基于Markov型休假排除系统的顾客止步策略分析

来源 :山西大学 | 被引量 : 0次 | 上传用户:xdlclub
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
无论是在经典排队系统,还是在休假排队系统,从顾客的角度看,他们都希望自己接受的服务效果尽量好.以往研究服务系统的管理问题时,大多注重服务机构的行为,服务快慢和服务质量都由服务机构来控制,顾客本身没有决策权.即使系统中存在一些动态控制,也是服务机构做出调整后,顾客直接被动接受.然而,在实际情况中,顾客具有主动性,他们可以根据掌握的信息,以自身的利益为出发点,自主决定是否加入排队.为了更好地模拟真实的排队系统,有必要从顾客的角度出发,对排队进行经济分析,研究顾客策略问题.  本文在排队信息部分可视的情况下,从连续时间和离散时间两个方面,研究单重休假马尔可夫型排队的顾客均衡策略.通过建立“收入-支出”结构,对系统进行稳态分析,得到顾客的平均逗留时间;进而引入适当的函数寻找顾客的均衡止步策略并证明之;而后在不同的策略下,给出系统的稳态分布和均衡社会收益;最后,通过数值实验分析均衡行为的各指标对系统参数的敏感性.结果表明:门限随着完成服务的收入,到达率,休假率的增大而呈增长趋势,当参数在一定范围内变化时,门限保持不变;进入概率随着完成服务的收入,到达率,休假率的增大而起伏变化,当门限取拐点处的值时,对应的进入概率取到极值;均衡社会收益的图像与门限的增长趋势大体相似,受进入概率的影响较小.
其他文献
深度学习中由网络深度引发的梯度爆炸消失问题与网络的训练效率息息相关。对初始化阶段参数值的谨慎选择可以很大程度的避免梯度消失爆炸问题。目前此类问题已有很多观点和结论,其中具有最完整理论体系的结论是梯度的行为由X1:X2两个量影响。只有一个输入信号的神经网络梯度行为受X1控制,有两个输入信号的神经网络梯度行为由X2控制。相应的有结论:一个输入信号的神经网络存在梯度不爆炸不消失现象,信号可以在很深的网络
学位
结构性理财产品做为一种嵌入金融衍生品的存款产品,其投资本质就是一个固定收益类产品和金融衍生品的投资组合,近些年来在我国广为流行。相比于几何布朗运动,L6vy过程能更准