【摘 要】
：
考虑在带有延迟启动以及两类故障特性的M/M/1排队系统中,顾客应遵循的进队策略和该策略下的社会平均收益,服务台采取延迟启动休假模式,可能发生完全故障和不完全故障两类故障,在系统信息完全可见的条件下,根据线性“获益-损失”函数,给出顾客的预期收益方程,并通过稳态时的系统状态转移图,结合归一化方程求系统的稳态分布,在结尾通过数值例子展示顾客止步策略和社会平均收益关于系统参数的敏感性.
【机 构】
：
南京理工大学 理学院,南京210094;南京信息工程大学 数学与统计学院,南京200044
论文部分内容阅读
考虑在带有延迟启动以及两类故障特性的M/M/1排队系统中,顾客应遵循的进队策略和该策略下的社会平均收益,服务台采取延迟启动休假模式,可能发生完全故障和不完全故障两类故障,在系统信息完全可见的条件下,根据线性“获益-损失”函数,给出顾客的预期收益方程,并通过稳态时的系统状态转移图,结合归一化方程求系统的稳态分布,在结尾通过数值例子展示顾客止步策略和社会平均收益关于系统参数的敏感性.
其他文献
[目的]研究浓缩棉籽蛋白替代鱼粉饲料中添加丁酸梭菌(Clostridium butyricum)对凡纳滨对虾(Litopenaeus vannamei)生长性能、血清生化、抗氧化能力、免疫力和肠道消化能力的影响.[方法]取(0.87±0.06)g的健康凡纳滨对虾,随机分为6组,分别投喂鱼粉组(PC)、替代组(NC,浓缩棉籽蛋白替代30％鱼粉蛋白)、替代组基础上添加质量分数0.03％(C1,3×108 cfu/kg)、0.12％(C2,1.2×109 cfu/kg)、0.48％(C3,4.8×109 cfu
Egg discrimination by cavity-nesting birds that build nests under dim light conditions was presumed to depend on nest luminance,although this hypothesis has rarely been tested.Tests of egg discrimination ability by cavity-nesting tits under dim light cond
[目的]了解核因子κB抑制蛋白激酶ε2(IKKε2)基因在日本囊对虾(Marsupenaeus japonicus)受细菌刺激后的应答情况,以阐释IKKε2在对虾先天免疫中所起的作用.[方法]从日本囊对虾转录组数据中获得日本囊对虾IKKε2(命名为PjIKKε2)的cDNA序列,并进行生物信息学分析,采用荧光定量PCR分析PjIKKε2的组织表达以及受哈维弧菌(Vibrio harveyi)刺激后在肝胰腺组织的表达情况.[结果]PjIKKε2全长为4009 bp,其中开放阅读框长2337 bp,编码778
[目的]研究NKCC1a基因在急性盐度胁迫下对黄鳍棘鲷(Acanthopagrus latus)的渗透压调控机理.[方法]用生物信息学软件分析NKCC1a的序列特征,用实时荧光定量PCR(qRT-PCR)技术检测其在黄鳍棘鲷各组织内的表达情况及其在盐度0、8、16、24(对照)和32条件下的表达模式.[结果]NKCC1a开放阅读框(ORF)大小为3435 bp,共编码1144个氨基酸,存在一个经典的Na+-K+-Cl-协同转运蛋白SLC12A结构域,且在不同物种中有高保守性.NKCC1a在13个组织中均有
针对准则权重未知的多准则群决策问题,提出了一种新的基于随机优势得到的优先度,在概率不确定语言术语集(Probabilistic Uncertain Linguistic Term Sets,PULTS)环境下,通过充分考虑决策者基于个人偏好对各个准则之间重要性给出的评价来确定准则权重,基于一致准则法提出的一个新的决策方法,综合考虑了专家在进行决策时的犹豫程度和所给评价本身蕴含的信息,在一定程度上减少了决策过程中的信息丢失.首先,在P ULTS环境下,定义了不确定度和得分函数,实现了由语言集到数字的转化,并
通过分析天然气组分、碳、氢同位素组成、储层薄片、包裹体等资料,结合烃源岩沉积背景,与邻区对比分析,研究了川东南地区长兴组、飞仙关组、茅口组气藏气源及成因类型.结果表明:飞仙关组、长兴组烷烃气体积分数为51.35％～85.98％,平均74.79％,茅三段烷烃气体积分数为46.71％～99.31％,平均81.68％,均为干气;飞仙关组气藏的甲烷碳同位素值(δ13C1)较轻,平均-34.7‰,长兴组和茅三段岩溶缝洞气藏的δ13C1较重,平均-31.0‰;非烃气以CO2和H2S为主.飞仙关组及部分长兴组储层中见少
针对时间序列分析方法和神经网络对于股价预测具有一定局限性的问题,将基于Attention机制的LSTM模型应用于股价预测;以2014-01-02—2020-09-22日的上证工业指数、上证环保指数等相关数据为样本,在LSTM模型中引入Attention机制,使模型聚焦于重要的股价特征信息,预测股票第二日的最高价;实证研究发现,相较于MLP,RNN和LSTM模型,基于Attention机制的LSTM模型的RMSE值比基准模型平均降低了3％-45％左右,4种模型对环保企业的预测精度均高于污染企业;随后将空气质
针对PM2.5传统点值预测会损失浓度值的波动信息,进而无法充分表示和估计其波动和变化的区间范围,提出了一种基于长短期记忆模型(LSTM)-混合模糊时间序列(HFTS)-误差修正(EC)的PM2.5区间多尺度组合预测方法;在结合深度学习和区间多尺度分解方法的基础上,进一步考虑预测误差中隐含的有效信息,建立区间时间序列组合预测模型;该模型能够从随机性较大的时间序列中提取复杂数据特征,解决传统预测方法存在的滞后性以及对误差信息利用不充分等问题;最后,通过实证分析说明该方法适用于具有较大波动的PM2.5区间预测,
针对响应变量随机缺失情况下变系数分位数回归模型的非参数估计问题,提出了将B样条和逆概率加权相结合的估计方法.缺失数据在统计工作中难免会遇到,首先用logistic模型产生响应变量的缺失概率,然后对变系数模型的系数函数采用B样条逼近技术,利用缺失概率构建逆概率加权分位数回归的损失函数,得到模型的未知系数函数估计;在模拟研究中,将得到的估计与直接使用完全数据的估计方法进行对比,发现在响应变量随机缺失下,将B样条和逆概率加权相结合的变系数模型分位数回归在有限样本情况下表现良好,模拟研究结果表明该方法有效;最后将
大数据时代下收集到的数据常含有异常值或呈现尖峰厚尾以及变量之间具有较强的相关性,针对此问题,结合秩回归和自适应弹性网(Adaptive Elastic-net)提出了一种高效稳健的变量选择方法.此方法的最大优点在于不仅能够有效处理协变量之间的强相关性而且还能克服多重共线性问题,同时能抵抗厚尾分布或异常值的影响,实现稳健的变量选择.在数值计算方面,采用二次近似和牛顿迭代算法以获得新变量选择方法的稳定数值解,仿真实验表明:新提出的方法比现有方法表现更好,特别是对于厚尾分布或异常值的情况.最后,通过对中国重要的