Modélisation des réseaux &

évaluation de performances

Chapitre 3 : Processus Stochastiques

et Théorie des files d’attentes
 Notion stochastique

Il s’agit de rajouter une notion probabiliste, statistique et donc,

non déterministe pour caractériser l’évolution du système

Cela signifie que nous avons un comportement qui peut-être

défini par f(t), où t représente le temps

Processus stochastiques
 Définitions

• Un processus stochastique {X (t )}t∈T est une fonction du temps

dont la valeur à chaque instant dépend de l’issue d’une
expérience aléatoire.
T peut être discret ou continu

X (t ) l’état du processus à l’instant donné t

E (espace d’état) est l’ensemble des valeurs que peut prendre

le processus à chaque instant

Chaîne à temps discret

Espace d' état discret Espace d' état continu

{Tn }n=1,...,7
{An }n=1,..., 365
Temps moyen de traitement par
nombre d' appels échangés suivant
rapport au jour de la semaine
le jour de l' année
 Chaîne à temps continu

Espace d' état discret Espace d' état continu

{N(t)}t >0 {W(t)}t>0

nombre de messages arrivant dans Temps d'attente d' un message
l'intervalle [0, t] arrivant à l'instant t

Chaîne de comptage

X 0= 0 X (0) = 0
X n −1 ≤ X n ∀n ∈Z X (t) ≤ X (s) ∀ t < s
 Caractérisation d’un processus stochastique
Un processus stochastique X est dit à incréments
indépendants ssi
Les variablesaléatoires Les variablesaléatoires
X n − X n−1, X n−1 − X n−2 ,..., X1 − X 0 X (tn ) − X (tn−1 ), X (tn−1 ) − X (tn−2 ),..., X (t1 ) − X (t0 )
sont indépendantes ∀ n ∈ Z sont indépendantes ∀ n ∈ Z ∧ ∀ tn > tn−1 > ... > t0 ∈[0,+∞[

Un processus stochastique X est dit stationnaire ssi

Les variablesaléatoires Les variablesaléatoires
X n+1 − X n et X1 − X 0 X (s + t) − X (s) et X(t) − X (0)
sont distribuées selon la sont distribuées selon la même loi
même loi ∀n ∈ Z ∀s et t∈[0,+∞[

Le processus de Poisson
• Définition : une chaîne à temps continu N est un processus
de Poisson de paramètre λ ssi :

N est un processus de comptage ;

N est un processus stationnaire et à incréments indépendants ;
(λt) k − λt
P[ N(s + t) - N(s) = k] = e pour k = 0, 1, 2,...
k!

• Propriété 1 : Pour tout t, N(t) est distribué selon une loi de

Poisson de paramètreλt :
(λt) k − λt
P[ N(t) = k] = e pour k = 0, 1, 2,...
k!
 Le processus de Poisson
• Propriété 2 :

P[ N(t) = k N(t 0 ) = k 0 ] =
[λ (t - t 0 )]k -k 0

e − λ ( t -t 0 ) pour k = k 0 , k 0 + 1,...
(k - k 0 )!
• Propriété 3 :
 λdt + o(dt ) si j = 1
P[ N(t + dt) = k + j N(t ) = k ] =  o(dt ) si j > 1
1 − λdt + o(dt ) si j = 0


Interprétation : Si les arrivées des clients dans un système suivent un

processus de Poisson de paramètre λ, la probabilité qu’il arrive un client
entre t et t+dt (dt très petit) est égale (à des termes négligeables près) à λdt, quel
que soit le temps t considéré et la probabilité qu’il arrive plus d’un client est
négligeable

Le processus de Poisson
• Propriété 4 : Soit N, un processus stochastique à espace
d ’état discret et à temps continu qui vérifie les propriétés
suivantes :

N est un processus de comptage ;

N est un processus stationnaire et à incréments indépendants ;
Pour tout t ≥ 0, tout k = 0, 1, … et tout j = 2, 3, …
P[ N(t + dt) = k N(t) = k ] = 1 − λdt + o(dt ) ;
P[ N(t + dt) = k + 1 N(t) = k ] = λdt + o(dt ) ;
P[ N(t + dt) = k + j N(t) = k ] = o(dt );

Alors N est un processus de Poisson de taux λ.

