文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

自考运筹学计算题整理

线性模型图解法 单纯形表 201204 加权滑动平均 最小最大遗憾值 最佳订货批量和全年最佳订货次数 决策树 最小枝杈树 西北角法 图解法 单纯形表 网络图 双线法 201304 加权平均数 最大最小决策标准...简单滑动 最小最大遗憾值 最佳订货批量和全年最佳订货次数 最小枝杈树 供需平衡运输表 网络图 双线法 线性模型图解法 单纯形表 201510 指数平滑 最大最小决策标准 最优经济订货量和全年最佳订货次数...201610 简单滑动 最小最大遗憾值 最佳订货批量和全年最佳订货次数 最小枝杈树 西北角法 网络图 双线法 线性模型图解法 单纯形表 201704 加权平均数 最大最大决策标准 最佳订货批量和全年最佳订货次数...西北角法 未来市场预测 盈亏平衡 最短路线 线性模型图解法 网络图/双线法 201804 加权平均数 最大最大决策标准 最佳订货批量和全年最佳订货次数 西北角法 未来市场预测 盈亏平衡 最小枝杈树...根据折衷主义決策标准进行决策时 （1)折衷系数α=0.6\alpha =0.6α=0.6时的最优方案是哪种？ （2)折衷系数α\alphaα在什么范围内取值时，S1为最优方案？ ?

1.1K10

基于SSM+SpringBoot+Vue+ElmentUI实现公司案件管理系统

companys` VALUES ('1563f577da6f8c1d71867df636bd8205', '9132132276054094XG', '沭阳县金森源木业有限公司', '庞树贵', '0', '木材加工和花卉销售...companys` VALUES ('821d9b447037119faac5202836c743f6', '91321322688343334T', '沭阳县青盛木业有限公司', '荣丽', '0', '木材加工和花卉销售...companys` VALUES ('a5577b11737b4f5cb93c985dea8a81ca', '91321322793804067R', '沭阳县亚威木业有限公司', '陈得娟', '0', '木材加工和花卉销售...companys` VALUES ('da72c749dc33d74ec2ebc315a4ebbb2b', '91321322704027420T', '沭阳县牡丹木业有限公司', '刘涛', '1', '木材加工和花卉销售...companys` VALUES ('ecfdfb694cddef837a71de4ca6d86105', '913213225558031147', '沭阳县江南木业有限公司', '滕其宏', '1', '木材加工和花卉销售

52550
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    如何实现智能视觉测量系统-为什么原木智能检尺需要高精度3D相机

    2.物体的姿态（朝向）是未知的，不同的姿态，在2D图像中进行测量会影响测量结果。以一个圆形平面物体为例，垂直于相机视线摆放时在图像中是一个圆，不垂直摆放时是一个椭圆。...计算长直径和短直径的长度，在得到长短直径的长度之后，即可根据各个国家或地区的检尺标准计算出每一根木材的材积。...图中深绿色的粗线为木材的直径，它的两个端点是人工用鼠标选取的，右侧显示的数字是其长度，为30.78cm。...与工业产线上规则的物体相比不同，原木的形状与表面是不标准的，横截面形状各异，而非标准的圆或者椭圆，算法需要对各种形状的木材都能准确地找到和测量其直径，如下图所示。 4.木材破损。...智能检尺要达到这一标准，就需要保证每根木材的测量误差不超过4mm，平均误差不超过3mm。

    69820

    基于图割算法的木材表面缺陷图像分割

    改进后的Grab Cut算法是迭代的Graph Cuts，该方法虽然在图像分割前也需要人工画定初始化矩形框，但操作相对简单，分割结果能够得到完整的闭合缺陷区域边界，且不受木材表面缺陷的类型、数量、尺寸和缺陷形状的影响...式(1)的边界项可表示为： 式中: p和q为相邻像素，边界项体现图像边界像素值的不连续性； N为4邻域或8邻域系统。...首先要对(1)的能量函数公式来构造网络图，把表示带有非负边权的无向图G＝ (V,E)作为图像，其中V为顶点集，与其相对应图像的边集为像素点集P，E。...试验的参数设定为距离参数β＝0.1和GMM更新迭代次数k＝5。木材缺陷图像为512×512的彩色图像。在试验过程中，首先输入相同的初始化矩形框。...改进后的Grab Cut算法是迭代的Graph Cuts，该方法虽然在图像分割前也需要人工画定初始化矩形框，但操作相对简单，分割结果能够得到完整的闭合缺陷区域边界，且不受木材表面缺陷的类型、数量、尺寸和缺陷形状的影响

