一、带有转换时间和阈值的非抢占优先权排队模型（论文文献综述）
刘佳辉[1]（2021）在《基于混合抢占优先权排队系统的三值光学计算机性能分析》文中研究表明三值光学计算机（Ternary optical computer,简称TOC）想要在商业上得到一定的成就必须确保其拥有良好的服务质量,因此针对三值光学计算机的性能分析研究受到了很多其研究者的关注。然而,目前对三值光学计算机性能分析的研究中并没有考虑到优先级的问题,如何为不同的优先级用户都提供满意服务体验是需要重点思考的问题之一。文章引入了两种混合抢占优先权排队策略建立TOC任务服务模型对TOC进行性能分析。全文的主要内容如下:首先,从三值光学计算机理论方面、构造方面和应用方面对三值光学计算机的发展进行了介绍;对目前针对TOC的性能分析研究和混合优先权排队系统的发展情况进行了综述;针对文本研究所需要用的知识引入了排队论的基础知识、TOC任务管理系统的模块介绍与基础的TOC任务服务模型介绍。然后,主要研究了对基于T型混合抢占优先权策略下M/M/1排队系统的三值光学计算机任务调度模型的性能分析。详细分析了T型混合抢占优先权调度策略下运算请求的调度流程,构建T型混合抢占优先权任务调度与数据位分配算法,建立性能分析模型。证明了此策略对TOC任务调度方面优化的可行性。为TOC任务管理系统的设计提供了新的参考。最后,研究了基于（N,n）混合抢占优先权策略下M/M/1排队系统的三值光学计算机任务服务模型的性能分析。根据TOC所具有的优良特性可知计算包含大量数据的大任务是TOC的基本应用场景,引入（N,n）混合抢占优先权策略分析两个级别运算请求的调度流程结合状态转移图,利用拟生灭过程和矩阵几何解得到了模型中以平均响应时间为主的性能指标。证明了该策略可以保证TOC高优先级用户的服务质量,为TOC大任务管理系统的设计提供了新的参考。
王姚磊[2]（2020）在《考虑顾客等待成本异质性的优先权服务定价策略研究》文中研究指明服务业作为国民经济的重要组成部分以及与人民生活密切相关的行业,已经占据国民经济的半壁江山,成为国民经济第一大产业和经济增长的主要驱动力。当服务的需求和供给之间出现暂时不匹配时,排队现象就形成了,排队是大多数服务中普遍存在的一种现象。现实中,每个顾客的单位时间等待成本是不同的,即顾客是异质性的。一些顾客可能在等待的过程中失去某些机会从而产生较大的等待成本,一些顾客可能时间较为充裕从而等待成本较低。基于此,服务商在系统出现拥挤以及考虑到顾客等待成本是异质的情况下,经常会引入基于费用的“优先”选项,顾客可以利用这些选项来进行自我区分。这种做法已经广泛应用在医疗保健,游乐园,政府（领事服务）和交通领域。因此为了提高排队效率,从而使服务系统运营更加高效,有必要在考虑顾客异质性的情况下设计出使服务商收益最大化或社会福利最大化的定价策略。本文主要的研究内容以及结论包括以下三个方面:首先,第3章研究了具有两个优先级类别的单服务台排队系统的优先权定价问题,其中顾客对等待的感知是不同的。服务系统会通过延迟公告的形式,通知到达的顾客每个队列的平均等待时间,然后每个顾客必须决定加入哪个队列。加入优先权队列的顾客均需支付固定的优先权价格。我们在已知优先权价格的情况下研究了顾客的加入行为,发现可能存在多个均衡延迟,并且均衡延迟的数量取决于顾客单位时间等待成本分布的结构。表征了均衡的稳定性,并表明服务系统可以通过发出适当的初始延迟通知来达到最大或者最小的均衡延迟。此外,我们分别考虑了服务系统的长期平均收益最大化和社会福利最大化的定价问题。结果表明,使得收益最大化的优先权价格和使得社会福利最大化的优先权价格都对顾客等待成本的分布较为敏感。其次,第4章研究了具有多个优先级类别的单服务台排队系统的优先权定价问题。不同顾客的单位时间等待成本是不同的。服务系统会通过延迟公告的形式,通知到达的顾客每个队列的平均等待时间。