呼叫中心人力资源配置鲁棒规划模型

针对现实呼叫中心中顾客到达不确定的问题,建立了基于排队论的离散流体模型,解决了考虑鲁棒性呼叫中心的人力资源配置问题.通过区间数据来表示顾客到达的不确定集,利用可调整鲁棒优化方法的思想,分析了鲁棒优化模型与确定性优化模型的关系.数值试验表明,使用可调整鲁棒参数的鲁棒优化方法减小了呼叫中心到达率不确定性给呼叫中心系统带来的影响;到达率越大,对应的最优的鲁棒参数越大,模型越保守.     

云计算环境中SBS应用动态资源分配方法

建立了一个SBS（基于服务的系统，service based system）应用端到端性能评价模型，并在该模型的基础上提出了SBS应用动态资源分配方法，该方法通过将静态的初始资源分配和动态的资源分配方案调整相结合，能够适应用户访问行为的动态变化，保证SBS应用端到端性能. 在SBS应用动态资源分配问题求解中，提出了服务吞吐量约束确定算法并在此基础上 给出了SBS应用动态资源分配算法，该算法根据SBS应用吞吐量约束确定服务资源需求量并在此基础上通过起始服务 到服务间的转移时间计算服务的资源分配时刻，从而能够在保证SBS应用端到端性能约束的同时提高资源利用率. 实验验证了所提出的基于SBS应用端到端性能评价模型的动态资源分配方法的有效性.     

任务型教学法在民族高校大学英语教学中的重要作用

民族高校的地缘和生源特点等诸多因素,决定了教师在开展大学英语教学过程中必须采用适合自身特点的教学模式和教学策略。任务型教学法从学生的基本心理需求出发,强调用语言做事,注重学生交际能力的培养,符合大学英语现行的培养目标。从分析任务型教学法的特点以及任务型教学实践入手,阐述了任务型教学法在民族高校大学英语教学中的重要作用。     

基于ULMADM的智能指挥控制系统决策分配方法

在智能指挥控制系统设计中，为了充分发挥指挥员与自动化系统的决策优势，需要将决策功能在两者之间进行合理分配. 给出了指挥控制系统决策分配步骤，针对决策分配过程中属性值无法准确测度的特点，采用不确定性语言型多属性决策（ULMADM）方法，基于UEWAA算子确定决策功能的自动化等级范围，基于UEWAA算子和ULHA算子相结合的多属性群决策算法确定决策功能的自动化等级，算例表明ULMADM方法解决决策分配问题的可行性、有效性和通用性.     

高新技术企业创新资金配置风险预警的FOA-SVM模型及实证

为了提高创新资金的运营效率和为企业创新活动提供有效支撑,按照高新技术企业创新资金配置的生态化要求,从资金的来源、使用、偿还、收益分配四个维度进行风险分析并构建风险预警指标,给出创新资金配置的生态目标,将支持向量机二分类问题扩展到多分类并与果蝇优化算法结合构建风险预警的FOA-SVM (fruit fly optimization algorithm and support vector machines)模型,确定警度和警限,选取117家医药制造企业2016年数据进行模型验证并与GA-SVM (genetic algorithm and support vector machines)模型进行比较分析,研究表明,FOA-SVM模型分类准确率高而且对于高风险的误判率低,可以实现对高新技术企业创新资金配置风险的分类预警,为优化创新资金配置、防范与控制创新资金配置风险提供依据.     

门诊到住院过程中病床负荷公平性的病人路由策略

在调研分析住院病人历史数据和医院业务流程基础上,建立了病人流路由分配的单排队多服务台队列倒V模型.以病房工作负荷公平性为目标,分析了RMI(randomized most-idle)随机路由分配策略的马尔科夫过程在倒V模型中的应用,得到了系统的阻塞概率及病床占用率等相关性能指标参数,从理论上分析了RMI路由分配策略的公平性.对比了两服务台队列占用率、单位时间内服务的病人数量,结果验证了RMI策略的公平性.     

美汉草（Meehania fargesii Levl）生物量分配分析

调查阔叶红松林林下早春开花植物美汉草(Meehania fargesii Levl)各个器官生物量分配变化情况.结果表明:在整个生长季节中,美汉草各器官生物量总体上呈现先增加后减少的趋势,5月初~7月初,根生长速率先快后慢,茎叶生长速率先慢后快,7月中旬以后各器官生物量逐渐减少;美汉草有性生殖的生殖分配占总生物量的比例较小(4%~6%);根冠比在5~6月不断上升,6~7月迅速下降,7月以后保持稳定;根和茎叶生物量分别与总生物量呈显著的线性正相关关系.分析显示:为了适应阔叶红松林林下的光照变化,在林分郁闭前,能量主要分配给地下部分;林分郁闭后,茎叶生长占主导.美汉草主要以营养繁殖为主,第2年的地下根状茎来自第1年地上茎的繁殖方式及生物量分配策略,可能是美汉草成为林下优势草本的重要原因.     

基于双层多粒子群算法的HDEHR系统资源分配

为解决集中式区域医疗信息集成系统存在的访问瓶颈问题,设计了一种层次化分布式EHR集成模型HDEHR(hierarchical distributed EHR).介绍了HDEHR模型的总体架构,指出了该模型中的系统资源分配问题.为HDEHR系统资源分配问题进行了形式化定义,提出一种采用平均等待时间和网络与节点资源利用均衡度的调和模型作为最优化目标函数.根据HDEHR模型层次化的特点设计了一种双层多粒子群算法BLMSPSO(bi-level multi-swarm PSO),并用其解决了模型资源的最优化分配问题.采用HDEHR-Sim仿真平台进行了试验,对HDEHR算法和集中式EHR模型进行了比较.结果表明,该系统具备线性响应能力,能很好地解决集中式EHR集成模型存在访问瓶颈的问题.     

基于数学模型的居民家庭股票投资研究

本文在均值-方差框架下分析了居民家庭如何进行股票投资选择,以及如何在现金,债券和股票之间作出最优投资分配.并且,通过微观数据实证分析了北京市居民家庭股票投资选择的状况.     

基于多Agent的分布式多目标任务调度机制研究

针对分布式计算中任务调度的复杂性、动态性和实时性等特点,构建了一个基于多Agent的分布式多目标任务调度模型．此模型中,设计了一种分布武调度机制,使每个节点都具有独立的调度决策能力,增强了系统的可扩展性．同时为了解决分布式调度所产生的节点间任务通信问题,引入任务与节点相关性等概念,有效地降低了节点间的通信代价．模型对多个评价指标进行了综合衡量,如任务调度开销、任务最早执行时间、负载均衡及节点问的通信量等,并根据任务和系统运行的状态特征,实现多目标任务调度,提高了系统的整体性能．