    66950

    激光雕刻机装上AI，混合材料T恤上都能雕出花，自动变换力度保证不割破

    成品： 如果你不按它说的调整，打出来的就很“拉垮”： 此外，它也能在具有混合材料的手机壳、衣服等材料上进行图案的激光辅助雕刻。...这也是它的另一厉害之处，因为传统的方法在复合材料上进行激光雕刻需要把设计进行拆分和边界对齐，很麻烦。 一路看下来，是不是觉得这个SensiCut还挺有用，怎么实现的呢？...识别原理很简单： 利用散斑传感（speckle sensing）技术，将激光打向材料表面，上面的微小特征差异导致反射激光束光路的微小偏差，从而反射到图像传感器成像为带有亮斑和暗斑的散斑图案。...纸质材料的准确率最低，也是因为它太容易和木材混淆了（硅胶和皮革也容易混）。...角度影响最大的是木材，45%倾斜下的材料平均检测准确率只有70.31%。这是因为天然木材的细胞3D微观结构在微观层面具有90°旋转对称性。

    67110

    时间序列平稳性检验方法（Python）

    ACF 和 PACF 图。...非白噪声平稳时序： 正常平稳时序具体短期相关性的特点，ACF图中相关性在滞后1期以后降到0附近并保持在2倍标准差内窄幅震荡，这是随机性很强的平稳时序特征。...非平稳时序： ACF相关性下降非常缓慢，很很长的滞后期里，自相关系数一直为正，随后又一直为负，显示出明显的三角对称性，这是具有单调趋势的非平稳序列的典型特征。...单调性：ACF衰减到0的速度很慢，而且可能一直为正，或一直为负，或先正后负，或先负后正。 周期性：ACF呈正弦波动规律。 平稳性：ACF衰减到0的速度很快，并且十分靠近0，并控制在2倍标准差内。...假设检验 自相关图判断时序是否平稳的缺点是会带有主观色彩，所以一般还会通过假设检验的量化方法进行验证，假设检验的方法更为准确。

    1.9K10

    深度 | 拓扑数据分析TDA，有望打破人工智能黑箱的神奇算法

    对于这个数据集，数据矩阵中行集合的拓扑分析已经在 [1] 和 [2] 中进行了。 我们的拓扑模型展示如下。 ? 上图表明，拓扑模型包括一个很长的「树干」部分，然后分裂成两个「小枝」。...然而，下面「小枝」的存活率差得多，尖端节点几乎完全由无法存活的患者组成。我们希望理解这种现象，看看数据中的哪些特征与「小枝」的产生有关，从而了解变量 eventdeath 的迥异行为。...在比较 A 组和 B 组着色情况时，我们发现其差异十分显著。A 组着色后，某个区域呈亮红色，而 B 组着色后相应区域呈亮蓝色。结果可见下图。左侧的模型是 A 组着色，右侧模型是 B 组着色。 ?...组 I 和组 II 的颜色明显不同。组 I 在 A 组中主要为红色，而在 B 组中主要为蓝色（小固相区域除外）。组 II 恰好相反，在 A 组中为蓝色，在 B 组中为红色。...我们也可以看到，C 组似乎是 B 组的一个「较弱」形式，其中右上角的蓝色区域面积较小，下面区域的红色较弱。在左侧的「岛」上，C 组也显示出比 A 、B 组更强的红色着色。

    2.7K130

    跳过Steam对游戏的自动更新并直接进入游戏

    可以通过手动修改配置文件，来跳过steam对于单款游戏的更新，从而直接进入游戏。 原理就是手动提供已经更新完成的假配置，让steam以为游戏已经更新完成，于是就可以直接启动而不更新了。...适用于： Steam上某个游戏显示“需要更新”的时候； 已经知道了某个游戏有更新但是还没有启动Steam。...如果害怕某个游戏会在还没来得及跳过更新就已经更新完成了，可以选择断网启动steam或者压根不启动steam。接下来的操作并不需要用到Steam本身。...当然我们建议在游戏设置改为“只有我启用时更新游戏”即可。 修改acf文件 在 steamdb.info 上找到目标游戏，可以直接搜索游戏名字或者游戏的AppID。...AppID对应的.acf文件，如下图所示 使用记事本或者其他文本编辑工具打开这个文件 我们总共需要修改三类： 一、StateFlags，将6手动修改为4； 二、buildid和targetBuildID