通过采用变量转换的方法发现了均衡延迟的存在性。接着分析了使得服务商收益最大化以及使得社会福利最大化的优先权定价问题。给出了当顾客单位时间等待成本服从某些特殊分布时,相应的定价策略。同时探讨了服务系统中优先权类别数量对服务系统的收益以及社会福利的影响。数值结果表明随着优先权类别数量的增多,服务系统的收益和社会福利均增加。但是设置相对较少的优先权类别可以获得采用复杂定价机制时产生的绝大多数收益或者社会福利。最后,第5章研究了具有两个优先权类别并且允许顾客优先权升级的单服务台排队系统的优先权定价问题。由于购买服务和加入服务系统之间存在时间间隔,以及顾客购买服务时对未来系统状态的不确定。因此,当顾客到达服务系统看到系统状态时,之前购买普通服务的顾客可以选择再次购买优先权从而加入优先权队列。在普通服务和优先权服务价格已知的情况下分析了异质性顾客的均衡加入行为。接下来在已知顾客加入行为的基础上研究了使得服务系统收益最大化以及社会福利最大化的定价策略。本研究的贡献主要有:（1）在固定延迟公告（长期平均等待时间）的背景下研究了顾客的行为均衡。研究发现均衡延迟可能不是唯一的,均衡的数量依赖于顾客单位时间等待成本的分布结构。（2）分别分析了使得服务系统长期平均收益最大化和社会福利最大化的优先权价格。特别关注顾客的单位时间等待成本分布对这些最优价格的影响。研究结果表明最优价格对所考虑的特殊等待成本分布族敏感。（3）通过分析含有多个优先级类别的服务系统发现了优先级类别数量对服务系统收益以及社会福利的影响。（4）本文是鲜有的在排队博弈的背景下考虑优先权升级问题的研究,本研究假设顾客是异质性的并分析了顾客的均衡选择行为以及服务系统和社会管理者的定价策略。
赵航[3]（2020）在《面向无人驾驶的边缘流式大数据处理框架设计与实现》文中指出近年来,无人驾驶技术作为未来城市交通的最佳解决方案受到了大众的瞩目。作为一个复杂的系统,无人驾驶车辆使用了多样的传感器对周围环境进行感知。大量传感器每秒产生海量数据,这些数据能否及时处理事关无人驾驶车辆的可靠性和安全性。流式数据处理技术以其高吞吐量、低延迟的特性成为处理传感器数据的首选方案。然而,传统的基于云计算数据中心部署的流式数据处理平台,不可避免地存在两个问题:一是链路带宽资源有限,难以支持海量数据同时传输,二是传输过程中会产生较大延迟。对于无人驾驶这类延迟敏感型应用来说,传输过程的不稳定性和高延迟是难以接受的。针对上述问题,本文提出了面向无人驾驶的边缘流式大数据处理框架,将计算、存储能力由远端的云计算数据中心转移到近端的边缘数据中心。在充分分析无人驾驶车辆传感器数据流特征和任务处理需求的基础上,基于Spark Streaming实现了这一框架。本文提出了基于模糊控制的系统负载动态平衡机制,实现了对于特定区域内车流量的监控及预测,能够根据车流量变化和系统工作负载调整系统的运行状态,达到在满足吞吐量的要求下尽可能降低端到端延迟,提高了无人驾驶车辆的响应速度。本文提出了差异化的无人驾驶调度算法,实现了对无人驾驶车辆任务优先级和紧迫程度的识别,满足无人驾驶车辆不同优先级任务的处理需求。实验表明,本文所提出的框架通过对短期车流量变化的预测,能够准确预知系统数据流量变化,日平均百分比误差不超4%。本文所提出的基于模糊控制的系统负载动态平衡机制,能够快速处理系统数据到达率与系统处理能力不匹配的情况,使其在数分钟内收敛到平衡状态。相较于原始的Spark Streaming实现,当数据到达率较低时,其能够降低35%的端到端延迟;当数据到达率较高时,其能够通过增加25%的延迟换取21%的吞吐量提升。本文所提出的差异化的无人驾驶调度算法,能够准确区分不同优先级任务,加速高优先级任务执行,使得高优先级任务的端到端延迟相比低优先级任务降低46%。
