الگوریتم بوزِن: روشی کارآمد برای محاسبه ثابت نرمال‌سازی در نظریه صف

Buzen's algorithm
📅 14 تیر 1405 📄 142 کلمه 🔗 منبع اصلی

چکیده

الگوریتم بوزِن، که در نظریه صف و احتمال کاربرد دارد، روشی انقلابی برای محاسبه ثابت نرمال‌سازی G(N) در قضیه گوردن-نیول است. این الگوریتم که توسط جفری پ. بوزِن در ۱۹۷۱ معرفی شد، با کاهش چشمگیر پیچیدگی محاسباتی، امکان مدل‌سازی سیستم‌های واقعی مانند شبکه‌های کامپیوتری و سیستم‌های تولید انعطاف‌پذیر را فراهم کرد.

الگوریتم بوزِن: مقدمه

در نظریه صف، الگوریتم بوزِن (یا الگوریتم کانولوشن) روشی کارآمد برای محاسبه ثابت نرمال‌سازی G(N) در قضیه گوردن-نیول است. این الگوریتم که توسط جفری پ. بوزِن در ۱۹۷۱ معرفی شد، با کاهش چشمگیر پیچیدگی محاسباتی، امکان مدل‌سازی سیستم‌های واقعی را فراهم کرد.

مشکل و راه‌حل

محاسبه G(N) به صورت ساده نیازمند برشمردن تمام حالات ممکن است. بوزِن با استفاده از تجزیه‌ای هوشمندانه، این محاسبه را به NM ضرب و NM جمع کاهش داد. این روش نه تنها G(N) بلکه مقادیر میانی G(1) تا G(N-1) را نیز محاسبه می‌کند.

توصیف الگوریتم

الگوریتم با تقسیم اصطلاحات به دو گروه و استفاده از رابطه بازگشتی G(N) = Xm * G(N-1, M) + G(N, M-1) عمل می‌کند. این رابطه به همراه شرایط مرزی، محاسبه را بهینه می‌سازد.

اجرای الگوریتم

با استفاده از یک بردار ستونی C، الگوریتم به صورت ستون به ستون پیش می‌رود. حلقه‌های تو در تو مقادیر G(n) را محاسبه و در بردار C ذخیره می‌کنند.

جمع‌بندی

الگوریتم بوزِن با استفاده از رابطه بازگشتی و شرایط مرزی، محاسبه G(N) را بهینه می‌کند. این روش نه تنها ثابت نرمال‌سازی را محاسبه می‌کند، بلکه مقادیر میانی G(1) تا G(N-1) را نیز به عنوان خروجی جانبی تولید می‌نماید. این الگوریتم در تحلیل سیستم‌های صف بسته و محاسبه توزیع‌های حاشیه‌ای نقش کلیدی دارد و به عنوان ابزاری قدرتمند در مدل‌سازی سیستم‌های واقعی شناخته می‌شود.