基于E-CARGO模型的云ERP建模与演化方法

传统需求建模方法通过形式化的建模语言来对需求进行描述,因其缺乏灵活性及配套的需求解决方案,而难以适配云ERP领域动态演化的需求。针对以上问题,依托E-CARGO模型可灵活对演化需求进行建模的特点,提出一种基于E-CARGO模型的云ERP建模与演化方法。首先,将需求解构为需要和云ERP服务并将二者描述为基于角色的协作问题,进而通过E-CARGO模型对其进行建模;然后,为了更具领域针对性地评估云ERP领域人才能力,建立高质量的云ERP开发团队,使用模糊层次分析法(FAHP)构建模糊互补判断矩阵,度量人才综合能力值;最后,利用E-CARGO模型的组角色分配方法结合CPLEX优化包得到所有演化中的需求最大化满足方案。实验结果表明,所提方法不仅能够对云ERP中演化的需求进行灵活建模,还能在很快的时间内求得需求满足方案,进而迅速响应需求的演化并提供随需而变的云ERP服务。

基于E-CARGO模型的志愿型偏好平衡性指派

个人偏好与团队执行力的平衡性指派方法,是国内外人力资源管理、决策支持领域重点关注的问题。为寻找兼顾团队与个人利益的指派平衡点,针对员工志愿型偏好平衡性指派问题,结合"基于角色的协作"(role-based collaboration,RBC)工程理论与方法及其E-CARGO模型,提出了一种兼顾个人志愿型偏好与团队执行力的指派方法,并通过实验仿真论证了方法的有效性与可靠性。该方法能使团队效能在考虑个人偏好的情况下尽可能最大化,优化人员生产与管理,支撑行业决策。

E-CARGO模型在线社会网络研究团队机制

随着在线社交网络的快速发展,用户信息和用户规模呈现爆炸性增长,如何从网络上获取有针对性的信息已非易事,为此各种推荐系统已先后涌现.为各类不同用户以自然的推荐方式向其推荐信息并获得较高的用户采纳度是一件富挑战性的工作,也是本文的主要研究内容.如何在特定专业性拓扑网络中寻找到自然的推荐方式以得到较好的用户采纳度,是本文将要解决的问题.基于此,本文采用对潜在角色和关系预测研究,以E-CARGO模型为理论背景,针对专业性教学科研平台——学者网,通过对用户推荐内容信息,先形成与用户的信息交互,再根据信息交互程度,推荐相应的论文研究团队,推动关系结构的形成.本次调查实验结果体现了普遍用户愿意以3.9785分采纳团队推荐,用户平均满意度达79.57%,充分证明了这样的推荐方式使得用户更容易接受团队推荐信息,增强用户体验,为专业性学术论文网站学者网提供了指引.

基于E-CARGO的WSN成簇机制研究

在无线传感器网络中,节点的电量十分有限,降低节点的能耗、延长网络寿命是路由协议设计的重点.针对经典分簇路由协议LEACH(Low-Energy Adaptive Clustering Hierarchy)中簇头选取不合理以及节点能耗不均衡的问题,将传感器节点的剩余能量、分布位置等定义为约束,采用带约束的角色协同模型E-CARGO为分簇型无线传感器网络系统建模,在机制上实现对LEACH协议的改进.在传感器节点角色指派过程中,综合考虑节点的约束并结合LEACH算法为传感器节点进行角色指派.理论分析和仿真实验结果表明,改进后协议在可扩展性、灵活性、均衡节点能耗以及网络生命周期方面优于LEACH协议.

基于E-CARGO模型的开发者推荐方法

针对传统开发者推荐方法侧重于分析开发者的专业能力以及与任务的交互信息,而未考虑开发者间协作性的问题,提出一种基于E-CARGO(Environment-Class,Agent,Role,Group,and Object)模型的开发者推荐方法。首先结合协作开发的特点,将开发者协同开发过程描述为基于角色的协作,并使用E-CARGO模型对其进行建模;然后使用模糊层次分析(FAHP)法来建立模糊判断矩阵,从而求得开发者能力指标权重并进行加权求和,进而得到开发者历史综合能力评价集合;最后针对开发者综合能力评价的不确定和动态特性,利用云模型理论对开发者历史综合能力评价集合进行分析,以求得开发者对于每个任务的胜任能力,并利用cplex优化包对开发者推荐问题进行求解。实验结果表明,所提方法能够在可接受的时间范围内求得最优的开发者推荐结果,验证了所提方法的有效性。