袁季骜[4]（2020）在《某医院门诊非紧急因素优先权排队策略研究》文中进行了进一步梳理根据2017年国家卫健委《进一步改善医疗服务行动计划（2018-2020年）》的要求,国内有条件的医院要进一步扩大预约就诊规模,预约的患者可以优先就诊。因此,医院门诊优先就诊病人中就包括了预约病人、当天就诊检查后的复诊病人、部分老年患者等享有优先就诊权利的病人等。相对于普通挂号病人来说,享受优先就诊患者的比例增加、优先就诊的非病情（紧急）因素患者类型增加,使得现有的门诊排队系统结构多元化,基于优先权的门诊病人排队策略逐渐被医院管理研究者关注。但是在一系列对“进一步改善医疗服务行动计划改善”效果的评价中发现,患者满意度低、等待时间长的问题依旧严重。这说明目前基于优先权的排队策略存在一些问题,一是对优先权的定义不清晰,没有对不同类型的患者进行清楚的界定;二是在门诊具体执行时部分门诊管理人员主观随意让病人插队,导致门诊病人的无序排队,使得就诊公平性差。这些使得患者等待时间长、患者满意度低。所以医院门诊中现有优先权排队规则显然不足以应对享有优先权就诊病人增多的局面,优先权对普通患者造成了一定的负面影响。因此,需要深入研究这种非紧急因素的优先权对门诊排队系统的影响并寻找到一种比较有效的优先权排队策略,从而减少负面影响,可能有助于改善多数医院的门诊就诊秩序、提高患者的满意度。考虑到医院门诊优先权服务的特点,需要对优先权进行限制来保证就诊的公平性。在此基础上,本文依据某医院2016年的门诊病人就诊状况,使用数学解析的方法对目前医院中所采用的静态有限优先权策略进行建模、分析当前策略的优缺点。考虑到静态策略在排队环境变化时缺乏适应能力的问题,以患者满意度作为目标和策略评价指标,提出了动态优先权排队策略。在动态策略中为各类患者设置了目标等待时间,并基于TOPSIS评价算法为患者合理的设置优先权。最后使用Anylogic仿真软件验证了两种优先权排队策略的可行性和普适性,并给出不同条件下能使患者满意度最高的优先权排队策略。仿真结果显示,优先权排队策略能够减少患者等待时间、提高患者满意度以及优先就诊患者的比例,并且就诊公平性得到保证。依据仿真结果给出了不同场景下适用的优先权策略。
田龙妹[5]（2020）在《可购买优先权的M/G/1排队系统的进队策略分析》文中研究表明随着社会经济的飞速发展,以及人们生活质量的提高,人们对于在随机服务系统中的满意度要求也越来越高。在一般的先到先服务的随机服务系统中,不耐烦的顾客会因等待时间过长而满意度较低。为满足人们的需求,顾客在进入随机排队系统时选择是否购买优先权,购买优先权的顾客较普通顾客需支付购买优先权的价格,同时享受优先获得服务的权利。本文研究具有非抢占优先权的M/G/1排队系统的最优进队策略问题。首先,研究了完全可见情形下的个体进队策略和社会最优策略。完全可见情形是指到达顾客具有系统的完全信息,即到达顾客可得到系统中的优先权队列、普通队列的顾客数,以及服务器的状态三种信息。完全可见情形下的个体进队策略是顾客在完全信息下,根据自身的收益函数选择是否进入优先权队列的行为。通过分析进入优先权队列的个体收益函数,得到完全可见情形下顾客进入优先权队列的阈值,到达顾客在此阈值下进入优先权队列的行为是个体进队策略。完全可见情形下的社会最优策略是顾客在完全信息下,服务商追求自身收益最优的行为。通过分析单位时间的社会收益函数,得到完全可见情形下使得社会收益最优的系统阈值,到达顾客以此阈值进入系统的行为是社会最优策略。其次,研究了完全不可见情形下的个体进队策略和社会最优策略。完全不可见情形是指到达顾客不具有系统的完全信息,即到达顾客无法得到系统中优先权队列、普通队列的顾客数,以及服务器的状态三种信息,以概率进入优先权队列。完全不可见情形下的个体进队策略是顾客在没有任何信息的情况下,根据自身收益函数以概率进入优先权队列的行为。通过分析进入优先权队列的个体收益函数,得到完全不可见情形下,顾客根据购买优先权的价格选择进入优先权队列的概率,到达顾客以此概率进入优先权队列的行为是占优策略,也是个体进队策略。完全不可见情形下的社会最优策略是顾客在没有任何信息的情况下,服务商追求自身收益最优的行为。通过分析单位时间的社会收益函数,得到完全不可见情形下,优先权队列和普通队列的收益和等待成本不相同时,顾客进入优先权队列的概率,到达顾客以此概率进入优先权队列的行为是社会最优策略。