    1.2K10

    雅虎前端优化14准则

    中的显示(如果没有下载完的话) 6.将JS移植页面的底部 Move JS to the bottom 主要原因是脚本的执行会阻塞并行下载和阻塞其他元素在IE中的展示 7.避免使用CSS表达式 Avoid...是JS和CSS从外部包含 Make JS and CSS external 可以减少HTML文档的大小，同时增加脚本的重用，但是会增加请求数 但是HomePage是一个例外，在Homepage...中使用Inline和 PostOnload效果不错，yahoo和goolgede 首页都这样处理了； 9.减少DNS的查找 Reduce DNS lookups 一个典型的DNS查询是20...c8897e-aee-4165acf0” If-Modified-Since: Thu, 07 Oct 2004 20:54:08 GMT 如果ETags不匹配，就不能发送304码，对于服务器之间一个单独的实体的...在Server和Client的格式分别 如下: Apache: inode-size-timestamp IIS: Filetimestamp:ChangeNumber 对于服务器多余一台机器的

    68320

    数据挖掘之时间序列分析

    纯随机序列 又叫白噪声序列，序列的各项之间没有任何相关关系，序列在进行完全无序的随机波动。 白噪声序列是没有信息可提取的平稳序列，可以终止分析。 平稳非白噪声序列 均值和方差是常数。...（2）平稳性检验 如果时间序列在某一常数附近波动且波动范围有限，即有常数均值和常数方差，并且延迟k期的序列变量的自协方差和自相关系数是相等的，或者说延迟k期的序列变量之间的影响程度是一样的，则称该时间序列为平稳序列...根据时序图和自相关图的特征做出判断的图检验，该方法操作简单、应用广泛，缺点是带有主观性； 时序图检验：根据平稳时间序列的均值和方差都为常数的性质，平稳序列的时序图显示序列值始终在一个常数附近随机波动，且波动的范围有界...建模步骤： （1）计算自相关系数（ACF）和偏自相关系数（PACF） （2）ARMA模型识别，也叫模型定阶，由AR（p）模型、MA（q）模型和ARMA（p，q）的自相关系数和偏自相关系数的性质，选择合适的模型...模型 ACF PACF ARIMA(p,d,0) 逐渐减小到零 在p阶后减小到零 ARIMA(0,d,q) q阶后减小到零 逐渐减小到零 ARIMA(p,d,q) 逐渐减小到零 逐渐减小到零 d.

    2.6K20

    如何在时间序列预测中检测随机游走和白噪声

    在本文中，您将了解什么是白噪声和随机游走，并探索经过验证的统计技术来检测它们。 关于自相关的简要说明 自相关涉及找到时间序列与其自身滞后版本之间的相关性。...还有“严格”的白噪声分布——它们的序列相关性严格为 0。这与棕色/粉红色噪声或其他自然随机现象不同，其中存在弱序列相关但仍保持无记忆。 白噪声在预测和模型诊断中的重要性 ?...例如，在时间序列预测中，如果预测值和实际值之间的差异代表白噪声分布，您可以为自己的工作做得很好而感到欣慰。 当残差显示任何模式时，无论是季节性的、趋势的还是非零均值，这表明仍有改进的空间。...相比之下，如果残差是纯白噪声，则您将所选模型的能力最大化。 换句话说，该算法设法捕获了目标的所有重要信号和属性。剩下的是无法归因于任何事物的随机波动和不一致的数据点。...如果绘制时间序列的一阶差分并且结果是白噪声，则它是随机游走。 带有漂移的随机游走 对常规随机游走的一个轻微修改是在随机步骤添加一个称为漂移的常数值： ?

    1.9K20

    用python做时间序列预测六：相关函数图、偏相关函数图、滞后图

    自相关函数(ACF)表达了时间序列和n阶滞后序列之间的相关性(考虑了中间时刻的值的影响，比如t-3对t的影响中，就同时考虑了t-2，t-1对t的影响)。...ACF 和 PACF 可视化 from statsmodels.tsa.stattools import acf, pacf from statsmodels.graphics.tsaplots import...如果ACF表现为长拖尾(如上左图)，说明带有趋势，需要做差分。 如果ACF的1阶滞后就截尾，则可能是过度差分了(差分会降低相关性)。...此时可以用前n个历史时刻的值做自回归来预测当前值，关于n的取值则可以参考PACF的截尾处，假设上右图是差分后的pacf图，在第2个滞后阶数后(从第0开始，0阶滞后下就是原序列和原序列相比，相关性为1)就骤然降到了相关性置信区间内...表示对于白噪声序列，95%的自相关性落在这个置信区间内。 而这个置信区间就是上面acf和pacf图中的相关性区间了，也就是说如果滞后阶数与原序列的相关性落在这个区间内，就表示不相关。

