最大收益

摘要： 数据可视化是以图表可视化形式来呈现数据,加强用户对数据信息的理解,而数据可视分析可以让用户从数据中获取见解并从数据分析中获得最大收益。数据是21世纪的新资源、经济发展与城市发展的新动能,而数据的利用和挖掘是一个漫长的技术发展过程,尤其是如何让传统行业、城市的各个方面受益于数字经济,这是一个极具挑战性的任务。大数据技术作为集合计算机、数学、统计、经济与各行各业相关的一类技术统称,目标就是挖掘行业背后数据的特征,提供咨询与决策能力,以服务好城市的经济与行业发展。

摘要： 针对长春龙嘉机场的乘客数量和机场出租车的数量,研究与出租车司机决策相关的影响因素机理,综合考虑机场乘客数量的变化规律和出租车司机的收益,建立出租车司机选择决策模型,给出该机场出租车司机的决策方案,并分析方案的合理性.

摘要： 21世纪以来,新一轮科技革命与产业变革蓬勃兴起,在全球范围内不断颠覆传统制造模式、生产组织方式和产业形态。大数据、云计算、物联网、人工智能等新一代信息技术加速与传统行业融合,新技术催生新业态、新模式和新产业,正在形成数字化、网络化、智能化发展的大趋势。主宰20世纪的行为模式是追求效率,即以最小成本获得最大收益,各类组织及国家创新体系都是适应工业革命的管理模式。而今天,世界变得更加扁平化,发展速度更快,人们之间的联系更多,流动性更强。

摘要： 排队载客还是放空返回是机场出租车司机通常面临的两种选择决策,通过分析咸阳国际机场乘客流量数据,研究影响出租车司机决策的相关因素,建立对应的选择决策模型,并给出两种决策下的出租车司机收益,通过司机不同的收益比较得出更加合理的选择决策,随后以旅客和司机等待时间最短为目标,建立了最佳上车点的位置模型。

摘要： 排队载客还是放空返回是机场出租车司机通常面临的两种选择决策,通过分析咸阳国际机场乘客流量数据,研究影响出租车司机决策的相关因素,建立对应的选择决策模型,并给出两种决策下的出租车司机收益,通过司机不同的收益比较得出更加合理的选择决策,随后以旅客和司机等待时间最短为目标,建立了最佳上车点的位置模型.

摘要： 利用博弈论方法在同一区域交通通道内,研究高速铁路与城际铁路线间合作与竞争的博弈关系,探寻通道内因不同线间的设计行车速度差异、运行舒适度差异、列车票价高低等因素而产生的旅客选择偏好行为.首先论述博弈论的基本模型和旅客出行效用理论;其次搭建通道内以双线协同获取最大收益的合作博弈模型及以单一线路获取最大收益的竞争博弈模型,通过算法得出不同标准下各线分担的旅客流量与其功能定位;最后对比两种博弈类型,分析获得最大收益值,为编制区域铁路通道客运产品奠定基础.

摘要： 第五章社会文化历史理论(下)姻课堂个案音课程设置Maier认为,儿童是社会学习者,她的读写课程正是建立在这一信念之上。基于其研究儿童读写教学的热情,她设计的课程内容丰富、引人入胜。此外,她致力于研究最有意义的教学方法,并不断调整,使之符合她所认为的、能让学生获得最大收益的教学。

摘要： 要提倡教学的有效,首先要明确什么是有效性的教学。笔者认为,有效性的教学是在实现基本教学目标的基础上,追求最高效率与最大收益,使学生在获取知识的同时,能够培养学习兴趣,养成良好的学习习惯,为今后的可持续发展打下坚实的基础。那么,如何才能提高课堂教学的效益呢?下面,笔者就结合自己的教学实践谈几点认识。

摘要： 对投资者而言,净值产品有利于投资者能更好的把控风险,能够实现风险和收益的进一步匹配,从而实现风险可控下的最大收益。从当前这类产品的运行来看,投资风格较为稳健,风险等级较低。

摘要： 中国城市化高速增长充分利用了现有的体制条件,但是后果是可能出现的矛盾在短时间内集中爆发,这是不可回避的代价。中国"卖地式"的城市经营模式,虽然以制度红利获取了大量的资金,弥补了城市发展资金的严重不足,维持了城市化的高速增长,但是目前的运营效率的大幅度降低,为日后长期可持续发展埋下了严重隐患。城市政府征地招商引资模式的动力来源是增加政府的预算内收入和GDP。但是从现有的产业结构和税收结构的统计指标体系来看,能够在这两项上取得最大收益的是工业的持续发展。

摘要： 本发明涉及物联网的技术领域，特别是涉及一种最大化多无人机架构收益的方法，其通过权衡用户的体验质量和运营商的运营成本，设计了参数化的净收益模型，共同优化通信、计算和缓存资源分配策略，在满足用户需求的同时最大化无人机协助的移动边缘计算的净收益，在此基础上，提出了多维混合自适应粒子群算法来求解联合优化问题。

摘要： 一种弥补风电功率预测误差下实现风电厂收益最大化的方法，包括以下步骤，(1)分析风电厂风电功率的预测误差，得到预测误差的分布规律；(2)建立储能系统的储能额定功率和储能额定容量的数学模型；(3)在储能系统的某一误差补偿度下，建立以风电厂收益最大为目的的目标函数。

