따라 달라지는 두 수준 M/M/1 대기열을 구성한다.
• 안정성 조건 하에서 정확한 정상분포를 도출한다.
• 각 백그라운드 상태에 대한 정류 분포의 확산 극한을 구한다.
• 확산극한을 이용하여 정상분포에 대한 근사식을 개발하고 수치를 통해 검증한다.

제안 방법

• 상태 공간 S = S1,1 ∪ S2,1 ∪ S1,2 ∪ S2,2 및 백그라운드 상태 B(t) ∈ {1,2}에서 연속시간 마코프 체인으로 시스템을 모델링한다.
• 레벨 의존적 도착 및 서비스 속도 λi, μi 및 임계값 ℓd, ℓu에서의 레벨 교차 백그라운드 전이를 정의한다.
• 균형 방정식(2.2)–(2.7)을 풀어 정상분포 π를 도출하고 π를 닫힌 형태로 표현한다(정리 2.1).
• MGF ψ, ψi,j를 도입하여 정상분포 구성 요소를 특징짓는다(식(2.11)–(2.14)).
• Assumptions (a)–(d) 하에 스케일링 n의 연속체를 분석하여 시퀀스 시스템에 대해 무거운 트래픽 확산 극한을 formulate 한다.
• 극한 밀도 f = f1,1 + f2,1 + f1,2 + f2,2 를 얻는다(정리 3.1).

Figure 1: Sample path of $L(t)$

실험 결과

연구 질문

• RQ1 상 레벨 및 과거 의존성에 따른 역사 의존적 이진 수준 M/M/1 대기열의 정상분포는 무엇인가?
• RQ2 각 백그라운드 상태에 대해 무거운 트래픽에서의 정상분포의 확산 극한은 어떻게 보이는가?
• RQ3 과거 의존 제어가 확산 극한 밀도 구성요소의 형태에 어떤 영향을 주는가?
• RQ4 수치 실험에서 확산 기반 근사치가 정상분포에 대해 얼마나 정확한가?

주요 결과

• 안정성 조건 ρ2 < 1 하에서 정상분포가 존재하고 닫힌 형태의 표현이 있다(정리 2.1).
• 스케일링된 정상분포의 확산 극한이 존재하며 밀도 f = f1,1 + f2,1 + f1,2 + f2,2 로 주어진다(정리 3.1).
• 일부 밀도 구성요소는 지수형 또는 균일형이며(b1 ≠ 0인 경우 f1,1 및 b1 = 0인 경우 f2,2), 과거 의존성으로 인해 f2,1 및 f1,2는 비표준 형태를 보인다(주석 3.1).
• 극한 밀도는 ṽℓd 및 ṽℓu의 임계값에 묶인 구간별로 정의되어 있어 레벨 구조와 역사 효과를 반영한다.
• 정규화 상수 C0가 명시적으로 주어지며 모든 밀도 구성요소를 표현하는 데 사용된다(식(3.8, 3.4–3.7)).
• 수치 예시들은 연구된 모델에 대해 확산 근사치가 정확함을 보여준다.

Figure 2: Transition diagram of $(L(t),B(t))$