[论文解读] On convergence rate for Erlang--Sevastyanov type models with infinitely many servers

A. Yu. Veretennikov|arXiv (Cornell University)|Dec 11, 2014

Advanced Queuing Theory Analysis参考文献 7被引用 4

一句话总结

该论文为具有无限多服务台的广义Erlang–Sevastyanov模型建立了多项式收敛速率至平稳态，其中到达与服务强度依赖于系统状态。通过使用李雅普诺夫函数与耦合技术，证明了瞬态分布与平稳分布之间的总变差距离以多项式速率衰减，且给出了依赖于初始状态与系统参数的显式界。

ABSTRACT

Polynomial convergence rate to stationarity is shown for extended Erlang -- Sevastyanov's model.

研究动机与目标

• 为具有无限多服务台及状态依赖到达与服务强度的广义Erlang–Sevastyanov模型建立平稳态收敛速率。
• 将先前仅限于仅依赖于客户数量的强度函数的结果扩展至完整依赖于连续服务时间的状态依赖模型。
• 在不假设指数尾部或强混合条件的前提下，提供收敛速率的显式多项式界。
• 解决在强度函数假设最少（特别是无密度或光滑性要求）条件下评估收敛速率的开放问题。

提出的方法

• 构造一个带参数 $ m, a, \theta $ 的李雅普诺夫函数 $ V_{m,a+\theta}(X) $，以控制过程的增长并确保稳定性。
• 使用Harris–Khasminsky公式，将平稳测度 $ \mu $ 表示为再生状态 $ (1,0,0) $ 的期望占用时间，从而实现显式矩界。
• 通过在两个独立过程副本之间应用耦合论证——一个从任意初始状态出发，另一个从平稳分布出发——来界定总变差距离。
• 利用李雅普诺夫函数和不等式 $ \mathbb{P}(t < \bar{\tau}_{0011}) \leq \frac{\mathbb{E}[\bar{\tau}_{0011}^{k+1}]}{t^{k+1}} $，推导出耦合时间 $ \bar{\tau}_{0011} $ 的矩界，从而导致多项式衰减。
• 通过纯出生与死亡过程的随机支配关系估计平稳测度中的归一化常数 $ c $，从而获得有效的上界。
• 将耦合时间的矩界与耦合不等式相结合，推导出总变差距离的最终收敛速率。

实验结果

研究问题

• RQ1 在具有状态依赖到达与服务强度的无限服务台Erlang–Sevastyanov模型中，瞬态分布收敛至平稳分布的速率是多少？
• RQ2 是否可以在不假设服务时间分布具有连续性、密度或指数尾部条件的前提下，建立多项式收敛速率？
• RQ3 李雅普诺夫函数方法如何被调整以处理具有无限多服务台和一般状态依赖强度的系统？
• RQ4 再生时间与耦合在推导非马氏或非指数服务时间模型的显式收敛界中起什么作用？
• RQ5 是否可以仅通过矩估计与随机支配关系推导出收敛速率的有效界？

主要发现

• 在所述假设下，瞬态分布与平稳分布之间的总变差距离以 $ O(t^{-k-1}) $ 的速率多项式衰减，其中 $ k \geq 1 $。
• 收敛速率在由李雅普诺夫函数 $ V_{m,a+\ell/m}(X_0) $ 有界的初始状态上是一致的，且界依赖于系统参数。
• 平稳分布 $ \mu $ 存在且唯一，其存在性通过Harris–Khasminsky公式与矩界得到证明。
• 推导出积分 $ \int V_{m,a+\ell/m}(X) \, \mu(dX) $ 的显式上界 $ C_1 $，这对控制耦合时间的矩界至关重要。
• 平稳测度中的归一化常数 $ c $ 的上界为 $ \frac{\bar{\lambda}_0 D}{\bar{\lambda}_0 + D} $，该界通过命中时间的随机支配关系推导得出。
• 最终收敛界为 $ \mathbb{P}_{X_0,\mu}(t < \bar{\tau}_{0011}) \leq \frac{C(V_{m,a+\ell/m}(X_0) \vee 1 + \tilde{C}_1)}{t^{k+1}} $，证明了多项式衰减。