《运筹学》研究生教学设计：多服务台损失制排队模型

《运筹学》研究生教学设计：多服务台损失制排队模型一、基本信息与教材分析【基础】本教学设计针对的学科为管理科学与工程、交通运输规划与管理、物流工程等专业的核心必修课程《运筹学》或《随机运筹学》，学段为大学四年级本科生及硕士研究生一年级。本课内容在整个课程体系中处于中高级阶段，是学生在掌握了确定型模型（如线性规划）和基础随机过程（如泊松过程、负指数分布）之后，向更复杂的随机服务系统理论迈进的关键一步。它不仅是单服务台排队模型的自然延伸，更是解决实际中大量存在的多通道、无等待服务场景（如通信、急救、生产）的理论基石，对于培养学生的随机思维、系统优化意识和解决复杂工程管理问题的能力具有【重要】作用。【难点】本节内容的理论难点在于从经典的“生灭过程”状态转移平衡方程出发，推导出在一般服务时间分布（即非负指数分布）下的系统稳态概率。这要求学生具备扎实的概率论基础、较强的抽象思维能力以及对马尔可夫链概念的深刻理解。学生容易在此处产生困惑，即为什么服务时间分布改变了，系统状态的稳态解（特别是ErlangB公式）却与分布的具体形式无关（即“与服务时间分布形式无关性”或“PASTA性质”的体现）。【高频考点】ErlangB公式本身及其在资源规划中的应用是各类考试和实际项目评估中的热点。二、学情分析本课程的授课对象为已经具备高等数学、概率论与数理统计基础的高年级本科生或硕士研究生。他们通常对确定性的优化问题有较好的掌握，但对于随机现象的内在规律、系统稳态的概念以及如何用数学语言描述随机服务过程，尚处于构建认知的阶段。学生对“排队”有直观的生活体验，但对于“损失制”、“任意服务时间”等抽象概念缺乏理论联系实际的深度思考。因此，教学设计的重点在于如何搭建从直观经验到抽象理论的桥梁，通过精心设计的案例和层层递进的设问，引导学生跨越【难点】，深刻理解模型的内涵与应用价值。学生具有强烈的求知欲和探索精神，但面对复杂的数学推导时容易产生畏难情绪，需要教师以清晰的逻辑和启发式的引导，帮助其建立信心，掌握核心思想。三、教学目标与核心素养根据新课程改革理念，本课时的教学目标设定如下：1.【基础】知识与技能：学生能准确复述多服务台损失制排队系统的特征（泊松输入、任意服务时间、c个服务台、损失制）；理解并掌握系统状态概率（Pn）的推导思想；深刻理解并熟练运用ErlangB公式（即爱尔兰损失公式）计算系统损失概率；能够计算系统的绝对通过能力、相对通过能力以及系统平均顾客数等关键性能指标。2.【重要】过程与方法：通过引导学生建立M/G/c/c模型的状态转移图，探究在一般服务时间分布下系统平衡方程的建立方法，培养学生抽象建模和逻辑推理能力；通过实际案例（如停车场规划、呼叫中心坐席数量确定、急救中心救护车配置）的分析与求解，让学生体验“问题分析模型构建公式应用决策建议”的完整运筹学研究过程，掌握利用ErlangB公式进行服务系统资源优化配置的方法。3.【非常重要】情感、态度与价值观：引导学生体会运筹学“以量化分析寻求最优解”的学科魅力，认识到数学工具在解决社会、经济、工程问题中的巨大价值；通过对损失制系统的学习，使学生理解资源有限性与服务质量保障之间的辩证关系，培养其科学决策、精益求精的专业态度和社会责任感。四、教学重点与难点1.【重点】深刻理解多服务台损失制排队系统（M/G/c/c）的运行机制与适用场景；掌握系统稳态概率Pn的推导逻辑，特别是“服务时间分布一般性”在推导中的处理方式；熟记并能灵活运用ErlangB公式计算损失概率，并由此推导出系统的绝对通过能力（A）、相对通过能力（Q）和平均队长（Ls）。2.【难点】理解为何在服务时间为任意分布（G）时，系统的稳态概率（特别是损失概率）仅依赖于服务时间的均值，而与其方差无关（即对分布形式的不敏感性）。这一结论背后蕴含的深刻随机过程理论（如PASTA:PoissonArrivalsSeeTimeAverages）是学生认知上的【难点】。此外，从生灭过程的平衡方程到一般服务时间下平衡方程的建立，这一思维跨越也是教学的难点所在。五、教学方法与手段采用“启发式讲授+问题驱动探究+案例教学”相结合的模式。利用多媒体课件（PPT）展示动态的排队过程和抽象的状态转移图，使微观过程可视化。在推导关键公式时，采用板书步步演算，强化逻辑链条。