Enhance MGnCalc class with extensibility features for custom queueing systems. Introduce template method pattern for algorithm customization, including hooks for matrix building, iteration logic, and result calculations. Update documentation to reflect new extension points and usage examples.

Author: xabarov

.cursorrules

@@ -0,0 +1,3 @@
+# Python Virtual Environment
+Use `./.venv` for Python interpreter and package management.
+

docs/calculation.md

@@ -295,6 +295,93 @@ print_sojourn_moments(sim_results.v, calc_results.v)
 - **`EkDnCalc`** — E_k/D/c система
 - **`MGnCalc`** — M/G/c система (метод Такахаси-Таками)
 
+## Расширение метода Такахаси-Таками
+
+Класс `MGnCalc` реализует численный метод Такахаси-Таками для расчета многоканальных систем M/G/c. Этот класс спроектирован для легкого расширения, что позволяет создавать кастомные методы расчета для различных типов систем массового обслуживания.
+
+### Архитектура расширяемости
+
+`MGnCalc` использует паттерн Template Method, разделяя алгоритм на переопределяемые хуки:
+
+- **Методы построения матриц** — определяют структуру переходных матриц
+- **Хуки итераций** — позволяют кастомизировать логику алгоритма
+- **Методы расчета результатов** — настраивают вычисление характеристик системы
+
+### Базовое использование MGnCalc
+
+```python
+from most_queue.theory.fifo.mgn_takahasi import MGnCalc
+from most_queue.random.distributions import H2Distribution
+
+calc = MGnCalc(n=5)  # 5 каналов
+calc.set_sources(l=2.0)
+
+h2_params = H2Distribution.get_params_by_mean_and_cv(mean=2.0, cv=1.2)
+b = H2Distribution.calc_theory_moments(h2_params, 4)
+calc.set_servers(b)
+
+results = calc.run()
+```
+
+### Создание кастомного расширения
+
+Для создания собственного калькулятора на основе метода Такахаси-Таками:
+
+1. Наследуйтесь от `MGnCalc`
+2. Переопределите методы построения матриц (при необходимости)
+3. Переопределите хуки итераций (при необходимости)
+4. Переопределите методы расчета результатов (при необходимости)
+
+**Пример:** Добавление отрицательных заявок
+
+```python
+from most_queue.theory.fifo.mgn_takahasi import MGnCalc
+import numpy as np
+
+class CustomNegativeQueueCalc(MGnCalc):
+    def __init__(self, n, buffer=None, calc_params=None):
+        super().__init__(n, buffer, calc_params)
+        self.l_neg = None  # интенсивность отрицательных заявок
+    
+    def set_sources(self, l_pos, l_neg):
+        self.l_pos = l_pos
+        self.l_neg = l_neg
+        self.l = l_pos  # базовая интенсивность
+        self.is_sources_set = True
+    
+    def _build_big_d_matrix(self, num):
+        # Переопределяем D-матрицу для учета отрицательных заявок
+        base_matrix = super()._build_big_d_matrix(num)
+        # Добавляем отрицательные заявки к диагональным элементам
+        for i in range(base_matrix.shape[0]):
+            base_matrix[i, i] += self.l_neg
+        return base_matrix
+```
+
+### Точки расширения
+
+**Обязательные для переопределения (если меняется структура матриц):**
+- `fill_cols()` — определение структуры колонок для каждого уровня
+- `_build_big_a_matrix(num)` — матрица переходов вверх (поступления)
+- `_build_big_b_matrix(num)` — матрица переходов вниз (обслуживание)
+- `_build_big_d_matrix(num)` — диагональные элементы матрицы
+
+**Опциональные для переопределения:**
+- `_pre_run_setup()` — подготовка перед основным циклом
+- `_update_level_j(j)` — обновление переменных для уровня j
+- `_update_level_0()` — обновление уровня 0
+- `_calculate_p()` — расчет вероятностей состояний
+- `get_results()` — формирование результатов
+
+### Примеры существующих расширений
+
+- **`MGnNegativeRCSCalc`** — система с отрицательными заявками и дисциплиной RCS
+- **`MGnNegativeDisasterCalc`** — система с отрицательными заявками (катастрофы)
+- **`MH2nH2Warm`** — система с периодами разогрева
+- **`MPhNPrty`** — система с приоритетами
+
+Подробную документацию и примеры см. в `most_queue/theory/fifo/takahasi_base.py`.
+
 ### Системы с приоритетами
 
 - **`MG1Preemptive`** — M/G/1 с прерываемым приоритетом