摘要： 本发明涉及一种货运平台车主收益最大化智能拼车匹配方法，包括如下步骤：货主在拼车平台发布拼车信息；提取平台上的拼车信息，并对拼车信息进行分类，分为静态信息和动态信息；提取平台上的车主信息，并对货主信息进行分类，分为静态信息和动态信息；根据拼车信息中的静态信息和动态信息，筛选出符合拼车条件的货主，并按照车主收益最大化原则形成智能拼车方案；将智能拼车方案推送至符合筛选条件的车主；计算车主拼车收益，开始拼车。本发明根据有拼车意愿货主在满足系统最优约束条件下，匹配出最优的拼车集，既能够保障高效率拼车并节省货主的运输费用，又可以提高司机的装载率。

摘要： 本发明公开了以电网投资收益最大化为目标的投入产出评估方法，包括以下步骤：S1：获取数据，包括区域范围内的电力数据和外部数据；S2：模型选择；S3：对工程侧投入产出进行成效状态分析；S31：投入产出综合评价算法筛选；S32：变电站投入产出对比评估分析；S33：对环境因素的投入产出多维度评价；S4：对区域侧投入产出进行成效状态分析：包括区域特征分类模型的构件、区域特征分类评价分析、基于多类型关联分析模型的投入产出指标相关性评估；S5：对典型实例对比深入分析。用以实现在网荷、网经、网效三维度的全生命周期监测，动态监测电网投入在区域协同发展的产出效益，深度剖析区域协同发展程度，并且评价支撑电网精准投资。

摘要： 本发明公开了一种最大化运营商收益的V2G调度二阶段随机规划方法，涉及能源管理优化模型领域，本发明针对电动汽车充放电调度问题，基于分布式可再生能源‑储‑EVs充放电的电力系统，建立一种结合V2G调度随机性和可再生能源发电随机性的V2G二阶段非线性随机规划模型。通过约束线性化将其转化为混合整数线性规划模型(MILP)。另外，为使随机情景能全面覆盖多种不确定性因素，设计了一种情景生成和组合的方法将V2G调度资源和可再生能源层面的随机性结合。V2G二阶段随机规划模型求解探寻适应V2G调度层面随机性和可再生能源随机性的电动汽车最优充放电计划，并提升其参与电力辅助服务的收益。

摘要： 本发明提供了一种基于最大边际收益的循环否决目标分配方法，包括以下步骤：步骤一：建立拦截器对目标拦截概率模型，计算各拦截器对各目标的拦截概率；步骤二：建立高级最大边际收益算法寻优模型，根据各拦截器对各目标的拦截概率，通过寻找武器目标对使指标函数的边界收益最大，从而找到一个性能较优的次优解；步骤三：建立邻域搜索模型，使用循环否决方法进行次优解附近的邻域搜索，提高解的最优性，解决目标分配问题。该方法提高了全局收敛性，在求解最优性上相对于遗传算法等近年来发展的算法均有较大优势，无论是大规模还是小规模的目标分配，本发明得到的次优解都具有相对更高的边际收益。

摘要： 一种异构网络中最大化网络收益的计算任务分配方法，包括：S1：对系统初始化之后，建立待分配计算任务集合；S2：首先针对每一层计算资源，解决计算任务最优分配问题；S3：检查是否存在重复分配的计算任务，若没有，则结束分配；若有，则针对S2中重复分配的计算任务，以最大化网络收益为目标，确定其最终分配在哪一层；S4：检查计算任务集合中是否还有剩余未分配的计算任务，若有，且与本轮次S1的待分配计算任务集合不同，则更新计算任务集合，更新每层计算资源数量，重复S1。若没有剩余未分配的计算任务，或与本轮次S1的待分配计算任务集合相同，结束分配。通过这种方法能获得最大化网络收益的计算任务分配方法，提高网络整体性能。

摘要： 本发明提供一种考虑最大收益和负载均衡的分布式多星任务规划方法和系统，涉及多星任务规划技术领域。本发明中，获取卫星资源集合和待观测的任务集合；结合预设的最大化总观测收益目标和星群负载均衡目标的多星任务规划模型，获取多星任务规划的多个可行解；采用分布式协同进化粒子群算法获取最终的分布式多星任务协同观测规划方案。考虑分布式卫星负载均衡，构建多星任务规划模型；设计分布式协同进化粒子群算法，分粒子协同进化再随机匹配冲突消解，得到完整的新粒子，改善了种群多样性，同时引入成对竞争机制，增加了粒子社会学习的来源，避免出现“早熟”收敛的情况，从而获得更好的分布式多星任务协同观测规划方案，提高卫星资源利用效率。

摘要： 本发明提供一种考虑最小扰动和最大收益的多星应急任务调度方法、系统、存储介质和电子设备，涉及多星应急任务调度技术领域。本发明中，获取卫星资源集合和待观测的应急任务集合，所述卫星资源集合中任一卫星上的初始任务调度序列均为常规任务；根据所述应急任务集合，采用精英选择策略确定一待调度应急任务；根据所述初始任务调度序列和待调度应急任务，结合预设的考虑最小扰动和最大收益的多星应急任务调度模型，获取多星应急任务调度序列。设计精英选择策略选择待调度应急任务，保证收益值高的任务能被优先安排调度，收益值较低的任务也具有观测机会，利于整体寻优。

摘要： 本发明公开了一种考虑电力市场波动惩罚的风电储能系统最大收益优化方法，基于风电运行能源系统的出力模型和约束条件及目标收益函数，利用长短期记忆(LSTM)算法预测风电出力，然后根据预测结果，采用深度策略性梯度算法DDPG对风电储能系统的目标收益函数进行迭代优化，从而获取风电储能系统的最大收益；在优化的同时又考虑将电池储能装置纳入风电场，并考虑波动惩罚、电池充电/放电等因素，保证优化过程的全面性、完整性和准确性，从而实现收益最大化的技术方案。