教师课程教学质量评价排序问题的实证研究

本文通过实例分析,以测评对象在排序中的位置为依据,讨论教学质量学生测评结果排序选优在评价主体细致分类下的均衡性及不同学期下的时间稳定性。在学生测评为基础、评价主体多元的条件下,通过定义次序关系和排序变换,提出判断某一评价主体对排序影响程度的一种算法。从排序选优的角度,为评估和改进课程教学质量评价方案提供了依据。     

一类三圈图关于Merrifield-Simmons指标的排序

研究了一类三圈图瓦的Merrifield-Simmons指标，根据Cq上三种不同的连接方式，给出了该类三圈图关于Merrifield-Simmons指标的排序．     

重加工具有退化与学习现象的单机批排序问题

本文对同一台机器下次品工件可重加工生产的问题进行研究。工件要求成批加工,每批包括连续加工的两个子批。第一子批的工件加工后,一部分工件是按照要求得到的优良品,另一部分工件是次品。次品的工件接着在第二子批重加工,而次品工件在等待重加工时会产生退化与学习现象,加工完成后得到的工件是优良品。同一子批的工件同时完工,工件的完工时间是该子批中最后一个工件的完工时间。假设每批生产的工件次品率是相同的。每一批工件开始加工和重加工时都有安装时间。目标函数是使总安装时间,重加工和库存持续费用最小,并且优良品工件的需求得到满足。对于该问题的一般情形给出了动态规划算法。接着当批工件的完工时间和批的规模满足一致关系,给出多项时间算法。
     

基于区间直觉模糊数的得分函数与精确函数及其应用

在模糊决策理论中，区间直觉模糊数的排序是一个非常重要的理论问题.运用得分函数和精确函数对区间直觉模糊数进行有效排序的关键是得分函数和精确函数的科学构建.本文基于得分函数和精确函数的内涵，运用概率论全概率公式思想提出了新的得分函数和精确函数，并证明了其公理化的性质.通过大量的实际数据测算与比较分析，验证了本文提出的得分函数和精确函数的科学性，从而在对区间直觉模糊数排序时更有效、更准确.     

面向食品安全领域的个性化知识搜索系统研究

大数据时代,从海量的数据中发现对用户有用的知识成为研究领域重要的问题.通过集成多个搜索引擎的查询结果,实现食品安全领域中搜索信息的集成和个性化自适应排序.本文设计基于元搜索技术、知识本体和自适应的排序学习技术,实现多个搜索引擎相关查询结果集成,在对用户点击的标注和知识本体的基础上,利用基于监督学习的排序技术,实现对食品安全领域信息的个性化自适应排序.系统实现了集成多个搜索引擎的食品安全相关知识的提取和相关结果的重新排序.本研究不仅实现了多个搜索引擎食品安全信息查询相关的结果集成,而且能够根据用户的偏好实现结果的自适应排序.     

基于信息挖掘的相对优势度的区间数排序

对已有的可能度及相对优势度进行了分析,指出了它们的不足.考虑到两数在不同的待排序数组中的大小比较程度是不同的,通过挖掘待排序区间数所蕴含的信息,给出了一种新的比较区间数大小的相对优势度的定义.分析表明,该公式具有传递性、互补性等诸多良好的性质.在此基础上对区间数进行排序,该排序方法适用于所有的待排序区间数组的排序.最后利用实例说明本文的排序方法.     

基于ELECTRE排序的投资组合策略研究

为改进ELECTRE II多准则决策模型,将其应用于金融投资领域。通过引入净优势值概念,实现ELECTRE II模型的完全排序,以沪深300成份股为样本,精选财务指标作为评价因子,并通过修正Simos过程确定因子权重,构建股票投资组合。经比较和统计检验,策略具有显著的分层效应,排序靠前分位的股票组合收益率和夏普比率都显著优于沪深300指数。     

基于Map/Reduce的分布式数据排序算法分析

为了解决大规模数据的存储与计算,近年来分布式系统得到了大量的应用.如何在分布式系统中对大规模数据集进行排序是影响许多应用性能的基础问题,其中不仅涉及每个节点上排序算法的选择,更重要的是设计协调各节点的分布式算法.本文总结了分布式系统中常用的分布式排序算法,对每种算法的执行流程、代价模型和适用场景进行了分析,并通过实验对分析结果进行了验证.本文的工作可以帮助开发人员选择和优化分布式环境下大规模数据排序的算法.     

多服务台眼科病床排队系统的优化研究

为优化医院眼科病床的安排问题,本文采用排队论原理,首先在对某一眼科医院就诊排队实际数据分析的基础上提出了医院病床安排排队的优先权排队规则.其次,从便于医院管理的角度,建立了各类病人占用病床数大致固定方案的模型.最后通过实证分析得出:有优先权的排队系统优于先到先服务的排队系统;通过算例分析验证了采用各类病人占用病床数大致固定的方案的可行性.     

考虑多人给出参照点的风险型多属性决策方法

针对多人给出参照点的风险型多属性决策问题,提出了一种基于累积前景理论的决策分析方法.在该方法中,首先依据累积前景理论,计算每个参与决策人针对不同自然状态下每个方案的属性值的前景价值及决策权重函数值,进而得到每个参与决策人针对各方案的综合累积前景值;然后,计算每个参与决策人的决策信息与总体决策信息的期望一致性程度,并得到每个参与决策人的权重;在此基础上,计算各方案的总体累积前景值,并依据总体累积前景值的大小对各备选方案进行排序.最后,通过一个数值算例来说明该方法的可行性.