Interprétation : Arrivées poissoniennes ⇔ Proba pour qu’un client arrive
pendant dt ≈ λdt
 Décomposition probabiliste d’un processus de
Poisson

Poisson de taux λP1

P1
Poisson de taux λP2

Poisson de taux λ P2

PN
Poisson de taux λPN

Superposition d’un ensemble de processus

de Poisson

Poisson de taux λ1
Poisson de taux λ2

Poisson de taux λ = λ1 + λ2 + ..+ λN

Poisson de taux λN
 Théorie des filesd’attente

Le formalisme
Introduction files
au files d’attente
d'attente

On utilise les files d'attentes pour modéliser des phénomènes de

partage de ressources :

• Ressource : composante physique, logique ou humaine que les clients

d’un système doivent obtenir afin de réaliser une activité

• Un client faisant demande d’une ressource devra attendre que celle-ci

soit disponible

• Des l’instant ou la ressource sera disponible, le client entre en service

• A la fin de son service, le client libère la ressource

• La ressource devient alors disponible pour d’autres client

 Le formalisme
Introduction files
au files d’attente
d'attente

• l’activité d’un client nécessite tout au long du cycle de vie

l’accès à une succession de ressources

• Ce type de système sera modélise par un réseau de files

d’attente

Ressource 2

Ressource 1

Ressource 3

Exemples
Introduction d’applications
au files d'attente

• Caisses d'un supermarché

• Guichet de vente de billets
• Salle d'attente d'un hôpital
• Un nœud dans un réseau (Terminal, Routeur, Swich, etc.)

File d'attente Serveur

 Exemples
Introduction d’applications
au files d'attente

Ressource ou
Clients Activité ou service
serveur

processus processeur temps de traitement

Systèmes
informatiques demande
disque dur lecture ou écriture
d'E/S

Réseaux de
message réseau temps de transmission
communication

pièce machine temps d'usinage

Système de
production station de temps de chargement
palette
chargement d'une pièce brute

Guichet SNCF usager employé réservation du billet

File d’attente simple

Une file simple (ou une station) est constituée d’une file
d’attente (ou buffer) et d’un ou plusieurs serveurs

• File avec un seul serveur

Arrivée des clients Départ des clients

Serveur
File d‘attente

• File avec serveurs multiples

1

Arrivée des clients 2 Départ des clients

File d‘attente C

C serveurs
 File d’attente simple

• File à serveurs infinis 1

Arrivée des clients 2 Départ des clients

File d‘attente ∞

• Capacité de la file
 La capacité de la file peut être finie ou infinie
 Lorsque la capacité de la file est limitée et qu’un client arrive alors
que la file est pleine, le client est perdu.
Perte si file pleine

Capacité K

Paramètre dedescription d’une file

d’attente
On caractérise une file d'attente par :

• la fonction de densité de probabilité (fdp) du temps

séparant les arrivées

• la fdp du temps de service

• le nombre de serveur

• la capacité de la file

• le type de file ou ordonnancement (FIFO, plus haute

priorité, plus bas temps de service,…)
 Notation de Kendall
• David George Kendall (1918-2007)
• Calcul des probabilités et processus
stochastiques
• Notation de kaendall -1953

Notation de Kendall
On utilise A/B/s/K/m/z pour spécifier les 4 premiers critères :

• A : représente le modèle d'arrivée des clients

• B : représente le modèle de service des clients
• s : représente le nombre de serveurs
• K : indique la capacité de la file d’atente (+∞ si il n’y a pas de
précisions)
• m : indique la population totale de clients
• z : la discipline de service, par exemple FIFO

• Dans ce cours, on ignore les deux paramètres m et z car on

considère une population infini et un ordancement FIFO.
 Notation de Kendall
Les paramètres A et B viennent de l'ensemble:

• M (de Markov) indique distribution exponentielle ou Poisson

• D (de déterministe) indique distribution uniforme

• Les clients arrive à intervalles réguliers
• Les clients sont servis à intervalles réguliers

• G (de général) signifie une distribution arbitraire

• EK indique loi d’Erlang de paramètre k

• HK loi hyperexponentielle d'ordre k

La file d’attente de type M/M/1

De par son nom :

• Les arrivées suivent une distribution de Poisson moyenne de λ

par unité de temps
• Les temps de services suivent une loi exponentielle de taux μ
par unité de temps
• Il n'y a qu'un seul serveur
• La capacité de la file d’attente est infinie

Serveur

Taux d’arrivée moyen Taux de service moyen

λ clients/sec µ clients/sec
 La file d’attente de type M/M/1

λ λ λ
0 1 2 k k+1
µ µ µ

• On peut représenter la M/M/1 à l'aide d'une chaîne de

Markov Temps Continu (états discrets)
 Nœuds sont les états possibles (nombre de clients dans le
système), les arcs sont les probabilités de transition entre états
(taux d'arrivée λ / service μ)

