📊 statistics

A Fractional M/M/1 Queue Governed by Stretched Non-Local Time Operators

Dit artikel introduceert een niet-Markoviaanse generalisatie van de M/M/1-wachtrij met behulp van uitgebreide niet-lokale tijdoperatoren, waarbij wordt aangetoond dat hoewel de stationaire verdeling onder standaard stabiliteitsvoorwaarden geometrisch blijft, de fractionele parameters de transiënte convergentiesnelheden en de langetermijngeheugen-staartdynamiek aanzienlijk veranderen.

Oorspronkelijke auteurs: Mehmet Sıddık Çadırcı

Gepubliceerd 2026-02-03

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Mehmet Sıddık Çadırcı

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een drukke koffiebar voor met één barista. Dit is de klassieke M/M/1-wachtrij, een wiskundig model dat wordt gebruikt om wachtrijen, wachttijden en congestie te begrijpen. In de "klassieke" versie van dit verhaal beweegt de tijd als een gladde, gestage rivier. Als er een klant arriveert, is de kans dat de volgende arriveert elke seconde hetzelfde, ongeacht wat er vijf minuten geleden is gebeurd. Het systeem heeft geen geheugen; het leeft volledig in het huidige moment.

De echte wereld is echter niet altijd een gladde rivier. Soms voelt de tijd "plakkerig" of "uitgerekt". Misschien raakt de barista afgeleid, of komen klanten in onvoorspelbare uitbarstingen die lijken te blijven hangen. Dit is waar het artikel van Mehmet Sıddık Çadırcı om de hoek komt kijken.

Hier is een uitleg van de kernideeën van het artikel met behulp van eenvoudige analogieën:

1. De Nieuwe "Plakkerige" Klok

De auteurs stellen een nieuwe versie van de koffiebar-wachtrij voor. In plaats van een gladde rivier, stellen ze zich voor dat de tijd wordt beheerd door een "gestrekte niet-lokale tijdsoperator."

De Analogie: Denk aan de klassieke wachtrij als een trein die met een constante snelheid op een perfect spoor rijdt. Het nieuwe model is als diezelfde trein, maar nu beweegt hij door een dikke, plakkerige substantie zoals honing.
Wat het doet: In deze "honing" verloopt de tijd niet uniform. Het systeem onthoudt het verleden. Als er eerder een lange rij ontstond, beïnvloedt die "herinnering" hoe de rij zich nu gedraagt. Het artikel vervangt de standaard wiskunde voor "snelheid van verandering" (de afgeleide) door een complexer instrument genaamd de gestrekte fractionele operator. Dit instrument stelt het model in staat om "lang geheugen" en "persistentie" vast te leggen.

2. De Magische Functie: De Kilbas-Saigo

Om de wiskunde van deze plakkerige, geheugenrijke wachtrij op te lossen, gebruiken de auteurs een speciaal wiskundig instrument genaamd de Kilbas-Saigo-functie.

De Analogie: In het klassieke model gebruikt de wiskunde eenvoudige exponentiële curves (zoals een bal die een heuvel afrolt en tot stilstand komt). In dit nieuwe model rolt de bal een heuvel af die van vorm verandert terwijl hij naar beneden gaat. De Kilbas-Saigo-functie is de specifieke vorm van die veranderende heuvel.
Waarom het belangrijk is: Deze functie is een "superversie" van oudere wiskundige instrumenten (zoals de Mittag-Leffler-functie). Het stelt het model in staat om een veel breder scala aan "relaxatie"-gedragingen te beschrijven—hoe snel een wachtrij weer tot rust komt na een drukte.

3. De "Geest"-Tijdreiziger

Een van de meest fascinerende bevindingen is hoe deze nieuwe wachtrij zich verhoudt tot de oude. Het artikel bewijst dat het gedrag van deze complexe, geheugenrijke wachtrij eigenlijk gewoon een klassieke wachtrij is die draait op een willekeurige, vervormde klok.

De Analogie: Stel je twee identieke koffiebars voor.
- Winkel A (Klassiek): De tijd tikt normaal.
- Winkel B (Fractioneel): De barista is hetzelfde, de klanten zijn hetzelfde, maar de klok aan de muur is kapot. De klok versnelt en vertraagt willekeurig op basis van een specifieke regel.
- Het Resultaat: Als je Winkel B bekijkt, lijkt het alsof de rij langzamer beweegt of vreemd gedraagt, maar als je de kapotte klok van Winkel B zou terugdraaien om overeen te komen met de normale tijd van Winkel A, zouden de twee rijen er exact hetzelfde uitzien.
De Bewering: Het artikel bewijst wiskundig dat de fractionele wachtrij slechts een klassieke wachtrij is die wordt geëvalueerd op een "niet-dalende willekeurige tijd".