王钟彬[6]（2020）在《具有差异化服务排队系统的最优决策与均衡分析》文中研究指明排队系统,又称随机服务系统,是由服务对象随机的到达过程和服务台不确定的服务时间引起的一种拥堵现象.排队现象在日常生活中随处可见,如排队购票,电话中心以及网络服务中心等等.基于不同的排队系统,管理者需要制定不同的排队机制,如先到先服务,后到先服务,随机服务等等,以使得该服务系统的拥塞程度最小.同时,在大多数服务系统中,由于排队者往往是顾客自身,他们的决策行为将很大程度上影响系统的性能,因此是系统中不可忽略的一部分.不同于传统的排队系统,在以人为主的随机服务系统中,寻求服务的顾客将采取理性的策略以使得自身利益最大化,而服务提供者为提高自己的收益也不得不制定相应的定价策略或排队机制.因此,顾客与顾客之间,以及顾客与服务商之间便形成了非合作的博弈.本文在差异化服务的机制下对排队系统进行了性能的评估与优化,并从顾客与服务商的角度考虑了他们的均衡策略与最优的定价问题.首先,在通信系统的背景下,本文首次在重试排队系统中提出了同时差异化服务率和重试率的策略,并给出了最优的重试分配方案.直观来看,随着顾客类型的增加,服务时间的方差将大大增加,从而降低系统的性能.然而本文发现一个有趣的结论:在平均服务时间以及平均重试时间保持不变的情形下,多类型顾客的重试排队的平均延迟反而低于单类型顾客时的系统平均延迟.并且,本文还证明了当有两类顾客的时候,系统的平均延迟能够达到最低.通过给出在最优分配下的渐进系统性能,本文得到了系统平均延迟降低比例的上确界.该结论显示,当一类顾客的重试间隔足够小,而当另一类重试间隔足够大时,系统的性能将达到最优.也就是说,本文从理论上证明了在最优的分配机制下,多类型的重试排队系统将退化为一个带有优先权的重试排队系统.其次,本文研究了重试排队系统中的信息异质化问题.在重试排队系统中考虑了两类顾客流,一类顾客在到达系统时会被告知服务台的状态（空闲或繁忙）,另一类顾客则未被告知.这两类顾客都需要在到达时刻决定是否加入该系统以寻求服务.因此他们之间形成了非对称的博弈.本文得到了两类顾客的均衡进队策略,并研究了信息异质性对系统吞吐量和社会收益的影响.本文发现,社会收益是关于知情顾客的比例增加的,且当所有顾客都知道服务台的状态的时候社会收益能达到最大.另一方面,当系统负载较低（或较高）时,为使得吞吐量最大,服务商应该向顾客隐藏（或披露）信息.当系统负载处于中间范围时,一定的信息异质性（即向某一部分顾客透露信息）会使得系统吞吐量最大.除此以外,本文还发现服务商能够通过设置唯一的信息费用以促使顾客自发地达到系统最优的吞吐量.最后,在两类优先权的排队系统中,本文基于两种不同的信息水平,考虑了服务商的信息披露政策与最优定价策略.其中一种是完全不可见情形:即顾客在到达时不知道系统的状态.在该情形下,顾客只能通过对系统参数的估计和以往的经验得到期望的等待时间,从而以一定的概率（混合策略）决定是否进入系统以及是否购买优先权.相对应地,另一种是完全可见情形,在该情形下,到达系统的顾客能够清楚地看见系统的状态,并以此作出决策.本文证明了完全可见下均衡进队策略的策略形式一定是双阈值形式,并且在两种信息水平下得到了顾客唯一的帕累托占优均衡策略以及服务商的最优定价策略.通过比较两种信息水平下的服务商收益,本文发现当顾客潜在需求很小或很大的时候,服务商为使自身利益最大化,应当披露系统的信息.相对应地,当潜在需求适中时,服务商应该隐藏系统信息.进而从服务提供商的角度提出了一些管理上的启示.