通过设计层层递进的问题串，引导学生主动思考，分组讨论，再集中讲解，将课堂的主动权交还给学生，实现“教为主导，学为主体”的师生互动。六、教学实施过程（核心环节）（一）创设情境，回顾旧知，引入新课（约8分钟）【教师活动】首先，通过多媒体展示两个截然不同的生活场景。场景一：银行柜台或超市收银台，顾客排成一列长队等待服务。场景二：一个设有多个入口的停车场，当显示“车位已满”时，后续到达的车辆只能离开寻找其他停车场。又或是一个电话呼叫中心，当所有客服人员都在忙线中时，新的来电会听到“线路正忙，请稍后再拨”的提示音并被直接挂断。【教师提问】请大家思考，这两个场景中的排队系统，最本质的区别是什么？【学生活动】思考并回答。引导学生明确：第一个场景中，顾客到达若遇服务台繁忙，会选择排队等待（等待制）；第二个场景中，顾客到达若系统无空闲服务台，则立即离开（损失制）。【教师总结】非常好。这就是排队规则中的两大基本类型：等待制与损失制。在上一讲中，我们深入探讨了单服务台的等待制和损失制模型。今天，我们将在此基础上，将问题推向更复杂、也更贴近现实的层面——当系统拥有多个服务台，且顾客“不愿等待、无法等待、或不允许等待”时，我们该如何科学地设计和评价这样一个系统？由此引出本节课的主题：【板书课题】多服务台泊松到达、任意服务时间、损失制排队模型（M/G/c/c）。（二）模型构建，剖析特征，界定边界（约10分钟）【教师活动】讲授一个排队系统的描述，通常采用Kendall记号法“A/B/C/D/E”。请同学们根据今天标题的关键词，尝试写出这个模型的Kendall记号。【学生活动】回顾Kendall记号规则，尝试写出。【教师活动】明确并板书：M/G/c/c/∞。逐一解释每个符号在此模型中的具体含义：1.M（输入过程）：顾客到达服从泊松流。这意味着顾客到达是随机的、独立的，且具有平稳性、无后效性和普通性。设到达强度为λ（单位时间内平均到达的顾客数）。【重要】这是本模型的核心前提之一。2.G（服务时间分布）：服务时间是一个随机变量，服从一个任意的、一般的概率分布（G代表General），但其数学期望（平均服务时间）存在，记为E[T]=1/μ，其中μ为平均服务率（单位时间内一个服务台可以服务的平均顾客数）。【非常重要】这里强调的是，服务时间可以是定长分布、超指数分布、爱尔朗分布等任何形式，而不仅仅是我们之前熟悉的负指数分布。这是本模型区别于M/M/c/c的关键所在，也是其更具普适性的原因。3.c（服务台数量）：系统中并列设置有c个同质的服务台。每个服务台独立地为顾客提供服务，且服务台之间互不影响。4.c（系统容量）：【难点】这里的第四个参数c与第三个参数c相同，表示系统最多只能容纳c个顾客。也就是说，系统中没有设置等待空间，c个服务台本身就是系统的全部容量。当一个顾客到达时，如果c个服务台全部被占用，即系统处于“全满”状态，该顾客将不被允许进入系统，直接离去，永不返回。5.∞（顾客源）：顾客的总体（潜在数量）是无限的。【教师强调】正是由于第四个参数等于c，即系统容量等于服务台数，排队队列长度为0，因此才被称为“损失制”或“即时制”系统。所有服务台均被占用时，新到顾客即遭受损失。这一特点决定了我们的研究重点不是等待时间（因为没有等待），而是系统的“堵塞”或“损失”概率。（三）理论推导，攻克难点，揭示规律（约25分钟）【教师引导】对于这样一个随机服务系统，我们最关心的核心指标是什么？是损失概率，记为P_c，即所有c个服务台都繁忙的概率。因为只要知道了P_c，我们就可以进一步求得系统的其他性能指标。【问题提出】如何求P_c？在服务时间服从一般分布G的情况下，我们能否沿用M/M/c/c模型基于“生灭过程”的推导思路？【教师讲解】答案是肯定的，但需要更深刻的洞察。我们回顾一下，在M/M/c/c（服务时间负指数分布）模型中，我们利用了负指数分布的“无记忆性”，使得系统未来的状态只依赖于当前状态，从而构成了一个马尔可夫链（生灭过程），可以方便地写出状态转移图（用λ和μ表示转移率）。现在，服务时间不再具有无记忆性，系统未来的状态不仅与当前状态有关，还与当前正在服务的顾客已经服务了多长时间有关。因此，系统状态{N(t)}（t时刻系统中的顾客数）本身不再构成马尔可夫过程！【难点突破】那么，我们该怎么办？这就需要引入一个深刻的结论，也是排队论中非常优美的一个性质：对于泊松到达的系统，顾客在到达时刻所见到的系统状态分布，与系统在任意时刻的稳态分布相同。