对两阶段双向排序均衡法的质疑

本文对双向排序均衡法的改进——两阶段双向排序均衡法提出了质疑。无论是在双向排序均衡法适用前提下,还是对于一般常规的投资项目,两阶段双向排序均衡法都是无效的,其理论依据也是不正确的。因此,对于资金约束条件下的独立型投资项目选优,两阶段双向排序均衡法不是一种有效的改进方法,不推荐继续使用。

加工时间成比例的两阶段自由作业排序问题

对一类工件加工时间成比例的两阶段自由作业排序问题进行了研究.工件需要分别在包含m1和m2台平行机的两阶段中进行加工,工件在阶段间的加工满足自由作业环境要求,且相同工件在两阶段的加工时间相同,目标是极小化时间表长,即最后完工工件的完工时间.证明了当min{m1,m2}≥2时该问题是NP-难的,给出了该问题的一个近似算法,并证明了该算法的最坏情况界不大于3/2-3/2(2min{m1,m2}+1).得到了当min{m1,m2}=1时,该算法为问题的最优算法.

基于时间权重因子的双向个性化推荐仿真

双向个性化推荐需要获取到用户和物品之间的交互行为数据,由于在推荐时,通常只考虑用户的兴趣偏好,忽视了用户兴趣会随时间而变化的情况。为了提高用户满意度,令需求和供给准确匹配转化为网站价值,提出了基于时间权重因子的双向个性化推荐算法。关联用户与邻近用户的关系,分析其商品偏好,计算出用户间的购买相似性,获得相似的推荐用户集合。按照余弦相似度确定用户群的商品偏好权重,计算购买差别,获得用户的偏爱标准化权重。将逻辑斯谛函数引入到皮尔逊相关相似度,判断用户间的相似度,推荐用户偏好的类似商品信息,实现双向个性化推荐。实验结果证明,所提算法能够准确得知用户兴趣的变化,且推荐平均绝对误差小。

拓扑排序算法的拓展研究

拓扑排序是有向图的一种重要运算,可以根据拓扑序列串行地安排活动。为增加活动安排的并行性,文章提出并实现了分阶段拓扑排序算法。为求出最佳拓扑序列,还提出了一种全拓扑排序的实现算法。

完美和非完美两阶段排序集抽样下几类正态性检验的功效与AUC研究

检验功效和ROC曲线下面积(AUC)是反映统计检验判别能力的重要工具.文章在简单随机抽样(SRS)、排序集抽样(RSS)和两阶段排序集抽样(DRSS)下研究了Cramer-vonMises检验、Kolmogorov-Smirnov检验、Kuiper检验、Anderson-D arling检验和Jarque-Bera检验这五种正态性检验在完美和非完美排序情况下的检验功效和AUC,并通过蒙特卡洛模拟给出了各正态性检验在不同备择假设情况下的功效值和AUC值.根据模拟结果可得到以下结论:无论是在完美还是非完美排序情况下,基于RSS和DRSS的五种正态性检验功效和AUC均显著高于基于SRS的正态性检验,且基于DRSS的正态性检验在大部分情况下具有最高的数值.

对万加特纳模型及罗瑞—萨维奇问题解法的改进

笔者对一种项目投资组合方案优选方法进行了分析 ,用两阶段双向排序均衡法对经典的万加特纳模型和罗瑞—萨维奇问题的解法给予改进。

对罗瑞—萨维奇模型的改进——兼与许志宏先生商榷

本文对一种项目投资组合方案优选方法进行了分析 ,指出其构建的模型实为罗瑞—萨维奇模型 ,并对模型中存在的问题予以改进 ,同时改进了罗瑞—萨维奇模型的解法。