朱桃增[7]（2019）在《排队论在医院运营管理中的应用研究》文中指出近年来,随着民众收入水平的提高、健康观念的转变以及基本医疗保障制度的实施,人们对于医疗健康的要求也在逐步提升。为了满足国民日益增长的健康需求,各国在医疗卫生事业上的投入也在逐年上升。在医疗卫生投入大幅增加的同时,提升卫生领域效率的问题也迫在眉睫。中国自改革开放以来医疗卫生建设取得了重大成就,但由于相对落后的历史及人口基数大等实际国情,我国的医疗卫生事业还有许多问题亟待解决。卫生总费用偏低、个人支出在医疗支出中的比例偏高等,是我国医疗卫生体系常常为人诟病之处。医疗卫生建设的意义毋庸置疑,并且在未来的很长一段时间内还有很大的发展空间。虽然中国医疗卫生领域迅速发展,相关的宏观政策体系也在不断完善,然而在运营管理方面的研究还相对较少。本文试图将排队论应用于医院运营管理中来优化医院的运营管理。文章的技术路线如下:论文的首章首先介绍本文的研究背景、回顾近几十年来相关的国内外研究成果。其次,就本文需要用到的概念和定理做一个简单的梳理,为全文的研究奠定基础。最后,简要介绍本文的结构和行文思路。正文部分主要研究急诊服务中的溢流问题、急诊部门中的优先权升级问题、门诊等待空间设计问题以及住院病床规划问题。首先,建立一个服务两类病人的溢流模型。对于一个急诊患者而言,急诊部门没有多余的医疗资源可以为其服务时,他会立即选择更换就诊地点,而不是等待。针对该排队系统,本文得到了系统的平稳分布、损失概率以及错位概率,并分析了系统参数对损失概率以及错位概率的影响。其次,在医院急诊部门中,病人病情的严重程度通常决定了接受服务的优先权。我们对急诊服务系统进行简化建立一个单服务台、两类病人且有优先权升级的排队系统。对于这类排队系统,本文研究了系统的平稳分布的性质并设计算法来计算系统的平稳分布。此外,还分析了系统参数对系统性能指标的影响。再次,我们研究在考虑病人有人陪诊时如何设定门诊等待空间容量的问题。最后,使用排队论建立多类别随机模型。在此基础上,通过优化理论研究病床分配方案并用实际数据研究结果的有效性。文章的最后对本文的主要工作进行总结概括,指出文章的主要创新之处,同时也探究了研究的不足以及未来可能的研究方向。本文的目的是探究排队论在医院运营管理中的应用,希望本文的研究能为医院运营管理提供新的思路和参考。纵观全文,文章的主要创新点在于:（1）定量分析病人溢出模型以及错位概率。（2）运用带优先权升级的排队系统刻画了急诊服务中病人的优先权变动问题,并设计了算法求解系统的平稳分布以及绩效指标。（3）研究在考虑病人有人陪诊时如何设定门诊等待空间容量的问题。此外,还用了矩阵几何的方法将结果进行了推广。（4）本文考虑了病人溢出情况下的床位分配问题并通过优化理论研究病床分配方案。最后,运用实际数据研究结果的有效性。
王哲[8]（2019）在《带非抢占优先权和多重休假的M/M/c排队》文中进行了进一步梳理主要对非抢占优先权和多重休假的M/M/c排队模型进行分析.首先通过描述系统服务流程来研究系统的状态,从而给出三维马尔科夫链.其次求解系统的状态转移率矩阵,并利用矩阵几何解的方法得到稳态平均队长、服务台休假的概率等重要性能指标.再次依据数值算例刻画出重要的性能指标随参数的变化趋势.最后分别构造个人及社会效益函数,并通过分析得到使社会效益最大化的最优参数值.
张帅[9]（2019）在《基于服务价值差异性假设的排队服务系统定价策略研究》文中提出由于顾客等待时间成本的差异性,企业为了提高系统效率、增加收益、吸引顾客,服务提供商通常采用分类服务的方式,然而分类服务必然会带来顾客服务价值的差异化,同时,采取分类服务时,由于不同队列顾客之间等待时间的不同带来的比较会造成心理上的不公平感。本文以M/M/1服务系统为背景,首先基于不同队列顾客服务价值差异性假设,对企业收益和顾客效用进行优化分析;然后,引入因两种队列之间等待时间不同而产生的普通顾客的公平偏好（不公平厌恶）对企业收益和顾客效用的影响。并根据模型优化结果给出企业最优收益和顾客最优效用对应的服务机制和定价策略,提出相应的管理启示。本文基于不同队列顾客服务价值差异性,以及普通顾客存在公平偏好的假设,从垄断型（顾客不能离开）服务系统和非垄断型（顾客能够离开）服务系统两种情形出发,对企业收益和顾客效用两个优化目标进行研究。主要研究结论如下:在垄断型服务系统中,无论普通顾客是否存在公平偏好,从企业收益最大化视角出发,系统都应该采取分类服务;但若从顾客效用最大化的角度出发,系统应该取消分类服务仅保留普通队列,或取消优先权服务费,使得系统中的顾客全部进入优先权队列。在非垄断型服务系统中,不考虑普通公平偏好时,在服务机制方面与垄断型服务系统的结论一致（即:系统采取分类服务时,企业可获得最优化收益;但从顾客效用出发,需取消分类服务仅保留普通队列）。