• Prédisons le tampon infini

La file d’attente de type M/M/1

• L’objectif consiste à calculer la probabilité de n’importe
quel état de notre chaine de marokov indépendamment
des états précédents

• Il faut d ’abord calculer la condition de stabilité

• le nombre de clients dans la file d’attente est soit être
fini)

• La condition de stabilité d’une file d’attente M/M/1 est

λ <µ
 Equilibre dans M/M/1
Pour avoir un équilibre à l'état 0, il faut λ p 0 = µp 1
que ce qui entre soit égale à ce qui sort λ 
p1 =   p 0
µ

Similairement un équilibre à k=1 ( µ + λ ) p 1 = λ p 0 + µp 2

( µ + λ ) p1 − λp 0
p2 =
µ
λ λ 
= p1 +   p1 −   p 0
µ µ
λ  λ λ 
=   p 0 +   p1 −   p 0
µ µ µ
λ 
=   p1
En forme générale µ

n
λ
pn =   p0
µ

Taux d’occupation de serveur

• On remarque que la probabilité de n'importe quel

état dépend uniquement de λ, µ et p0

• On n'a qu'a calculer p0 pour trouver une solution

• Définissons l'intensité du trafic (Traffic Intensity) ou

taux d’occupation de serveur ρ (rho) par:

λ 
ρ = 
µ
 
 P0 dans la M/M/1
∞
Par définition, la somme des 1 = ∑ pk
probabilités doit égalée 1 k =0
∞
= ∑ ρ k p0
k =0
= p 0 ⋅( ρ 0 + ρ 1 + ρ 2 + K)

1
= p0 ⋅ , 0 ≤ ρ <1
1 −ρ

p0 =1− ρ , 0 ≤ ρ <1

généralement
pn = ρn(1−ρ), 0≤ ρ <1

Paramètres de performances
 Débit X
• Le service s’effectue avec un taux µ dans chaque état où le système
contient au moins un client
∞
X = Proba{file non vide}µ = ∑ p(n)µ =[1 − p(0)]µ = ρµ = λ
n=1

 Taux d’utilisation du serveur

• Le taux d’utilisation est la probabilité pour que le serveur de la file soit
occupé :
 Paramètres de performances
 Nombre moyen de clients Q
∞ ∞ ∞
ρ (1 − ρ ) = ρ
Q = ∑ np(n) =(1− ρ )∑ nρ =ρ (1− ρ )∑ nρ =
n n−1

n=1 n=1 n=1 (1 − ρ ) 2 1− ρ

 Temps moyen de séjour R

 On applique la loi de little

Q
R=
X

La file M/M/1/K

• K est la capacité de la file, soit en attente, soit en service

• Quand un client arrive alors qu’il y a déjà K clients présents
dans le système, il est perdu
• La file est stable sans conditions

µ
λ

K
 La probabilité stationnaire

• Même méthode de calcul dans le cas d’une file M/M/1

p(n) = ρ n p(0) pour n = 0,..., K

• Il reste à calculer p(0) :

k
En partant de l' équation suivante ∑ p(n) =1 On obtient :
n=0

1 1− ρ
p(0) = =
1− ρ k +1
K

∑ ρn
n=0

1− ρ
On obtient finalement : p(n) = ρn pour n = 0,..., K
1− ρ k +1

Lorsque K tends vers l'infini, on trouve le résultat de la fille M/M/1

Paramètres de performances

• Débit X
• Le service s’effectue avec un taux dans chaque état où le système
contient au moins un client

• Taux d’utilisation du serveur

• Le taux d’utilisation est la proabilité pour que le serveur de la file
soit occupé :
 Paramètres de performances

• Nombre moyen de clients Q

k
ρ 1 − (K + 1)ρ k + kρK +1
Q = ∑ np(n) =
n=1 ρ −1 1 − ρ K +1

• Temps moyen de séjour R

La file M/M/C

• M/M/C = M/M/1 + C serveurs identiques et indépendants

• Temps de service exponentiel de taux µ pour chacun des
serveurs

λ
 La file M/M/C

• Le taux de transition d’un état n à un état n+1 correspond à

l’arrivé d’un client, soit donc λ
• Le taux de transition d’un état n+1 à un état n correspond
au départ de l’ensemble des clients dans les serveurs, soit
donc Cλ si n≥C ou nλ si n<C .
• La file est stable lorsque λ<Cµ

