低碳环境下双渠道供应链线上线下广告策略的微分博弈分析

以一个由绿色制造商与零售商组成的双渠道供应链为研究对象,基于微分博弈分别比较分析集中式决策、采用竞争型广告策略的分散式决策与采用支持型广告策略的分散式决策模型下,双渠道供应链的最优均衡决策与最优利润.研究发现:集中式决策下的最优低碳水平、最优线上与线下广告水平均高于分散式决策,而产品最优销售价格可能高于、等于或低于分散式决策;分散式决策下,采用支持型广告策略的双渠道供应链的产品最优低碳水平、最优销售价格和最优线上广告投入水平与采用竞争型广告策略的双渠道供应链均衡策略一致;一定条件下,支持型广告策略使得分散式双渠道供应链得到Pareto改进,此时的最优线下广告投入水平优于竞争型广告策略下的最优线下广告投入水平.     

应用层的多播协议

传统的多播(multicasting)服务被实现在TCP／IP协议的网络层，但由于网络层的多播服务实现需要扩展网络层的路由与数据包收发协议，这在大多数的实际网络环境里并不是一件容易的事情。从最近几年来，研究人员开始重新审视多播服务的实现宿主层，并提出将多播服务实现在TCP／IP协议的应用层。应用层的多播在提供与网络层的多播的相近质量的服务情况下，具有更好的应用灵活性。本文介绍了应用层多播的定义和方法，及现阶段国内外已提出的应用层多播协议，并简要地讨论了应用层多播协议的性能评价问题。     

基于BP神经网络的软件可靠性模型选择

软件可靠性模型是软件可靠性工程研究的一个重要方面.如何在缺乏可靠性数据的情况下,选择合适的软件可靠性模型是对软件可靠性进行量化分析的关键.参照软件可靠性模型评价准则,根据聚类思想,对失效数据编码,采用反向传播神经网络进行聚类计算,从而实现了软件可靠性模型的选择.最后通过仿真实验证明了该方法的正确性和有效性.     

一种非独立同分布问题下的联邦数据增强算法

在联邦学习中,由于用户的本地数据分布会随着用户所在地以及用户偏好而变动,数据的非独立同分布下的用户数据可能缺少某些标签类别的数据,在模型聚合中显著影响了迭代更新速率和最终的模型性能。为了解决这一问题,提出了一种基于条件生成对抗网络进行联邦数据增强的算法,能够在不涉及泄露用户隐私的前提下,通过生成对抗网络模型对数据偏斜的参与者扩增少量数据,大幅提升非独立同分布数据划分下联邦学习算法的性能。实验结果表明,与当前主流的联邦算法相比,该算法在非独立同分布设置下的MNIST,CIFAR-10数据集上的预测精度分别提升了1.18%和14.6%,显示出了该算法对非独立同分布问题的有效性和实用性。     

面向服务的领域分析与建模框架

针对面向服务的领域分析与建模问题,提出一种以服务为中心、多模型驱动与多角色协同的面向服务领域分析与建模框架-SODAMF(service-oriented domain analysis and modeling framework).SODAMF框架通过领域上下文模型、领域服务功能模型、领域服务信息模型、领域服务流程...     

创意、创新、创业软件人才培养模式的探索与实践

针对新时期软件产业的迅猛发展和国家"深化高校创新创业教育改革"的新要求,提出"创意、创新、创业"(简称"三创")软件人才培养目标,将"三创"教育与专业教育有机衔接融合,构建以"创意创新创业课程为载体、创新创业实践为主体、创新创业平台基地为支撑"的多层次和系统化的"三创"软件人才培养体系,并说明实践成效。     

考虑用户多归属的共享制造云平台定价及补贴策略研究

针对由两个共享制造云平台及其用户构成的共享制造云平台供应链,构建了基于Hotelling模型的共享制造云平台供应链定价模型,根据双边用户多归属行为探讨了4种场景下的共享制造云平台均衡策略,并分析了供需用户结构对均衡策略的影响。研究发现：(1)单边用户部分多归属场景下,多归属用户规模与需方占比正相关,而双边用户部分多归属场景下,供方用户多归属规模与需方占比正相关,但需方用户多归属规模与之负相关;(2)需方用户单边部分多归属场景中共享制造云平台利润与需方占比无关,而其他场景中共享制造云平台利润与需方占比正相关;(3)4种场景均存在可行均衡解,且当供需用户规模相等时,双边用户部分多归属场景中共享制造云平台获利最大;(4)在一定条件下,单边用户补贴能部分改善共享制造云平台效益。     

RBAC96权限生成改进模型

权限是操作集合和对象片断集合的对应。对象片断集合是同类对象通过分组和分片两个操作得到的。这样的认识使系统的权限控制粒度更加灵活,权限的规模可以很大程度的缩小。本文首先简要介绍了RBAC96模型,然后深入介绍了分组和分片的概念,提出了包含权限生成子模型(permission build)的RBAC96改进模型,并给出了形式化描述。最后,给出其在实际项目中的应用。     

一种基于时空动态图注意力网络的共享出行需求预测方法

基于图卷积神经网络的共享出行需求预测一般采用非时间特定性的静态空间图结构提取非欧氏空间相关性特征,这种方式所构建的城市结构图是一种在不同时间间隔的静态空间图结构,而不能动态提取不同时间间隔的空间相关性特征.针对这一问题,本文提出了一种基于时空动态图注意力网络(Spatial-Temporal Dynamic Graph...