若考虑普通顾客公平偏好时,系统中顾客数量随普通顾客公平偏好（不公平厌恶）的增大而减少,企业若要减少顾客流失,应减少顾客公平偏好的感知。另外,系统的基本服务费对企业最优收益有显着影响:（1）当基本服务费用较小时,应继续采取分类服务,随着顾客公平偏好的增大刺激了优先权费用的增加,抵消了顾客流失带来的损失,分析发现此时企业最优收益随着普通顾客公平偏好增大而增加;（2）当基本服务费用较大时,服务提供商应取消顾客分类服务,以防止顾客公平偏好增大导致的顾客流失,研究发现此时企业最优收益随着普通顾客公平偏好增大而减少。本文研究对服务提供商采取合理的服务策略及相应的分类服务定价具有重要参考价值和实际指导意义。
曾志杰[10]（2019）在《银行综合管理系统的设计与实现》文中进行了进一步梳理伴随着我国经济与金融行业的高速发展,客户对金融服务需求日益旺盛跟银行有限的服务能力之间矛盾日益突出,这不仅导致客户满意度降低,甚至客户流失。当前虽然大部分银行配备了排队叫号系统,但传统的排队叫号系统并不能满足当前需求,办理几分钟能够完成业务却要排队等待一个多小时已经成为顾客心中的噩梦。同时,银行网点也需要一个信息化综合管理系统便捷地管理柜员的工作量和绩效等。本论文通过对银行综合管理系统进行功能需求及业务需求分析及阐明其实现意义,并从经济层面、客户层面、员工层面、技术层面进行可行性分析。本论文较为详细地描述根据排队论M/M/C模型方法得出耗时短的业务优先原则,将有利于从整体上减少客户等待时长并提升客户的用户体验,减少网点拥挤程度。但该方法也会损害办理复杂业务客户的权益,所以本论文在此基础上提出了一种优化排队策略,在不增加银行运营成本的情况下,通过有条件地给予办理快捷业务客户非强占优先权来使得排队客户总体等待时间有效减少,同时避免办理复杂业务客户长时间等待的情况出现。本论文提出的排队策略能够实现在提高排队效率情况下,兼顾不同客户之间的公平性。通过使用成熟的B/S架构、MySQL数据库和Spring MVC、EasyUI、zTree等框架设计出能够优化排队效率的银行综合管理系统,并且充分利用相关业务数据帮助银行管理者实现员工绩效管理、资源调配等决策。此外,通过Echarts可视化技术将网点业务数据以良好交互性、色彩鲜明形式丰富地展示给银行管理者。数据的内涵和意义在实时看板中一目了然,有助于提高管理者决策效率同时充分展示、统计了柜员的工作量和工作效率等核心数据。最后,对系统的分析和设计过程及结果进行了总结分析。后续的进一步工作目标是通过对历史排队日志数据和历史客户业务数据进行数据挖掘,更加精细化地预测业务高峰以及进一步智能化人性化改善服务质量的机制。
二、带有转换时间和阈值的非抢占优先权排队模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、带有转换时间和阈值的非抢占优先权排队模型（论文提纲范文）
（1）基于混合抢占优先权排队系统的三值光学计算机性能分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 三值光学计算机发展历程 |
| 1.3.2 三值光学计算机性能分析研究现状 |
| 1.3.3 优先权排队系统研究现状 |
| 1.4 论文的主要研究内容 |
| 1.5 论文结构安排 |
| 第2章 相关工作 |
| 2.1 排队论概述 |
| 2.2 排队论预备知识 |
| 2.2.1 Little公式 |
| 2.2.2 马尔可夫链和转移率矩阵 |
| 2.2.3 生灭过程和矩阵几何解 |
| 2.3 三值光学计算机任务服务模型 |
| 2.3.1 TOC任务管理系统 |
| 2.3.2 TOC性能分析模型 |
| 2.4 本章小结 |
| 第3章 基于T型混合抢占优先权排队系统的TOC性能分析 |
| 3.1 基于T型混合抢占优先权策略的TOC的请求调度算法 |
| 3.2 性能分析模型 |
| 3.2.1 任务的平均等待时间 |
| 3.2.2 各情况出现的概率 |
| 3.2.3 平均响应时间 |
| 3.4 模型仿真 |
| 3.5 本章小结 |
| 第4章 基于(N,n)混合抢占排队优先权的TOC性能分析 |
| 4.1 TOC的请求调度和处理器分配算法 |
| 4.2 性能分析模型 |
| 4.2.1 Stage1的性能分析 |
| 4.2.2 Stage2的性能分析 |
| 4.2.3 Stage 3的性能分析 |
| 4.2.4 Stage4的性能分析 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在读期间公开发表论文及着作情况 |
