基于Python 实现基于事件驱动的M/M/m排队系统

在Python中，可以利用事件驱动编程的方式来模拟基于M/M/m（即Markovian Arrival Process / Memoryless Exponential Service Time / Finite Waiting Room）的排队系统。这种系统通常用于研究并发处理、资源分配等问题。以下是简单的步骤：

引入库：首先，你需要Python的一些核心库如threading（线程）、queue（队列）以及可能需要的概率模型库，比如scipy.stats。

创建事件类：设计Event类，包含事件类型（如新到达、服务完成等）、执行动作和触发时间等属性。

系统状态类：创建QueueSystem类，维护当前状态（等待队列、正在服务的顾客数等），以及添加事件到事件队列的方法。

服务函数：创建service()函数，模拟随机的服务时间，并从队列中取出下一个客户进行服务。

事件循环：通过while循环持续监听事件队列，一旦有新的事件发生（例如新客户到来或者服务结束），就执行相应的处理函数。

概率模拟：如果需要考虑随机性，可以用random.expovariate()生成指数分布的时间，模拟服务时间和到达过程。

import threading
import queue
import random

class Event:
def __init__(self, event_type, time, action):
self.type = event_type
self.time = time
self.action = action

class Customer(Event):
# 新客户到达
pass

class ServerAction(Event):
# 客户服务完成
pass

class QueueSystem:
def __init__(self, arrival_rate, service_rate, capacity):
self.queue = queue.Queue(capacity)
self.server = None
self.arrival_rate = arrival_rate
self.service_rate = service_rate
self.event_queue = queue.Queue()

def add_event(self, event):
self.event_queue.put(event)

def service(customer):
# 模拟服务时间
service_time = random.expovariate(1/service_rate)
print(f"Customer {customer} served for {service_time} seconds.")

if not self.queue.empty():
next_customer = self.queue.get()
new_event = ServerAction(time=service_time + customer.time, action=self.handle_service_completion(next_customer))
else:
new_event = Customer(time=random.expovariate(1/arrival_rate), action=self.handle_arrival)

return new_event

# 主程序
def main():
system = QueueSystem(arrival_rate=0.8, service_rate=0.6, capacity=10)
thread = threading.Thread(target=system.run_system)
thread.start()

if __name__ == "__main__":
main()
登录后复制