4. De Grote Verrassing: Het Eindresultaat Verandert Niet

Je zou kunnen denken dat als de tijd plakkerig is en het geheugen zwaar, de uiteindelijke toestand van de rij totaal anders zal zijn. Het artikel laat zien dat dit niet het geval is.

De Analogie: Of je nu in een stevig tempo naar de winkel loopt of door diepe modder wadt, als je op dezelfde plek begint en hetzelfde pad volgt, kom je uiteindelijk op dezelfde bestemming aan.
De Bewering: Zolang de winkel niet overbelast is (de aankomstfrequentie is lager dan de bedieningssnelheid), is de uiteindelijke, stationaire verdeling van klanten in de rij exact hetzelfde als in het klassieke model. De "plakkerige tijd" verandert hoe snel het systeem daar komt, maar niet waar het eindigt.

5. Het Echte Verschil: De Reis, Niet de Bestemming

Hoewel de uiteindelijke bestemming hetzelfde is, is de reis heel anders.

De Analogie: In het klassieke model, als de rij lang wordt, krimpt deze zeer snel (exponentieel snel) weer naar normaal. In het nieuwe "plakkerige" model krimpt de rij veel langzamer. Het heeft "lange staarten."
De Bewering: De parameters $\alpha$ $α$ en $\gamma$ $γ$ (die de "plakkerigheid" en het "rekken" van de tijd regelen) beïnvloeden aanzienlijk het transiënte regime (de tijdelijke periode voordat zaken tot rust komen).
- Kleine $\alpha$ of grote $\gamma$ : Het systeem doet er veel langer over om tot rust te komen. Het houdt de "herinnering" aan een drukke periode voor een lange tijd vast.
- Grote $\alpha$ : Het systeem gedraagt zich meer als het klassieke, snel bewegende model.

Samenvatting

Het artikel introduceert een flexibelere manier om wachtrijen te modelleren die rekening houdt met "geheugen" en "plakkerigheid" in de tijd.

Het verandert de regels van de tijd: Het vervangt de standaard tijd door een "gestrekte" versie die het verleden onthoudt.
Het gebruikt een nieuw wiskundig instrument: De Kilbas-Saigo-functie om te beschrijven hoe het systeem tot rust komt.
Het verbindt met het oude: Het laat zien dat dit nieuwe systeem slechts een oud systeem is dat draait op een vreemde, willekeurige klok.
Het behoudt hetzelfde einde: Het gemiddelde aantal mensen in de rij op de lange termijn blijft hetzelfde als bij het klassieke model.
Het vertraagt het begin: Het belangrijkste verschil is dat het systeem veel langer nodig heeft om tot rust te komen na een drukte, wat "zware staarten" creëert waarbij de rij langer blijft dan verwacht voordat het weer normaal wordt.

De auteurs hebben dit gevalideerd met computersimulaties (Monte Carlo), waarbij zij lieten zien dat door de "plakkerigheid"-parameters aan te passen, zij systemen konden modelleren die veel langzamer tot rust komen dan traditionele modellen toelaten.

Technische Samenvatting: Een Fractionele M/M/1-wachtrij beheerst door een Gestrekte Niet-Lokale Tijdoperator

Probleemstelling
De klassieke M/M/1-wachtrij is een Markoviaans systeem dat wordt beheerst door lineaire Kolmogorov-voorwaartse vergelijkingen met gewone tijdsafgeleiden. Hoewel dit kader effectief is voor systemen met geheugenloze intervallen tussen gebeurtenissen, schiet het tekort bij het vastleggen van de niet-lokale temporele effecten, persistentie en anomalie in relaxatie die vaak worden waargenomen in complexe real-world systemen. Bestaande fractionele generalisaties vertrouwen doorgaans op de standaard Caputo-afgeleide, die weliswaar geheugen introduceert, maar een gebrek aan flexibiliteit vertoont bij het modelleren van complexere fractionele tijdschaleringsgedragingen. Dit artikel adresseert het gat in het systematisch integreren van uitgebreide niet-lokale tijdoperators in de transiënte analyse van wachtrijmodellen om de langetermijngeheugen-dynamiek van staarten beter te karakteriseren.

Methodologie
De auteurs stellen een niet-Markoviaanse generalisatie van de M/M/1-wachtrij voor door de standaard eerste-orde tijdsafgeleide in de Kolmogorov-voorwaartse vergelijkingen te vervangen door een uitgebreide gestrekte fractionele operator, aangeduid als $D^{(\alpha, \gamma)}_t$ . Deze operator is gedefinieerd als $t^{-\gamma} {}^C D^\alpha_t$ , waarbij ${}^C D^\alpha_t$ de Caputo-fractionele afgeleide is van orde $0 < \alpha < 1$ , en $\gamma \ge 0$ een strekparameter is die voldoet aan $\alpha + \gamma \le 1$ .

