clear
clc
%%?MMK∞和單隊列多通道—多服務臺混聯式（即在每一個通道上，每個區域的服務臺保持串聯，而同一個區域內有多個服務臺并聯）
N=100;%乘客總數
M=4;%有4個串聯的區域
u=0.45;%大約有45%的乘客會選擇PC通道（Pre-Check）
lambda0=4.65;%乘客的到達率（每分鐘平均到達4.65人）
%%
%乘客的平均到達時間
l0=1/lambda0;
%常規區域的平均服務時間，時間單位均為分鐘
lambda1=11.21/60;%第一個區域有兩個服務臺但是這里為了簡化模型，假設兩個服務臺的服務時間是完全一樣的
lambda2=13.2/60;
lambda3=27/60;
lambda4=13.2/60;

%PC通道的平均服務時間，由于乘客不用移除衣物和一些個人物品，所以將lambda2和lambda4的時間減少25%
lambda1_PC=11.21/60;%第一個區域有兩個服務臺但是這里為了簡化模型，假設兩個服務臺的服務時間是完全一樣的
lambda2_PC=13.2/60*0.75;
lambda3_PC=27/60;
lambda4_PC=13.2/60*0.75;
%%
%按負指數分布產生各乘客到達的時間間隔
arr_interval=?exprnd（l01N）;
%各乘客的到達時刻等于時間間隔的累積和
arr_moment=?cumsum（arr_interval）;
%產生45個隨機數，代表選擇PC的乘客的編號
r=randperm（10045）;
r=sort（r）;
%按負指數分布產生每個乘客在常規通道各區域的服務時間serve（ij）表示第i個乘客在第j個區域的服務時間//此處第一個區域有兩個服務臺但是這里為了簡化模型，假設兩個服務臺的服務時間是完全一樣的
serve（:1）=exprnd（lambda11N）‘;
serve（:2）=exprnd（lambda21N）‘;
serve（:3）=exprnd（lambda31N）‘;
serve（:4）=exprnd（lambda41N）‘;
%按負指數分布產生每個乘客在PC通道各區域的服務時間serve（ij）表示第i個乘客在第j個區域的服務時間//此處第一個區域有兩個服務臺但是這里為了簡化模型，假設兩個服務臺的服務時間是完全一樣的
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個乘客在常規通道第j個區域花費的時間為A1（ij）（i=1:100j=1:4花費的時間等于服務的時間加上等待的時間）
%第i個乘客離開常規通道第j個區域的時刻為B1（ij）

%在SLM的基礎上做點修改簡化下代碼//在這一節編程的時候就直接用“C”矩陣了

%第i個乘客在PC通道第j個區域花費的時間為A2（ij）（i=1:100j=1:4花費的時間等于服務的時間加上等待的時間）
%第i個乘客離開PC通道第j個區域的時刻為B2（ij）
%在假設不計區域之間花費的時間的條件下有這樣一個關系:到達第j個區域的時刻等于離開第j-1個區域的時刻
%a1，a2分別用來記錄乘客離開常規通道和PC通道內第一區域的兩個服務臺的時刻為了簡化，假設乘客遇到兩個服務臺時（即使兩個都是空的）會選擇乘客先行離開的那個服務臺
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