La probabilité stationnaire

• Même méthode de calcul dans le cas d’une file M/M/1

ρn
p(n) = p(0) pour n = 1,..., C −1
n!
ρn
p(n) = p(0) pour n = C, C + 1,...
C!C n−C
• Il reste à calculer p(0) :
∞
1
Sachant que le développement limité de ∑ x n =
n=0 1− x

Lorsque C = 1, on trouve bien les résultats de la file M/M/1

 Paramètres de performances

• Débit X
C −1 ∞

X = ∑ p(n)nµ + ∑ p(n)Cµ
n=1 n=C

=λ

• Nombre moyen de clients Q

ρC +1
Q= p(0) + ρ
(C −1)!(C − ρ ) 2

• Temps moyen de séjour R

ρC 1
R= p(0) +
µ(C −1)!(C − ρ)2 µ

La file M/M/∞

• Dès qu’un client arrive, il rentre donc instantanément en

service.
µ

λ
 La probabilité stationnaire

• Même méthode de calcul dans le cas d’une file M/M/1

ρn
p(n) = p(0) pour n = 1,...,
n!

• Il reste à calculer p(0) :

1
p(0) = ∞
=e − ρ
ρn
∑ n!
n=0

Paramètres de performances

• Débit X
∞ ∞ ρn
X = ∑ p(n)nµ =e −ρ ∑ µ =e− ρ ρµeρ = λ
n=1 n=1 (n −1)!
On trouve la stabilité inconditionnelle de la file

• Nombre moyen de clients Q

∞
Q = ∑ np(n) =ρ
n=1

• Temps moyen de séjour R

 Les réseaux de files d’attente

• Un ensemble de files simples (stations) interconnectées. Soit

M le nombre de stations du réseau

• Il existe 4 types de réseaux :

• Les réseaux ouverts
• Les réseaux fermés
• Les réseaux multiclasses
• Les réseaux à capacité limitée

Les réseaux ouverts

• Les clients arrivent de l’extérieur, circulent dans le réseau,

puis quittent le réseau
• Le nombre de clients n’est pas limité
• Pour spécifier un réseau ouvert, il faut déterminer :
• Le type de chaque station
• Le processus d’arriver des clients
• Le routage dans le réseau

1 P31
P13 4 P40
P01 3
λ P12
P23 P34
2
P02
P20
 Les réseaux ouverts

• Le processus d’arrivée

• Soit P0i la probabilité pour qu’un client qui arrive, se rend à la

station i. On a donc : M
∑P
i=1
0i =1

• Si les arrivées dans le système sont poissoniennes de taux λ. Le

processus d’arrivée des clients à la station i est possonien de taux
λP0i

Les réseaux ouverts

• Le routage des clients

• Soit Pij la probabilité pour qu’un client quitte la station i se rend à la

station j et soit Pi0 la probabilité pour qu’un client quitte la station i
et quitte le système.
M
∑P ij =1
j =0
 Les réseaux fermés

• Les clients sont en nombre constant

• Soit N le nombre total de clients du système. Il n’y a donc
pas d’arrivée ni de départ de clients
• Pour spécifier un réseau fermé, il faut déterminer :
• Le type de chaque station
• Le routage dans le réseau

1 P31
P41 P13 4
3
P42
P12 P34
2 P23
P21
P22

Les réseaux fermés

• Le routage des clients

• Soit Pij la probabilité pour qu’un client quitte la station i se rend à la

station j

∑P ij =1
i=1
 Les réseaux multiclasses

• Les réseaux de files d’attentes peuvent être parcourus par

différentes classe de clients. Soit R le nombre de classes.
• Pour spécifier un réseau multiclasse, il faut déterminer :
• Le type de chaque station
• Le processus d’arriver des clients (si le réseau est ouvert)
• Le routage dans le réseau

Les réseaux multiclasses

• Un réseau multiclasse peut être fermé pour certaines classes
et ouvert pour d’autres. On parle alors d’un réseau mixte
 Les réseaux à capacité limitée

• Chaque station a une capacité limité

• Lorsqu’une est pleine, plus aucun client ne peut y rentrer.
• Des pertes peuvent être apparaitre à l’entrée de chaque
station pleine.
• Les réseaux monoclasse (ouvert/fermé) et multiclasse
peuvent etre des réseaux à capacité limité