De analyse verloopt via de volgende stappen:

Modelformulering: De toestandsafhankelijkheden $p_n(t)$ worden beheerst door een systeem van fractionele verschil-differentiaalvergelijkingen waarbij de tijdsafgeleide wordt vervangen door $D^{(\alpha, \gamma)}_t$ .
Analytische Oplossing: De auteurs maken gebruik van Laplace-transformatietechnieken om de beheersende vergelijkingen op te lossen. De structuur van de oplossing berust op de Kilbas–Saigo-functie ( $E_{a,m,l}$ ), een speciale functie die de Mittag-Leffler-familie generaliseert en dient als de eigenfunctie voor de gestrekte fractionele operator.
Stochastische Representatie: Er wordt een tijdveranderingsinterpretatie geconstrueerd, waarmee wordt aangetoond dat het fractionele wachtrijproces $\{N_{\alpha,\gamma}(t)\}$ distributioneel equivalent is aan een klassieke M/M/1-wachtrij geëvalueerd op een niet-dalende willekeurige tijd $A_{\alpha,\gamma}(t)$ . Deze willekeurige tijd is de inverse van een subordinator geassocieerd met de gestrekte operator.
Numerieke Validatie: Monte Carlo-simulaties worden uitgevoerd met behulp van een tijdvariërend simulatieschema. De klassieke M/M/1-paden worden gegenereerd via een event-driven algoritme en geëvalueerd op willekeurige operationele tijden afgeleid van de gestrekte fractionele dynamica om transiënte prestatie-indicatoren te schatten.

Belangrijkste Bijdragen
Het artikel levert vier primaire bijdragen:

Uitgebreid Modelvoorstel: Het introduceert een fractioneel M/M/1-model dat een niet-lokale tijdoperator met een extra strekparameter ( $\gamma$ ) bevat, wat een rijker spectrum van vervalgedragingen mogelijk maakt dan standaard fractionele modellen.
Analytische Afleiding: Het leidt expliciete transiënte toestandsafhankelijkheden af die worden uitgedrukt in termen van de Kilbas–Saigo-functie, wat een gesloten vorm geeft voor de evolutie van het systeem.
Limiterende Regimes: Het definieert rigoureus de limietgevallen die zowel de standaard klassieke M/M/1-wachtrij (wanneer $\alpha \to 1, \gamma \to 0$ ) als de standaard tijd-fractionele M/M/1-wachtrij (wanneer $\gamma \to 0$ ) herstellen, wat zorgt voor consistentie met de bestaande literatuur.
Stochastische Interpretatie: Het legt een probabilistische link tussen de fractionele wachtrij en een tijd-gewijzigd klassiek proces, wat het mechanisme van de introductie van geheugen verheldert.

Resultaten

Transiënt Gedrag: De fractionele parameters $(\alpha, \gamma)$ veranderen het transiënte regime aanzienlijk. Specifiek vertoont het systeem niet-exponentiële relaxatie en een tragere convergentie naar evenwicht vergeleken met het klassieke geval. De waarschijnlijkheid dat het systeem leeg is ( $p_0(t)$ ) en de gemiddelde wachtrijlengte ( $m(t)$ ) convergeren trager naar stationaire waarden naarmate de geheugeneffecten (gecontroleerd door $\alpha$ en $\gamma$ ) toenemen.
Stationaire Verdeling: Onder de standaard stabiliteitsvoorwaarde $\rho = \lambda/\mu < 1$ , bewijst het artikel dat de stationaire verdeling geometrisch blijft en exact overeenkomt met die van de klassieke M/M/1-wachtrij ( $\pi_n = (1-\rho)\rho^n$ ). De gestrekte fractionele parameters beïnvloeden de snelheid van convergentie, maar veranderen de invariante maat van het systeem niet.
Staartdynamiek: Numerieke voorbeelden geven aan dat fractionele dynamica resulteert in een bredere spreiding van de wachtrijlengte-verdeling op tussenliggende tijdstippen, wat de persistentie-effecten benadrukt die worden veroorzaakt door de niet-lokale tijdoperator.

Betekenis en Claims
Het artikel claimt een flexibel en wiskundig consistent kader te bieden voor het modelleren van wachtrijsystemen met geheugen en niet-lokale temporele effecten. Door gebruik te maken van de Kilbas–Saigo-functie overbrugt het model de kloof tussen klassieke dynamica en complexe fractionele dynamica, en biedt het een instrument om de langetermijngeheugen-staartdynamiek te vangen die standaard Markoviaanse of eenvoudige fractionele modellen niet kunnen vangen. De auteurs benadrukken dat hoewel de stationaire verdeling invariant is onder deze tijdveranderingen, de transiënte prestatie-indicatoren zeer gevoelig zijn voor de fractionele parameters, waardoor het model bijzonder relevant is voor systemen waar de snelheid van convergentie en transiënte congestiepatronen cruciaal zijn. Het werk valideert dat het uitgebreide kader de lineaire geboorte-sterfte structuur van de wachtrij behoudt terwijl het geheugen introduceert via de temporele evolutie.