排队论仿真代码后续

clear
clc
%% MMK∞和单队列多通道—多服务台混联式（即在每一个通道上，每个区域的服务台保持串联，而同一个区域内有多个服务台并联）
N=100;%乘客总数
M=4;%有4个串联的区域
u=0.45;%大约有45%的乘客会选择PC通道（Pre-Check）
lambda0=4.65;%乘客的到达率（每分钟平均到达4.65人）
%%
%乘客的平均到达时间
l0=1/lambda0;
%常规区域的平均服务时间，时间单位均为分钟
lambda1=11.21/60;%第一个区域有两个服务台但是这里为了简化模型，假设两个服务台的服务时间是完全一样的
lambda2=13.2/60;
lambda3=27/60;
lambda4=13.2/60;

%PC通道的平均服务时间，由于乘客不用移除衣物和一些个人物品，所以将lambda2和lambda4的时间减少25%
lambda1_PC=11.21/60;%第一个区域有两个服务台但是这里为了简化模型，假设两个服务台的服务时间是完全一样的
lambda2_PC=13.2/60*0.75;
lambda3_PC=27/60;
lambda4_PC=13.2/60*0.75;
%%
%按负指数分布产生各乘客到达的时间间隔
arr_interval= exprnd（l01N）;
%各乘客的到达时刻等于时间间隔的累积和
arr_moment= cumsum（arr_interval）;
%产生45个随机数，代表选择PC的乘客的编号
r=randperm（10045）;
r=sort（r）;
%按负指数分布产生每个乘客在常规通道各区域的服务时间serve（ij）表示第i个乘客在第j个区域的服务时间//此处第一个区域有两个服务台但是这里为了简化模型，假设两个服务台的服务时间是完全一样的
serve（:1）=exprnd（lambda11N）‘;
serve（:2）=exprnd（lambda21N）‘;
serve（:3）=exprnd（lambda31N）‘;
serve（:4）=exprnd（lambda41N）‘;
%按负指数分布产生每个乘客在PC通道各区域的服务时间serve（ij）表示第i个乘客在第j个区域的服务时间//此处第一个区域有两个服务台但是这里为了简化模型，假设两个服务台的服务时间是完全一样的
PC_serve（:1）=exprnd（lambda1_PC1N）‘;
PC_serve（:2）=exprnd（lambda2_PC1N）‘;
PC_serve（:3）=exprnd（lambda3_PC1N）‘;
PC_serve（:4）=exprnd（lambda4_PC1N）‘;
%%
%第i个乘客在常规通道第j个区域花费的时间为A1（ij）（i=1:100j=1:4花费的时间等于服务的时间加上等待的时间）
%第i个乘客离开常规通道第j个区域的时刻为B1（ij）

%在SLM的基础上做点修改简化下代码//在这一节编程的时候就直接用“C”矩阵了

%第i个乘客在PC通道第j个区域花费的时间为A2（ij）（i=1:100j=1:4花费的时间等于服务的时间加上等待的时间）
%第i个乘客离开PC通道第j个区域的时刻为B2（ij）
%在假设不计区域之间花费的时间的条件下有这样一个关系:到达第j个区域的时刻等于离开第j-1个区域的时刻
%a1，a2分别用来记录乘客离开常规通道和PC通道内第一区域的两个服务台的时刻为了简化，假设乘客遇到两个服务台时（即使两个都是空的）会选择乘客先行离开的那个服务台
a1=zeros（12）;
a2=zeros（12）;
A1=zeros（NM）;
A2=zeros（NM）;
C1=zeros（N5）;
C2=zeros（N5）;
C1（:1）=arr_moment‘;
C2（:1）=arr_moment‘;
if r（1）~=1
     A1（1:）=serve（1:）;
     C1（12）=A1（11）+C1（11）;
     a1（1）=C1（12）;
    for j=2:4
       C1（1j+1）=C1（1j）+A1（1j）;
    end
else 
    A2（1:）=PC_serve（1:）;
    C2（12）=A2（11）+C2（11）;
    a2（1）=C2（12）;
    for j=2:4
       C2（1j+1）=C2（1j）+A2（1j）;
    end
end


for i=2:N
    f