    4.6K41

    必知必会——关于SQL中的NOT IN优化

    在开始之前，我们需要记住另外两个SQL细节： WHERE针对行测试条件，并且仅当此条件为TRUE时才让行通过（拒绝FALSE和UNKNOWN）。...与SQL的理解不同，SQL意味着NULL为“也许是煤炭，天然气或其他，或者什么都不是”。 因此，就我的意图而言，NULL不可能是煤炭或木材，因此我希望IN不返回A，并且我希望NOT IN返回A。...这将让IN返回FALSE或UNKNOWN的房屋通过；因此，A和B会如我所愿地通过。 “ NOT IN（子查询）”也会发生相同的问题。让我们添加此表： ? 查询加热不产生二氧化碳的房屋： ?...我们可以在EXPLAIN中进行检查；首先，我们有一个初始的NOT IN，其中一个查询计划显示每个房屋执行一个子查询，并且每次都进行表扫描（这效率很低）： ?...现在，这是重写的查询，它们正确地使用了反联接，因此可以从我们新的基于哈希的联接算法中受益（在版本8.0.18中引入了内联接，并在8.0.20中扩展为半联接，反联接和外部联接）： ?

    4.9K40

    R语言中的时间序列分析模型：ARIMA-ARCH GARCH模型分析股票价格|附代码数据

    通常在统计文献中，平稳性是指平稳时间序列满足三个条件的弱平稳性：恒定均值，恒定方差和自协方差函数仅取决于（ts）（不取决于t或s）。另一方面，严格平稳性意味着时间序列的概率分布不会随时间变化。...以下是Apple时间序列中的一个示例： •左上方以对数苹果股票价格的ACF表示，显示ACF缓慢下降（而不是下降）。该模型可能需要差分。...要在R中执行ACF和PACF，以下代码： •对数的ACF和PACF acf.appl=acf(log.appl) pacf.appl=pacf(log.appl,main='PACF Apple',lag.max...但是，在Minitab中，结果是相似的，因此对用户的混淆较少。 诊断检查 该过程包括观察残差图及其ACF和PACF图，并检查Ljung-Box结果。...因此，所选模型是Apple股票价格的合适模型之一。 ARCH / GARCH模型 尽管残差的ACF和PACF没有明显的滞后，但是残差的时间序列图显示出一些波动性。

    90510

    R语言中的时间序列分析模型：ARIMA-ARCH GARCH模型分析股票价格

    通常在统计文献中，平稳性是指平稳时间序列满足三个条件的弱平稳性：恒定均值，恒定方差和自协方差函数仅取决于（ts）（不取决于t或s）。另一方面，严格平稳性意味着时间序列的概率分布不会随时间变化。...以下是Apple时间序列中的一个示例： •左上方以对数苹果股票价格的ACF表示，显示ACF缓慢下降（而不是下降）。该模型可能需要差分。...要在R中执行ACF和PACF，以下代码： •对数的ACF和PACF acf.appl=acf(log.appl)pacf.appl=pacf(log.appl,main='PACF Apple',lag.max...但是，在Minitab中，结果是相似的，因此对用户的混淆较少。 诊断检查 该过程包括观察残差图及其ACF和PACF图，并检查Ljung-Box结果。...因此，所选模型是Apple股票价格的合适模型之一。 ARCH / GARCH模型 尽管残差的ACF和PACF没有明显的滞后，但是残差的时间序列图显示出一些波动性。

    6.6K10

    时间序列分析模型：ARIMA-ARCH GARCH模型分析股票价格

    通常在统计文献中，平稳性是指平稳时间序列满足三个条件的弱平稳性：恒定均值，恒定方差和自协方差函数仅取决于（ts）（不取决于t或s）。另一方面，严格平稳性意味着时间序列的概率分布不会随时间变化。...以下是Apple时间序列中的一个示例： •左上方以对数苹果股票价格的ACF表示，显示ACF缓慢下降（而不是下降）。该模型可能需要差分。...要在R中执行ACF和PACF，以下代码： •对数的ACF和PACF acf.appl=acf(log.appl) pacf.appl=pacf(log.appl,main='PACF Apple',lag.max...但是，在Minitab中，结果是相似的，因此对用户的混淆较少。 诊断检查 该过程包括观察残差图及其ACF和PACF图，并检查Ljung-Box结果。...因此，所选模型是Apple股票价格的合适模型之一。 ARCH / GARCH模型 尽管残差的ACF和PACF没有明显的滞后，但是残差的时间序列图显示出一些波动性。