这被称为PASTA性质（PoissonArrivalsSeeTimeAverages）。【教师活动】利用这个性质，我们可以巧妙地绕过复杂的服务时间分布细节，将焦点放在系统“离去”过程的速率上。我们可以从宏观的“流入=流出”的流量平衡角度来思考问题，而无需追踪每个顾客的微观历史。考虑系统的稳态，定义状态n（0≤n≤c）的概率为P_n。1.对于状态0：当系统处于状态0时，它只能以λ的速率（因为有顾客到达）离开此状态，转移到状态1。而进入状态0的唯一途径是从状态1，当状态1中那个唯一的顾客服务完毕时发生。关键在于，当系统处于状态1时，虽然服务时间分布一般，但服务完成的速率是多少？是μ吗？对于只有一个服务台在工作，无论服务时间分布如何，其平均服务率为μ，那么其离去（服务完成）的平均速率就是μ。因此，状态0的平衡方程可以写为：λP_0=μP_12.对于状态n（1≤n<c）：系统处于状态n时，有n个服务台在工作。尽管每个服务台的服务时间是一般分布，但重要的一点是：在泊松输入和系统稳态下，每个工作服务台的剩余服务时间分布，平均而言，与原始服务时间分布具有相同的均值。因此，整个系统的总离去率，即从状态n转移到状态n1的速率，等于nμ（因为有n个服务台以平均速率μ在工作）。进入状态n的途径有两个：从n1来（速率为λ）和从n+1来（速率为(n+1)μ）。离开状态n的途径也有两个：到n1（速率为nμ）和到n+1（速率为λ）。因此平衡方程为：λP_n+nμP_n=λP_{n1}+(n+1)μP_{n+1}整理可得：λP_{n1}=nμP_n3.【归纳】综合以上，我们得到了一系列简洁的递推关系，这与M/M/c/c模型在形式上完全一致！λP_0=μP_1λP_1=2μP_2λP_2=3μP_3…λP_{c1}=cμP_c【重要结论】教师总结：尽管服务时间分布从负指数推广到了一般分布，但由于泊松到达的PASTA性质，以及我们只关心系统的稳态平均表现，系统的状态概率P_n依然满足与M/M/c/c相同的平衡方程。这深刻揭示了泊松流对于系统稳态分析的基础性作用。【推导Erlang公式】由上述递推关系，我们可以解出各个状态概率：P_1=(λ/μ)P_0P_2=(λ/(2μ))P_1=(λ/μ)^2/(2!)P_0P_3=(λ/(3μ))P_2=(λ/μ)^3/(3!)P_0......=((λ/μ)^n/n!)P_0，其中n=1,2,...,c...一化条件，所有状态概率之和为1，即P_0+P_1+...+P_c=1，可得：P_0...+(λ/μ)+(λ/μ)^2/2!+...+(λ/μ)^c/c!]=1因此：P_0=1/(∑{k=0}^{c}((λ/μ)^k/k!))进而，损失概率，即系统处于全满状态c的概率P_c为：【高频考点】P_c=[((λ/μ)^c/c!)]/[∑{k=0}^{c}((λ/μ)^k/k!)]【教师宣布】这个公式，就是运筹学与通信工程领域最负盛名的“ErlangB公式”，也称为爱尔兰损失公式或爱尔兰第一公式。令A=λ/μ，称为“业务量强度”（TrafficIntensity），单位为“爱尔兰”（Erlang），它表示在平均服务时间内系统到达的平均业务量。则ErlangB公式可简写为：P_c=B(c,A)=(A^c/c!)/(∑_{k=0}^{c}A^k/k!)（四）指标计算，揭示内涵，深化理解（约10分钟）【教师讲解】有了损失概率P_c，我们可以非常方便地求出其他几个衡量系统效率的核心指标。1.【基础】相对通过能力Q：指被系统服务（即未被损失）的顾客数占所有到达顾客数的比例。显然，Q=1P_c。2.【基础】绝对通过能力A_cap：指系统在单位时间内实际能够服务的平均顾客数。由于系统最多服务c个顾客，且部分顾客损失，因此A_cap=λQ=λ(1P_c)。它也等于系统中平均繁忙服务台数，因为每个繁忙服务台单位时间平均服务μ个顾客，所以A_cap=繁忙服务台数μ。3.【重要】系统中的平均顾客数L_s（即平均繁忙服务台数）：由于系统没有等待队列，所有顾客都在接受服务，因此系统中的顾客数就是正在忙着的服务台数量。根据其与绝对通过能力的关系，可得L_s=A_cap/μ=λ(1P_c)/μ=A(1P_c)。或者从期望的定义出发，L_s=∑_{n=0}^{c}nP_n。