[论文解读] Perfect Sampling of GI/GI/c Queues

José Blanchet, Jing Dong+1 more|arXiv (Cornell University)|Aug 10, 2015

Advanced Queuing Theory Analysis参考文献 3被引用 5

一句话总结

本文提出了首个针对具有通用到达间隔和服​​务时间分布的GI/GI/c队列的完美抽样算法，采用受控耦合过去（DCFTP）框架，并以耦合的多服务器休假系统作为平稳上界。该算法在较弱的矩条件（2+ε阶矩）下确保了有限的期望终止时间，从而实现从稳态分布中无偏精确抽样。

ABSTRACT

We introduce the first class of perfect sampling algorithms for the steady-state distribution of multi-server queues with general interarrival time and service time distributions. Our algorithm is built on the classical dominated coupling from the past protocol. In particular, we use a coupled multi-server vacation system as the upper bound process and develop an algorithm to simulate the vacation system backwards in time from stationarity at time zero. The algorithm has finite expected termination time with mild moment assumptions on the interarrival time and service time distributions.

研究动机与目标

• 为具有通用到达间隔和服​​务时间分布的多服务器队列开发完美抽样算法，此前的方法需假设泊松到达。
• 在输入分布的矩假设较弱的条件下，确保抽样算法具有有限的期望运行时间。
• 构建一个平稳上界过程（即耦合的多服务器休假系统），以支持反向模拟和耦合检测。
• 通过引入一种新颖的耦合构造，克服了反向模拟一般更新过程的挑战。
• 通过在M/M/c队列上的数值实验和在不同系统负载与规模下的可扩展性分析，验证算法的正确性与效率。

提出的方法

• 使用受控耦合过去（DCFTP）协议，从GI/GI/c队列的稳态分布中精确抽样。
• 采用耦合的多服务器休假系统作为平稳上界过程，该过程具有可逆性，适合反向模拟。
• 在反向时间中使用相同的随机数来模拟上界和下界过程，利用单调性检测耦合。
• 采用递归倍增搜索策略，通过不断加倍时间区间，高效定位耦合时间。
• 使用更新过程模拟到达和服​​务/休假时间，通过反向抽样方法（逆变换法和平衡分布抽样）。
• 从耦合时间开始正向重建目标过程，以在时间零处生成一个平稳实现。

实验结果

研究问题

• RQ1 能否在不假设泊松到达的前提下，为具有通用到达间隔和服​​务时间分布的GI/GI/c队列实现完美抽样？
• RQ2 到达间隔和服​​务时间分布的矩条件需满足何种要求，才能确保完美抽样算法具有有限的期望运行时间？
• RQ3 如何为一般服务时间的多服务器队列构建一个平稳上界过程，以支持反向模拟？
• RQ4 能否在非马氏队列的DCFTP框架中，利用单调性和相同随机数来改进耦合检测？
• RQ5 该算法的计算复杂度如何随系统规模和流量强度变化而变化？

主要发现

• 在到达间隔和服​​务时间分布具有有限2+ε阶矩（ε>0）的假设下，该算法实现了有限的期望终止时间。
• 对于M/M/c队列，5,000次完美抽样得到的经验分布与理论稳态分布高度吻合，验证了算法的正确性。
• 在质量驱动（QD）区域，平均耦合时间随系统规模增加仅略有上升：从s=100时的6.42增至s=1000时的7.75。
• 在质量与效率驱动（QED）区域，平均耦合时间增长更明显但保持适中：从s=100时的6.51增至s=1000时的9.47。
• 计算复杂度近似遵循(1−ρ)⁻²的标度关系，总采样更新数与(1−ρ)²的乘积在不同ρ值下几乎保持恒定，证实了理论标度行为。
• 该算法在不同流量强度下表现稳健，当ρ→1时复杂度显著上升，但经(1−ρ)²归一化后，复杂度稳定在与λ成正比的常数因子附近。