Trosglwyddiadau Cyflwr-dibynnol

Yn yr enghraifft hon ystyriwch rhwydwaith lle caiff cwsmeriaid eu cludo'n wahanol yn dibynnu ar cyflwr y system. Edrychwn ar system heb yr ymddygiad hwn yn gyntaf, ac yna'r system gyda'r ymddygiad dymunol, i'w gymharu.

Hen yr ymddygiad dymunol

Ystyriwch y rhwydwaith tri nod canlynol, llae mae dyfodiadau ond yn digwydd yn y nod cyntaf, yna caiff cwsmeriaid eu trosglwyddo ar hap naill ai i'r 2il neu 3ydd nod cyn gadael:

>>> import ciw

>>> N = ciw.create_network(
...     arrival_distributions=[
...         ciw.dists.Exponential(10),
...         ciw.dists.NoArrivals(),
...         ciw.dists.NoArrivals()],
...     service_distributions=[
...         ciw.dists.Exponential(25),
...         ciw.dists.Exponential(6),
...         ciw.dists.Exponential(8)],
...     routing=[[0.0, 0.5, 0.5],
...              [0.0, 0.0, 0.0],
...              [0.0, 0.0, 0.0]],
...     number_of_servers=[1, 1, 1]
... )

Nawr rhedwn y system am 80 uned amser yn defnyddio traciwr cyflwr er mwyn tracio'r nifer o gwsmeriaid yn Nod 1 a Nod 2:

>>> ciw.seed(0)
>>> Q = ciw.Simulation(N, tracker=ciw.trackers.NodePopulation())
>>> Q.simulate_until_max_time(80)

>>> ts = [ts[0] for ts in Q.statetracker.history]
>>> n2 = [ts[1][1] for ts in Q.statetracker.history]
>>> n3 = [ts[1][2] for ts in Q.statetracker.history]

Trwy blotio n2 ac n2 gwelwn fod y nifer o gwsmeriaid ym mhob nod yn gwahanol iawn:

>>> import matplotlib.pyplot as plt 
>>> plt.plot(ts, n2); 
>>> plt.plot(ts, n3); 

Gyda'r ymddygiad dymunol

Nawr crëwn CustomRouting newydd ar gyfer Nod 1, a fydd yn anfon cwsmeriaid i'r nod lleiaf brysur allan o Nod 2 a 3. Yn gyntaf crëwn CustomRouting sy'n etifeddu o ciw.Node, ac yn trosysgryfennu'r dull next_node:

>>> class CustomRouting(ciw.Node):
...     """
...     Yn dewis naill ai Nod 2 neu Nod 3 fel y nod gyrchfan,
...     pa bynnag un sydd a'r nifer lleiaf o gwsmeriaid. Yn dewis
...     ar hap rhwng y ddau os yw'r gyfartal.
...     """
...     def next_node(self, ind):
...         n2 = self.simulation.nodes[2].number_of_individuals
...         n3 = self.simulation.nodes[3].number_of_individuals
...         if n2 < n3:
...             return self.simulation.nodes[2]
...         elif n3 < n2:
...             return self.simulation.nodes[3]
...         return ciw.random_choice([self.simulation.nodes[2], self.simulation.nodes[3]])

Nawr ail-rhedwn yr un system, yn defnyddio'r un gwrthrych rhwydwaith N (Nodwch ni fydd y matrix trosglwyddo yn cael ei ddefnyddio nawr). Dywedwn wrth Ciw pa dosbarth nod i ddefnyddio ar gyfer pob nod o'r rhwydwaith, trwy rhoi'r dadl node_class rhestr o ddosbarthau. Defnyddiwn y dosbarth CustomRouting newydd ar gyfer Nod 1, a'r dosbarth arferol ar gyfer Nodau 2 a 3:

>>> ciw.seed(0)
>>> Q = ciw.Simulation(
...     N, tracker=ciw.trackers.NodePopulation(),
...     node_class=[CustomRouting, ciw.Node, ciw.Node])
>>> Q.simulate_until_max_time(80)

>>> ts = [ts[0] for ts in Q.statetracker.history]
>>> n2 = [ts[1][1] for ts in Q.statetracker.history]
>>> n3 = [ts[1][2] for ts in Q.statetracker.history]

Trwy blotio n2 ac n3 nawr, gwelwn fod y nifer o gwsmeriaid ym mhob nod yn dilyn eu gilydd yn agos, gan ein fod yn cydbwyso pa mor brysur yw'r nodau trwy pob amser llenwi'r nod lleiaf brysur:

>>> plt.plot(ts, n2); 
>>> plt.plot(ts, n3);