【教师强调】注意，在损失制系统中，没有L_q（平均排队长度）和W_q（平均等待时间），因为这两个指标不存在。顾客要么立刻接受服务，要么立刻离开。W_s（平均逗留时间）就等于平均服务时间1/μ。（五）案例剖析，应用实践，提升能力（约15分钟）【案例】某城市繁华地段有一处拥有4个车位的路边短时停车区。经过调查，车辆的到达服从泊松分布，平均每小时到达24辆车。每辆车的平均停放时间（即服务时间）为6分钟。假设所有车位被占满时，后来的车辆会直接开走寻找其他停车场，不再等待。试分析：（1）该停车区系统的效率如何？即其损失概率、相对通过能力和绝对通过能力是多少？（2）平均有多少个车位被占用？（3）若交通管理部门希望将车辆因无车位而离开的损失概率控制在5%以下，至少需要设置多少个车位？【学生活动】分组讨论，动手计算。【教师巡堂】引导学生先将单位统一。λ=24辆/小时，1/μ=6分钟=0.1小时，故μ=10辆/小时。则业务量强度A=λ/μ=24/10=2.4爱尔兰。c=4。【学生展示】请一组学生上台演示计算过程。1.计算P_0分母：∑_{k=0}^{4}A^k/k!=1+2.4+(2.4^2)/2+(2.4^3)/6+(2.4^4)/24=1+2.4+5.76/2+13.824/6+33.1776/24=1+2.4+2.88+2.304+1.3824=9.96642.P_4=(A^4/4!)/9.9664=1.3824/9.9664≈0.13873.Q=1P_4=10.1387=0.86134.A_cap=λQ=240.8613≈20.67(辆/小时)5.L_s=A(1P_4)=2.40.8613≈2.07(个车位)【教师提问】损失概率13.87%，意味着平均每100辆车，就有接近14辆因找不到车位而流失。这个服务水平是否理想？对于路内停车来说可能尚可，但如果是医院急诊入口，这个损失率就太高了。接下来，我们解决第二个问题。【学生继续计算】设需要c个车位，使得B(c,2.4)≤0.05。通常，ErlangB公式有专门的表格或函数可以查询。我们手动尝试：当c=5时，需要重新计算包含5项的分母，并计算P_5。为简化，我们可查ErlangB计算器或手工计算。计算c=5的P_5：分母（至5）=9.9664（前5项之和）+A^5/5!=9.9664+(2.4^5)/120=9.9664+(79.62624)/120=9.9664+0.=10.P_5=(A^5/5!)/10.=0./10.≈0.0624(6.24%)，仍然高于5%。当c=6时，继续添加项：A^6/6!=2.4^6/720=(79..4)/720=191.103/720≈0.2654分母（至6）=10.+0.2654=10.P_6=0.2654/10.≈0.02436(2.44%)，已经低于5%。因此，至少需要设置6个停车位，才能满足损失概率不超过5%的管理目标。【教师总结】通过这个案例，我们直观地看到了ErlangB公式在基础设施规划中的强大作用。它可以帮助决策者在服务水平和资源投入之间找到最佳平衡点。这正是运筹学优化思想的体现。（六）拓展延伸，探讨性质，引导探究（约5分钟）【教师活动】提出一个思考题，引导学生课后深入研究。【问题】在本节课的案例中，如果车辆停放时间（服务时间）不是我们所假设的负指数分布，而是方差更小的定长分布（例如每辆车都严格停6分钟），或者方差更大的超指数分布，利用ErlangB公式计算出来的损失概率会发生变化吗？【引导】让学生回忆我们刚才推导平衡方程的过程。我们在写离去速率时，只用了平均服务率μ，而没有用到分布的任何高阶矩（如方差）。这是否意味着，只要服务时间的均值固定，无论其分布如何，系统的损失概率都相同？【事实阐述】实际上，ErlangB公式有一个非常重要的性质，即“服务时间分布形式无关性”。对于泊松输入的损失制多服务台系统，系统的稳态分布P_n，特别是损失概率P_c，只与服务时间的均值有关，而与服务时间的具体分布形式无关。因此，我们虽然假设服务时间服从一般分布G，但最终得到的公式形式上却与M/M/c/c完全一致。这也是ErlangB公式成为通信和计算机网络设计中基石的原因——我们无需知道服务时间的确切分布，只需知道其均值，就能进行精确的容量规划。【课后探究】请同学们查阅资料，尝试从理论层面理解为什么会出现这种“无关性”。这背后涉及到的“已用时间分布”和“剩余时间