一个公平分配席位的新方案

提出了公平累加分配席位的方法,并证明了该方法在一定条件下满足公平分摊原则和席位单调性原则.并进一步指出该方法具备更多的公平性质.     

席位分配模型的反向应用——集资模型

<正> 按惯例分配席位的方法,在出现小数的情况下将会导致矛盾。例如,某校甲、乙、丙三系,学生人数分别为103人,63人,34人,学生代表会议设20席位,按学生人数比例分配,其结果如下表1。     

有时序的多属性席位分配模型及其应用

将经典席位分配模型推广到有时序多属性席位分配模型,给出了有时序多属性席位分配模型一个简单有效的算法.最后应用实例说明有时序多属性席位分配模型应用更加广泛和合理.     

席位分配问题的相对尾数法

研究席位分配的公平性,给出了席位分配问题的一个新方法——相对尾数法,并在两部门情形下证明了该方法满足Young的两条公理,对多部门的情形,通过算例表明了其可行性和有效性.     

席位分配的数学规划模型研究

研究了席位分配的数学规划模型,在此基础上提出了48种席位分配数学规划模型,通过分析,模型之间有等价性,去除等价的模型,最后得到12种不同的数学模型.给出了解法,通过实例与先前的方法作了比较.     

基于集对分析的飞行签派各席位协调配合度评估研究

为了应对民航业高速发展带来的签派席位间沟通不畅,工作效率低等签派运行机制的缺陷,首先,根据飞行签派各席位的工作内容绘制了协调工作流程图,其次,利用层次分析法结合流程图建立飞行签派各席位协调配合度评估指标体系,再次,利用集对分析法和层次分析法建立飞行签派各席位协调配合度评估模型,最后利用实例对飞行签派席位间协调运行进行了分析研究,评价结果为良好,与实际相符,证明模型可以为提高飞行签派各席位协调配合度提供理论支持.     

多指标席位分配模型及其应用

将经典席位分配模型推广,建立了多指标席位分配模型,它是一个有界整数变量非线性规划模型。将模型转化为非线性连续规划模型,因而可用各种具有良好收敛性和收敛速度的求解非线性连续规划的算法求解。给出多指标席位分配模型的一个简单有效的算法。最后实例说明多指标席位分配模型应用更加合理、更加广泛。     

席位公平分配的比例极差法及其改进方法

通过对席位分配问题及解决该问题已有方法的研究分析,提出了比例极差法及改进的比例极差法,并分别建立了数学模型.通过对几个经典席位分配问题实例的计算,比较分析了多种方法的求解结果,说明比例极差法及改进的比例极差法更为公平合理.并证明了样本数据的极差大于等于其标准差(无偏标准差).     

席位分配的最大概率法

文章对席位公平分配问题进行了探索 ,提出了用最大概率作为公平分配的原则 ,给出了简单算法 ,并由此给出了一类组合数乘积最大值的计算方法 .     

席位分配的最大概率法

章对席位公平分配问题进行了探索,提出了用最大概率作为公平分配的原则,给出了简单算法,并由此给出了一类组合数乘积最大值的计算方法。     

“席位分配问题的数学模型”的一个注解

对《数学的实践与认识》(2002年7月,第32卷,第四期)中的《席位分配问题的数学模型》一文作了注解,指出了一个错误之处.     

关于一个数论函数的导数及应用

Kanemitsu教授给出了欧拉求和函数的推广公式Lu(x,a)=0n相似文献   

线性过程误差下的非参数回归模型的注记

对于非参数回归模型Yni=g(xni)+εni,1in,用一般非参数方法,定义了未知函数g(.)的估计量gn(x),当误差序列{εni,1in}为一弱平稳线性过程序列时,在一定条件下,获得了估计量gn(x)的一致强相合性.     

四元数矩阵积的特征值与奇异值的不等式

运用优化不等式理论和四元数体上的几何理论 ,得到了四元数矩阵积的特征值与奇异值的几个不等式 .     

MW-分形集的分离性质

令（ａｉｊ）ｎ×ｎ为０ １不可约矩阵．对每一ａｉｊ＝１，取Ｒｄ中具有相似率０＜ｒｉｊ＜１的相似压缩映射φｉｊ．则对应地存在Ｒｄ中唯一紧集族Ｆ１，…，Ｆｎ满足：Ｆｉ＝∪ｎｊ＝１ａｉｊ＝１φｉｊ（Ｆｊ）．我们证明开集条件成立当且仅当强开集条件成立当且仅当对某个１ｉｎ，Ｆｉ为一ｓ－集，此处ｓ为使得矩阵ｒｓｉｊｎ×ｎ的谱半径为１的唯一非负实数．     

液态金属流的表面张力问题中的两点边值问题解的存在性

本文讨论了在区域提纯过程中，研究液态金属流的表面张力时提出的一个带有非负参数Ｑ的两点边值问题．利用上、下解方法和Ｓｃｈａｕｄｅｒ不动点定理，证明了当０Ｑ８５１时，该问题至少有一个解，对已有结果０Ｑ＜１进行了重要的改进．     

部分线性模型中估计的强相合性

考虑回归模型：ｙｉ＝ｘｉβ＋ｇ（ｔｉ）＋σｉｅｉ，１ｉｎ，其中σ２ｉ＝ｆ（ｕｉ），（ｘｉ，ｔｉ，ｕｉ）是固定非随机设计点列，ｆ（·）和ｇ（·）是未知函数，β是待估参数，ｅｉ是随机误差．对文［１］给出的基于ｇ（·）及ｆ（·）的一类非参数估计的β的最小二乘估计＾βｎ和加权最小二乘估计βｎ，我们在适当条件下证明了它们的强相合性．     

若干图的广义Mycielski图的边色数

设图G(V,E)为简单图,V(Mn(G))={v01,v02,…,v0p;v11,v12,…,v1p;…,vn1,vn2,…,vnp}EMn(G))=E(G)∪vijv(i+1)kv0 jv0k∈E(G),1 j,k p,i=0,1,…,n-1称Mn(G)为G的n串广义M ycielsk i图,其中n为自然数,V(G)={v01,v02,…,v0p}.本文得到了路、圈、扇、轮、星图的广义M ycielsk i图的边色数.     

Fourier-Jacobi展开的Riesz平均

对ｆ∈Ｌｐ（Ｒ＋，Δ（ｔ）ｄｔ），Δ（ｔ）＝（２ｓｉｎｈｔ）２α＋１（２ｃｏｓｈｔ）２β＋１，１ｐ２，本文证明了当Ｒｅｚ＞（２／ｐ－１）（α＋１／２）时，ｆ的Ｆｏｕｒｉｅｒ－Ｊａｃｏｂｉ展开的ｚ－阶Ｒｉｅｓｚ平均几乎处处收敛于ｆ．该结果推广了Ｇｉｕｌｉｎｉ和Ｍａｕｃｅｒｉ在实秩为１的对称空间上的相应结果     

心理状态数的Bayes估计

设误差 X在心理状态数的作用下的分布为偏正态分布 ,即 X有密度f ( x;σ2 ,C) =C2πσe-x22σ2 　 x 02 - C2πσe-x22σ2 　 x >0其中 0 C 2为心理状态数 ,σ>0为未知参数 ,本文分别在 C服从 [C1,C2 ]上的均匀分布 ,Jeffreys无信息先验分布和共轭先验分布的假设下 ,得到了心理状态数 C的 Bayes估计。