Использование - (total_simulation_time - total_idle_time) / total_simulation_time), где total_idle_time - сумма всех периодов, когда сервер простаивал. Сервер простаивает между началом моделирования и прибытием первого клиента, а также между любым моментом, когда клиент прибыл и не ожидал в очереди (время начала обслуживания == время прибытия с тем же идентификатором клиента), и временем предыдущего отправления клиента.
Время ожидания в очереди - это разница между тем, когда клиент начинает обслуживание и когда этот клиент прибыл. Затем можно определить среднюю длину линии по закону Литтла , поскольку вы должны знать частоту прибытия, использованную для построения симуляции.
Теперь о плохих новостях. Системы массового обслуживания печально известны тем, что серийная зависимость наблюдений оказывает статистическую оценку их поведения. Чтобы получить даже умеренно точные оценки установившегося поведения, вам могут потребоваться длины прогонов, варьирующиеся до сотен тысяч клиентов, в зависимости от интенсивности трафика c (скорость поступления / скорость обслуживания) вашей системы. Вы не можете просто рассматривать наблюдения как независимые и одинаково распределенные , что является базовым допущением для статистики, с которой знакомы большинство людей.