求解DVD在线租赁的有效方法

本文运用线性规划、MATLAB软件和运筹学等相关数学知识,构造了一个DVD在线租赁合理的数学模型.模型用最优化分配的原则把DVD在线租赁问题简单化,在实际应用中具有重要的经济意义.     

基于IRBFNN和IRAN的非线性动态系统在线自适应建模

将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。     

管廊复杂网格参数化算法及其大规模在线渲染

随着WebBIM(Web Building Information Modeling)技术的大力发展,建筑模型的复杂度与构件数量呈几何倍数增长,其中管廊复杂网格是影响模型轻量化和在线渲染速率的一个关键性问题。为有效减少管廊复杂网格模型的数据量及复杂度,针对一般圆柱体形管廊,复杂网格的弯管管廊模型及中空管廊网格模型,提出了一套轻量级参数化算法。该算法对场景中的管廊模型进行参数化重绘并辅助以多细节层次等视觉优化手段,以减轻WebBIM场景中的管廊模型渲染负担,其在拥有大量管廊模型的场景中应用成功,具有较强的工程实践意义。     

网络口碑影响机制：信任的中介和性别及涉入度的调节

网络口碑和在线评论已经成为网上消费者获取产品信息的最重要来源,也是影响其做出购买决策的最关键因素。但是,现有的研究缺乏对网络口碑的影响机制和作用路径的深入探索。开拓性地引入消费者信任作为中介变量,并将性别和涉入度等消费者特征作为调节变量,构建研究模型。采用在线实践后进行问卷调查的方法收集数据,并用结构方程模型软件进行模型验证与假设检验。研究结果表明：① 在线评论的理性强度、评论数量以及消费者的信任倾向,显著积极影响其对在线评论的感知可信度,而感知可信度进而通过消费者对商家的认知信任和情感信任的中介作用,最终影响其在线购买意愿。② 相比女性消费者,评论数量对男性感知评论可信度的影响更大,并且感知可信度对男性情感信任的影响也更大;但是女性感知评论理性强度对其感知评论可信度的作用更强。③ 与高涉入度消费者相比,在线评论的理性强度对低涉入者感知评论可信度的影响更大,认知信任对低涉入者购买意愿的影响也更大。然而,评论数量对高涉入者感知评论可信度的作用更强。这些研究结果蕴含着丰富的管理启示。     

基于B/S结构的在线测试系统的设计与实现

介绍了基于B/S结构的在线测试系统的基本功能和实现方法,给出了系统的应用设计,完成了系统模型的实现.系统具有良好的学生测试和自动评价功能,利用网络数据库的优势解决了群体测试的整体评价.     

一对多交互式在线客户服务排队模型

以聊天工具为基础的在线客服大量取代了电话形式的传统客服.与电话客服不同,一个在线客服人员能同时为多个顾客提供交互式的服务,而传统的排队公式都是以一对一服务为基础推导的,无法直接用来计算在线客服的排队指标.分析了一对多交互模式下的排队特点,提出了该模式下的服务水平指标,构建了包含顾客层和消息层的双层排队模型,推导了系统平...     

燃料电池内阻在线测试系统研究

内阻是反应燃料电池性能的重要指标,设计燃料电池内阻在线测试系统具有重要意义.但燃料电池内阻具有明显的非线性和时变特性,一般难以精确测量.为了解决这个问题,本文在对燃料电池内阻进行分析的基础上,结合电化学阻抗谱测试思想,提出了一种改进的燃料电池欧姆内阻在线测试法--交流变频调幅测量法,并基于高性能数字信号处理器设计了测试系统硬件电路和软件,得到了较好的测量效果.     

基于深度学习的智能学习资源推荐算法

为了提高资源推荐性能,采用广义回归神经网络完成资源推荐。首先,提取推荐系统的用户和资源特征,选择两者的特征差异值之和作为推荐系统目标函数,然后构建广义回归神经网络(Generalized regression neural network, GRNN)资源推荐模型。考虑到GRNN训练效果对平滑因子和核函数中心的依赖性强的特点,引入差分进化(Differential evolution, DE)算法对GRNN的平滑因子和核函数中心偏移因子进行优化求解：选择最小特征差异值求解函数作为DE算法适应度函数,通过DE算法的多次交叉、变异和选择操作,获得最优平滑因子和偏移因子。最后采用优化后的平滑因子和偏移因子进行GRNN资源推荐,生成特征差异较小的候选资源序列作为资源推荐序列。试验证明,选择合理的DE算法交叉速率和差分缩放因子,能够获得较好的平滑因子和偏移因子,GRNN也能够获得更好的推荐效果。和常用资源推荐算法比较,对于3种不同的训练样本,该文算法能够获得更优的资源推荐准确率,且RMSE值较低。     

同城即时配送问题基于多预测场景的在线调度

同城即时配送是随现代电子商务而产生的新问题,该问题呈现出极强的动态性与求解时间的紧迫性,并具有商户与顾客一对多的关系、车辆需要多次往返商户取货、货物取送有时效要求等诸多新特征,无法依赖现有研究而求解.针对这一问题,建立了基于多预测场景的在线优化调度方法,将带有预测订单的多个场景整合到路线规划过程,通过每个场景的方案计算,以及多场景方案的整合,得到了车辆赖以运行的集成方案,提高了调度方案面对未来不确定需求的适应性;所建立的调度系统在新订单进入时立即响应,在系统闲置时则采用大邻域搜索技术不断优化未完成的任务方案.最后,在具有200～300个日订单的大连市某同城即时配送公司的真实数据上,验证了在线调度方法的有效性和可行性.