확장 비국소 시간 연산자로 제어되는 분수 M/M/1 대기열

초록

본 논문은 전통적인 M/M/1 대기열에 확장된 Caputo형 비국소 시간 연산자를 도입해 비마코프적 모델을 구축한다. stretched (α,γ) 연산자를 적용한 Kolmogorov 전진 방정식의 해를 Kilbas‑Saigo 함수로 명시적으로 표현하고, 시간 변화 해석을 통해 고전 대기열을 비감소 랜덤 시간에 평가한 분포와 동등함을 보인다. 안정성 조건 ρ<1 하에서는 정상 상태 분포가 기하분포와 동일하지만, (α,γ) 파라미터가 과도기 수렴 속도에 큰 영향을 미친다.

상세 분석

본 연구는 두 개의 연속적인 확장축을 통해 기존 M/M/1 대기열을 일반화한다. 첫 번째 축은 시간 미분을 0<α<1인 Caputo 분수 미분으로 교체함으로써 장기 기억(memory) 효과를 도입하고, 두 번째 축은 t^{‑γ} · Caputo_α 형태의 “stretched” 연산자를 도입해 시간 스케일을 비선형적으로 변형한다(α+γ≤1). 이러한 연산자는 기존 Caputo 연산자를 γ=0일 때 복원하고, α=1,γ=0이면 고전 1차 미분으로 수렴한다.

연산자 D_{α,γ}t는 라플라스 변환 영역에서 s^{α+γ}이라는 새로운 복소 변수로 나타나며, 이는 전통적인 M/M/1의 라플라스 변수가 s와 동일한 역할을 수행한다는 점에서 구조적 일관성을 유지한다. 라플라스 변환을 적용한 후, 상태 확률 p_n(t)의 변환 ˜p_n(s)는 전형적인 birth‑death 차분 방정식 형태를 유지하면서 분모에 s^{α+γ}+λ+μ−λz−μz^{‑1}이 등장한다. 이는 기존 M/M/1의 해석적 해와 동일한 형태이지만, s가 s^{α+γ}로 대체된 것에 불과하다.

이때 핵심적인 특수함수인 Kilbas‑Saigo 함수 E_{α,1+γ/α,γ/α}(·)가 등장한다. 연산자 D_{α,γ}t가 적용된 완화 방정식 D_{α,γ}t f(t)=−λf(t), f(0)=1의 해는 바로 이 함수이며, γ=0이면 Mittag‑Leffler 함수로, α=1이면 지수함수로 귀결한다. 따라서 Kilbas‑Saigo 함수는 stretched 연산자의 고유함수이자, 확률 커널의 완전 단조성을 보장하는 Bernstein 함수와의 합성으로 확률밀도(또는 생존함수)의 비음성성을 확보한다.

확률적 해석 측면에서 저자는 N_{α,γ}(t)=N(A_{α,γ}(t)) 형태의 시간 변화 표현을 제시한다. 여기서 A_{α,γ}(t)는 비감소 Lévy 서브오디네이터의 역과 동등한 랜덤 시간이며, 그 라플라스 변환이 Kilbas‑Saigo 함수와 일치한다. 따라서 N_{α,γ}(t)는 고전 M/M/1 프로세스를 랜덤 시간에 “샘플링”한 결과이며, 이는 기존의 시간‑분수 큐(α‑분수,γ=0)와 동일한 확률적 구조를 공유한다.

정상 상태 분석에서는 ρ=λ/μ<1이면 정상 분포 π_n=(1−ρ)ρ^n이 그대로 유지된다는 정리를 증명한다. 이는 비마코프적 메모리 효과가 과도기(transient) 동역학에만 영향을 미치고, 장기적인 균형에는 영향을 주지 않음을 의미한다. 그러나 수렴 속도는 s^{α+γ}에 의해 지배되므로, α가 작아질수·γ가 커질수록 꼬리(tail)에서의 완화가 느려져 “느린 수렴(slow convergence)” 현상이 나타난다.

수치 실험에서는 Monte‑Carlo 시뮬레이션을 통해 (α,γ) 파라미터가 비어 있는 상태(p_0(t))와 평균 대기열 길이 E