（2）考虑顾客等待成本异质性的优先权服务定价策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容与研究方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 论文结构与主要创新点 |
| 1.3.1 论文结构 |
| 1.3.2 主要创新点 |
| 第2章 文献综述 |
| 2.1 顾客等待成本的分布假设 |
| 2.2 优先权服务定价 |
| 2.3 延迟公告 |
| 2.4 优先权升级 |
| 2.5 预售 |
| 第3章 两级优先权系统的均衡分析以及定价策略研究 |
| 3.1 引言 |
| 3.2 模型描述 |
| 3.3 顾客的均衡策略分析 |
| 3.3.1 均衡的存在性 |
| 3.3.2 均衡的稳定性 |
| 3.4 定价策略 |
| 3.4.1 服务系统的定价策略 |
| 3.4.2 社会管理者的定价策略 |
| 3.5 特殊分布族和数值试验 |
| 3.5.1 均匀分布 |
| 3.5.2 指数分布 |
| 3.5.3 韦伯分布 |
| 3.5.4 幂律分布 |
| 3.5.5 数值试验 |
| 3.6 本章小结 |
| 第4章 多级优先权系统的均衡分析以及定价策略研究 |
| 4.1 引言 |
| 4.2 模型描述 |
| 4.3 顾客的均衡策略分析 |
| 4.4 定价策略 |
| 4.4.1 服务系统的定价策略 |
| 4.4.2 社会管理者的定价策略 |
| 4.5 N级优先权的效用 |
| 4.6 本章小结 |
| 第5章 带有优先权升级系统均衡分析以及定价策略研究 |
| 5.1 引言 |
| 5.2 模型描述 |
| 5.2.1 顾客的负效用 |
| 5.2.2 顾客的选择行为 |
| 5.3 顾客的选择均衡 |
| 5.3.1 顾客在第二阶段选择优先权升级的均衡行为 |
| 5.3.2 顾客在第一阶段的均衡选择行为 |
| 5.4 定价策略 |
| 5.4.1 服务系统的定价策略 |
| 5.4.2 社会管理者的定价策略 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录A 第三章证明 |
| 附录B 第四章证明 |
| 附录C 第五章证明 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（3）面向无人驾驶的边缘流式大数据处理框架设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 云—边缘协同的流式数据处理框架 |
| 1.2.2 云端应用卸载及边缘环境下流式数据处理框架优化 |
| 1.2.3 边缘计算环境下流式数据处理研究总结 |
| 1.3 论文研究意义 |
| 1.4 论文结构安排 |
| 1.5 本章小结 |
| 第二章 相关技术研究 |
| 2.1 无人驾驶 |
| 2.2 分布式大数据实时流处理技术 |
| 2.2.1 Yahoo!S4 |
| 2.2.2 Apache Storm |
| 2.2.3 Apache Kylin |
| 2.2.4 Spark Streaming |
| 2.2.5 现有分布式大数据实时流处理技术对比 |
| 2.3 流数据处理优化研究 |
| 2.4 边缘计算技术 |
| 2.5 本章小结 |
| 第三章 面向无人驾驶的边缘流式大数据处理系统 |
| 3.1 车载传感器流量特征 |
| 3.2 边缘流式大数据处理需求分析 |
| 3.2.1 系统负载监控 |
| 3.2.2 流量短期预测 |
| 3.2.3 处理能力弹性调节 |
| 3.2.4 多级别差异化服务 |
| 3.3 本章小结 |
| 第四章 系统设计 |
| 4.1 系统整体设计 |
| 4.2 基于灰色模型的车流量监测及预测 |
| 4.2.1 概述 |
| 4.2.2 车流量提取模块 |
| 4.2.3 车流量预测模块 |
| 4.3 基于模糊控制的资源动态调节 |
| 4.3.1 概述 |
| 4.3.2 系统工作负载监控 |
| 4.3.3 模糊控制模块 |
| 4.3.4 微批次生成 |
| 4.4 基于非抢占优先权排队论的Job调度 |
| 4.4.1 概述 |
| 4.4.2 任务优先级计算 |
| 4.4.3 非抢占式优先级调度 |
| 4.5 本章小结 |
| 第五章 系统实现 |
| 5.1 系统整体实现 |
| 5.2 基于灰色模型的车流量监测及预测层实现 |
| 5.2.1 概述 |
| 5.2.2 Traffic Tracker模块实现 |
| 5.2.3 Gray Model模块实现 |
| 5.3 基于模糊控制的资源动态调节层实现 |
| 5.3.1 概述 |
