到达过程具有自相关性的排队模型

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11901493
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    21.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0407.随机优化与统计优化
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Motivated by the applications in real operations systems, several recent works have studied queueing models with autoregressive arrival processes to study the impact of such autoregressiveness on the stability and long-term performance of queueing systems. However, most works have been focused on infinite-server systems while the results on single- or multi-sever queues remain an open problem. To address the difficulties in the analytical analysis of general queues and networks with autoregressive arrivals, this project aims to use diffusion approximation and stationary simulation methods to provide qualitative and quantitative analysis on the stability, convergence rates and stationary distributions of a variety of queueing models with different types of autoregressive arrivals. In terms of the methodologies, a new framework of proofs will be developed to get more accurate estimation on the convergence rates. As a direct consequence, the new results on the convergence rates will enable to provide theoretical guarantee and efficiency improvement for the simulation algorithms that unbiasedly compute the stationary distributions of queueing models. In the end, a software package will be developed based on these simulation algorithms, in order to provide computation tools for performance analysis of queueing systems.
出于现实应用需求,到达过程中的自相关性对排队系统的稳定性和长期表现会有怎样的影响这一问题最近得到排队论研究者的关注。然而,目前已有的研究主要集中在结构简单的无穷排队模型上,对更符合实际应用的有限服务员排队模型或排队网络的研究基本为空白。主要原因在于到达过程的自相关性给排队模型的解析分析带来了很大困难。为解决这一难点,本项目拟使用扩散逼近和稳态模拟技术,来分析到达过程自相关性对多种排队模型的平稳性、收敛速率和平稳分布的影响。在研究方法上,本项目拟发展一套新的证明框架,来给出排队模型收敛速率关于模型参数的显式估计。除了对已有理论的完善,这一新的理论结果还可直接应用到排队模型平稳分布的无偏随机模拟算法的设计和改良中,进一步提高算法效率。除了对到达过程具有自相关性的排队模型的概率性质和随机模拟技术的理论研究,本项目还计划开发一套随机模拟软件,为排队模型在实际工程的应用提供所需的计算工具。

结项摘要

出于现实应用需求,到达过程中的自相关性对排队系统的稳定性和长期表现会有怎样的影响这一问题最近得到排队论研究者的关注。然而,目前已有的研究主要集中在结构简单的无穷排队模型上,对更符合实际应用的有限服务员排队模型或排队网络的研究基本为空白。主要原因在于到达过程的自相关性给排队模型的解析分析带来了很大困难。为解决这一难点,本项目首先发展了基于同步耦合技术的证明框架,用来分析相关排队过程的平稳性和收敛性。在此基础上,本项目发展了相关排队系统平稳分布的高效随机模拟算法,包括到达过程为广义Hawkes过程的单服务队列和高维随机网络扩散模型,并探索了此类随机模拟算法在实际通讯网络中的应用。项目组还对到达过程为广义Hawkes过程的排队扩散模型开展了研究,对多队列单服务系统取得了部分成果,验证了自相关性对排队过程扩散逼近结果的显著影响。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(0)
Perfect Sampling of Hawkes Processes and Queues with Hawkes Arrivals
通过霍克斯到达对霍克斯流程和队列进行完美采样
  • DOI:
    10.1287/stsy.2021.0070
  • 发表时间:
    2021
  • 期刊:
    Stochastic Systems
  • 影响因子:
    --
  • 作者:
    Xinyun Chen
  • 通讯作者:
    Xinyun Chen
Efficient Steady-State Simulation of High-Dimensional Stochastic Networks
高维随机网络的高效稳态模拟
  • DOI:
    10.1287/stsy.2021.0077
  • 发表时间:
    2021
  • 期刊:
    Stochastic Systems
  • 影响因子:
    --
  • 作者:
    Jose Blanchet;Xinyun Chen;Nian Si;Peter W. Glynn
  • 通讯作者:
    Peter W. Glynn
A multifactor regime-switching model for inter-trade durations in the high-frequency limit order market
高频限价订单市场间交易持续时间的多因素机制切换模型
  • DOI:
    10.1016/j.econmod.2022.106082
  • 发表时间:
    2023
  • 期刊:
    Economic Modelling
  • 影响因子:
    4.7
  • 作者:
    Zhicheng Li;Xinyun Chen;Haipeng Xing
  • 通讯作者:
    Haipeng Xing
Rates of Convergence to Stationarity for Reflected Brownian Motion
反射布朗运动的稳态收敛率
  • DOI:
    10.1287/moor.2019.1006
  • 发表时间:
    2020
  • 期刊:
    Mathematics of Operations Research
  • 影响因子:
    1.7
  • 作者:
    Jose Blanchet;Xinyun Chen
  • 通讯作者:
    Xinyun Chen

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

陈昕韫的其他基金

数据驱动的排队系统在线优化算法研究
  • 批准号:
    72171205
  • 批准年份:
    2021
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码