基于E-CARGO模型的多任务分配算法

多任务分配是管理和协同工作中的重要问题。采用E-CARGO建模来解决常规多任务分配问题(GMTAP)与组角色多任务分配问题(GRMTAP)。提出了两种算法:(1)通过把GMTAP质量评估矩阵转置转化为组角色分配问题(GRAP),再利用GRAP算法来完成多任务分配;(2)将GRMTAP分配问题转化为常规分配问题(GAP),利用K-M(亦称匈牙利)算法来实现多任务分配。最后,通过实验验证了GMTAP与GRMTAP算法的有效性,即,算法很好地满足了多任务分配问题的需要,也有效地扩展了GRAP算法与K-M算法的应用范围。

基于E-CARGO的在线社区多对多好友推荐机制研究

好友推荐机制是繁荣在线社区的有效手段,然而单纯为增加用户数及绑定用户关系的过于频繁的推荐方式会引起用户厌烦.为提升用户体验,本文以大型教学与科研协作平台学者网为研究背景,引入基于角色的协同模型ECARGO对推荐机制进行建模,将好友推荐转化为多对多指派问题,使用带回溯的Kuhn-Munkres算法(KMB)对好友推荐数与接纳数受限情况下最优推荐指派进行了研究与解决.仿真实验表明,该推荐机制友好、高效、精准,能完善在线社区推荐机制,对在线社会健康发展形成助力.

基于E-CARGO模型的云制造服务组合方法

云制造是一种网络化协同制造新模式,协同性是云制造的典型特征.本文基于E-CARGO模型,提出一种基于角色的协同云制造服务组合优化方法.首先,研究建立服务组合与E-CARGO模型间的映射关系,构建了云制造服务组合的E-CARGO模型;其次,针对服务质量的不确定性,将动态服务质量转换为云模型中的期望、熵和超熵,并计算QoS云模型间的相似度,进而得到资格评估矩阵;最后,对基于角色的协同云制造服务组合问题进行求解,得到最优云制造服务组合方案.实验结果表明,本文方法能够有效的解决云制造服务组合优化问题.

基于E-CARGO模型的共乘出行匹配建模与优化方法

共乘出行应用系统通过提高汽车可用座位容量利用率来减少交通拥堵、缓解停车位紧张,提高社会效益和环境效益。司机和乘客的实时匹配和优化技术是共乘系统的核心内容。基于角色的协同(RBC)是一种用于促进组织结构、提供有序系统行为和协调系统内活动的新方法。为了减少乘客和司机的动态实时匹配时间、提高匹配效率,提出结合RBC和环境-类、代理、角色、群组和对象(E-CARGO)模型形式化共乘问题的方法。在资源容量约束和利润收入给定的情况下,对共乘匹配问题进行建模和仿真实验,提高可用座位容量利用率,实现平台收益最大化,资源匹配合理化。实验结果表明,基于E-CARGO模型的形式化方法可以应用于共乘出行匹配问题建模,最优匹配矩阵和时间可以采用Kuhn-Munkres(K-M)算法和Java中的优化软件包(ILOG)解决方案获得。与ILOG软件包算法相比,K-M算法所用平均时间至少减少了21%;当代理规模大于一定数值(大于600)时,算法时间开销急剧增大。

基于E-CARGO的扁平团队或组织的绩效量化预测

预测与量化团队或组织的绩效对于团队管理至关重要。采用E-CARGO建模,提出常规多任务组绩效预测算法(PGPMTRAP)。算法把常规多任务组的质量评估矩阵转置为组角色分配问题(GRAP)矩阵,再利用GRAP算法来完成多任务分配获取常规多任务角色组的最大性能分配矩阵的性能值,以实际分配矩阵性能值与最大分配矩阵性能值的比值作为常规多任务组的量化预测绩效,且对算法进行实验验证。利用GRAP算法与PGPMTRAP算法实现扁平团队的绩效量化预测,对该算法与GRAP算法分别进行实例验证。

具有角色意识的社区服务型时空众包任务分配

为了适应社区众包配送中投递箱或代收点收纳量有限等情况,本文提出社区服务型时空众包任务分配问题,根据用户定义的时间将物品较为实时地配送到地。针对该问题,本文通过基于角色的协作模型ECARGO(environments-classes, agents, roles, groups, objects)形式化问题,针对高资格值工人配送高价值量订单集的目标,提出基于贪婪分配的PQGR(places-qualification-based greedy)算法、基于考虑代理和角色冲突的团队多角色分配方法的PQGM(places-qualification-based GMAC)算法以及进一步缩短运行时间的改进PQGM算法。数据处理和量化方面,提出基于核密度聚类的新型角色感知方法以实现任务的有效划分,提出基于学习遗忘曲线的代理地点资格值多阶段量化模型,实现代理地点资格值的在线学习和自适应更新。最后,本文在gMission数据集和合成数据集上进行实验,验证了算法的有效性和效率。