    3.1K30

    R语言中的时间序列分析模型：ARIMA-ARCH GARCH模型分析股票价格

    通常在统计文献中，平稳性是指平稳时间序列满足三个条件的弱平稳性：恒定均值，恒定方差和自协方差函数仅取决于（ts）（不取决于t或s）。另一方面，严格平稳性意味着时间序列的概率分布不会随时间变化。...以下是Apple时间序列中的一个示例： •左上方以对数苹果股票价格的ACF表示，显示ACF缓慢下降（而不是下降）。该模型可能需要差分。...要在R中执行ACF和PACF，以下代码： •对数的ACF和PACF acf.appl=acf(log.appl) pacf.appl=pacf(log.appl,main='PACF Apple',lag.max...但是，在Minitab中，结果是相似的，因此对用户的混淆较少。 诊断检查 该过程包括观察残差图及其ACF和PACF图，并检查Ljung-Box结果。...因此，所选模型是Apple股票价格的合适模型之一。 ARCH / GARCH模型 尽管残差的ACF和PACF没有明显的滞后，但是残差的时间序列图显示出一些波动性。

    1.4K20

    R语言中的时间序列分析模型：ARIMA-ARCH GARCH模型分析股票价格|附代码数据

    通常在统计文献中，平稳性是指平稳时间序列满足三个条件的弱平稳性：恒定均值，恒定方差和自协方差函数仅取决于（ts）（不取决于t或s）。另一方面，严格平稳性意味着时间序列的概率分布不会随时间变化。...以下是Apple时间序列中的一个示例： •左上方以对数苹果股票价格的ACF表示，显示ACF缓慢下降（而不是下降）。该模型可能需要差分。...要在R中执行ACF和PACF，以下代码： •对数的ACF和PACF acf.appl=acf(log.appl) pacf.appl=pacf(log.appl,main='PACF Apple',lag.max...但是，在Minitab中，结果是相似的，因此对用户的混淆较少。 诊断检查 该过程包括观察残差图及其ACF和PACF图，并检查Ljung-Box结果。...因此，所选模型是Apple股票价格的合适模型之一。 ARCH / GARCH模型 尽管残差的ACF和PACF没有明显的滞后，但是残差的时间序列图显示出一些波动性。

    1.2K20

    王石:危机时才考虑转型就晚了

    在中国已经和全球融为一体的情况下，你不能还是从一个国家主义，一个民族主义，这样的角度来看问题，你必须是国际主义，必须是真正的全球化。...万科已经成了全球最大的住宅开发商，我们消耗的材料很主要的一个当然里面有水泥、钢材、木材、水、电，以木材为例，我们知道朱镕基总理执政的时候进行了一个政策，叫退耕还林，不允许中国的这些森林进行砍伐，不但不能砍伐...但是中国还需要木材，木材哪来？进口。中国的木材不砍伐了，砍伐亚马逊的。...不仅仅是现在保护木材开始保护像水资源，两年前和WWF签订的保护雪豹，整个走上这样一条环保之路，可以这样说，中国是2007年公布了绿色建筑，也就是节能环保的建筑标准叫绿色三星，2009年申请建筑绿色三星就有万科一家...但是，万科的市场占有份额是多少，市场占有份额是3%。在中国需要这样来减少木材使用，减少碳排放，如何来面对全球变暖这样的一个课题，仅仅万科一家是不够的。

    53540

    时间序列分析算法【R详解】

    重要推论 每年的趋势显示旅客的数量每年都在增加 七八月的均值和方差比其他月份要高很多 每个月的平均值并不相同，但是方差差异很小。因此，可以看出具有很强的周期性。，一个周期为12个月或更少。...AR模型的ACF和PACF： 通过计算证明可知： - AR的ACF为拖尾序列，即无论滞后期k取多大，ACF的计算值均与其1到p阶滞后的自相关函数有关。...很显然上面PACF图显示截尾于第二个滞后，这意味这是一个AR（2）过程。 MA模型的ACF和PACF： - MA的ACF为截尾序列，即当滞后期k>p时PACF=0的现象。...这看起来有季节性，每一个周期不超过12个月。 3. 数据的方差逐年增加。 在我们进行平稳性测试之前我们需要解决两个问题。第一，我们需要消除方差不齐。这里我们对这个序列做求对数。...我们在前面已经讨论了，我们现状准备在序列去对数后的差分上做回归，而不是直接在序列去对数后的数据熵差分。让我们看一下差分后的ACF和PACF曲线吧。

    2.7K60
    点击加载更多

    扫码

    添加站长 进交流群

    领取专属 10元无门槛券

    手把手带您无忧上云

    扫码加入开发者社群

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

      领券