华北、扬子板块碰撞后热演化史的初步研究

对采自苏北－胶南－大别高压变质构造混杂岩带的片麻岩、糜棱岩和郯庐断裂带上的片麻岩中９个钾长石进行了￣４０Ａｒ－￣３９Ａｒ年龄测定和多重扩散域（ＭＤＤ）模式处理，９个样品的热演化史表明上述地区存在５个不同的快速冷却时段，并就其可能的构造含义，提出了华北与扬子板块碰撞后的折返历史过程。

基于角色协同的在线社交网络好友推荐机制

在特定拓扑环境下,在线社交网络推荐机制的友好程度是决定推荐优劣的关键之一,其成功与否受制于关系结构与交互结构的共演化。基于此,以关系结构推动交互结构为演化前提,以"学者"交互为特定领域的在线社交网络"学者网"为应用背景,通过E-CARGO模型建模,采用角色协同方法,针对学者网用户拓扑中的水平好友关系与垂直等级关系设计并仿真了相关好友推荐机制。经实验问卷调查,分别约67.69%与86.16%的用户接受基于拓扑层次与推荐方向的好友推荐方式,相关推荐机制自然、友好,用户评价度较高。

GRMTAP算法中的任务权重与质量阈值分配问题

任务权重与质量阈值分配问题是管理和协同工作中多任务分配中的重要问题。基于GRMTAP算法对含有任务权重与质量阈值的多任务分配问题提出了有效的解决办法:a)针对任务权重提出了使用权重向量调整多任务质量评价矩阵,调用GRMTAP算法完成多任务的有效分配;b)针对质量阈值提出采用任务类别向量的元素值之和之负值置换质量评价矩阵中评价质量值小于阈值的质量值,再调用GRMTAP算法完成多任务的分配,且以分配矩阵评价质量之和作为该分配是否成功的判断依据。这样有效地解决了含任务权重与质量阈值的多任务分配问题,扩展GRMTAP算法的应用范围。

面向基站代维人员分工协作优化的多重指派研究

为保证并提升服务质量、节约企业运营成本,对多驻点、多任务约束下的移动通讯基站代维人员分工协作进行了优化.结合"基于角色的协同"工程理论方法及其E-CARGO模型对基站代维任务分工进行建模;结合历史性仿真数据,采用群组角色指派方法对代维人员做首次一对多分驻点指派与第二次多对多分工指派.通过实验仿真论证,该方法高效、可靠,能使代维团队在多驻点、多任务约束下尽可能实现执行力最大化,为人力资源决策者提供有效支撑.

广告关键字群组角色组合投资预测研究

为解决广告投入成本受限时通过在线关键词投资与组合使营销利润最大化及投资合理化问题,以"基于角色的协同"工程方法及其E-CARGO模型对淘宝商家的广告关键词投资问题进行建模,结合历史数据,采用群组角色组合线性规划方法对广告关键词投资做效益计算,以获得周期性历史数据预测与支持下的广告关键字最佳投资方案.通过实验仿真论证,该方法高效、可靠,能使投资者在投资费用受限情况下尽可能利润最大化,并对投资回报率问题与投资区间进行了分析,经过定量计算与定性分析给出理性投资建议.

兵团榜样宣传教育的历史变迁与反思

该文梳理、论述了兵团各个历史发展阶段榜样的树立及宣传情况,概括了兵团发展各个时期榜样的时代特征与时代价值,肯定了榜样效应的发挥对兵团发展所起的巨大作用,同时对兵团各个时期榜样宣传教育的经验教训进行了反思和总结。

我国工程咨询公司的发展趋势

介绍了我国工程咨询公司的现状 ,指出我国工程咨询公司目前存在的问题 ,研究解决这些问题的建议。我国工程咨询公司要能向业主提供全过程、全方位的项目管理咨询服务 ,探讨我国工程咨询公司的发展趋势 ,并建立了项目管理咨询公司的三种模式 。

基于KD45闭包的群组角色指派研究

通过KD45逻辑,完善了协作和冲突关系集,改进了群组角色指派模型;提出一种用以完善约束关系集的KD45逻辑闭包算法,解决了在信息不透明情况下获取协作与冲突约束的人机协同任务分配问题;并采用IBM ILOG CPLEX优化包(ILOG)进行了上万次不同规模下的仿真实验。实验结果表明,本文方法产生的群组角色指派约束关系集完善,提出的群组角色指派方法可行、有效,能高效解决协作和冲突约束下的人机协同任务分配优化问题。

传感器静态特性多项式回归分析

采用多项式回归分析的方法进行传感器静态特性的建模,用F检验进行的辨识表明,这种方法既通用又实用。