| 5.3.2 Stats Tracker模块实现 |
| 5.3.3 Dynamic Timer模块实现 |
| 5.3.4 Fuzzy Control模块实现 |
| 5.4 基于非抢占式优先权排队论的Job调度层实现 |
| 5.4.1 概述 |
| 5.4.2 Edge Receiver实现 |
| 5.4.3 Priority Tracker模块实现 |
| 5.5 本章小结 |
| 第六章 实验 |
| 6.1 实验环境 |
| 6.2 基于灰色模型的车流量监测及预测层验证 |
| 6.2.1 离线预测验证 |
| 6.2.2 在线预测验证 |
| 6.3 基于模糊控制的资源动态调节 |
| 6.3.1 处理能力调节性能测试 |
| 6.3.2 突发流量应对能力测试 |
| 6.3.3 处理能力弹性测试 |
| 6.4 基于非抢占式优先权排队论的Job调度 |
| 6.5 综合实验 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（4）某医院门诊非紧急因素优先权排队策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容与意义 |
| 1.4 论文组织结构 |
| 2 相关理论和知识概述 |
| 2.1 排队论 |
| 2.1.1 排队系统的组成 |
| 2.1.2 泊松过程与负指数分布 |
| 2.1.3 排队指标和两种常见的优先权排队策略 |
| 2.1.4 医院门诊优先权排队特点与公平性要求 |
| 2.2 前景理论与价值函数 |
| 2.3 仿真技术 |
| 2.3.1 离散事件仿真 |
| 2.3.2 Anylogic仿真软件 |
| 3 静态有限度优先权排队策略分析 |
| 3.1 静态优先权排队策略描述 |
| 3.2 数学模型 |
| 3.3 性能指标求解 |
| 3.3.1 平均等待时间 |
| 3.3.2 患者在系统中的平均逗留时间 |
| 3.3.3 不同类患者在系统中的人数 |
| 3.4 算例分析 |
| 3.5 模型性质分析 |
| 3.6 本章小结 |
| 4 基于动态综合优先权评价的排队策略 |
| 4.1 动态优先权排队策略 |
| 4.1.1 策略规则 |
| 4.1.2 目标等待时间 |
| 4.2 基于TOPSIS的动态评价算法 |
| 4.2.1 TOPSIS算法及适用性 |
| 4.2.2 综合优先权值的评价指标 |
| 4.2.3 算法步骤 |
| 4.3 策略效果评价指标 |
| 4.3.1 平均等待时间 |
| 4.3.2 基于等待时间的价值函数评价患者等待时间满意度 |
| 4.3.3 满足目标等待时间需求的优先患者比例 |
| 4.4 算例验证 |
| 4.5 本章小结 |
| 5 某医院门诊优先权排队策略应用的仿真分析 |
| 5.1 基本仿真模型建立 |
| 5.1.1 门诊就诊流程 |
| 5.1.2 仿真参数的确定 |
| 5.1.3 仿真模型及排队策略实现 |
| 5.2 仿真模拟实验设计 |
| 5.3 仿真结果分析 |
| 5.3.1 当前排队环境仿真应用分析 |
| 5.3.2 普适性验证的仿真结果与分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 A 排队策略的实现代码 |
| 附录 B 仿真实验结果 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）可购买优先权的M/G/1排队系统的进队策略分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 排队论简介 |
| 1.2 排队博弈论简介 |
| 1.3 具有优先权的排队系统的研究背景及现状 |
| 1.3.1 具有优先权的排队系统的排队论研究现状 |
| 1.3.2 具有优先权的排队博弈论研究现状 |
| 1.4 常见排队博弈论的研究背景及现状 |
| 1.4.1 可修排队博弈论的研究现状 |
| 1.4.2 具有休假和开启时间的排队博弈论 |
| 1.4.3 具有重申轨道的排队博弈论 |
| 1.5 研究意义 |
| 1.6 论文结构 |
| 第二章 完全可见情形下的进队策略分析 |
| 2.1 个体进队策略分析 |
| 2.2 社会最优策略分析 |
| 2.3 数值实验 |
| 2.3.1 完全可见情形下个体进队策略的数值计算 |
| 2.3.2 完全可见情形下社会最优策略的数值计算 |
| 2.4 本章小结 |
| 第三章 完全不可见情形下的进队策略分析 |
| 3.1 个体进队策略分析 |
| 3.2 社会最优策略分析 |
| 3.3 数值实验 |
| 3.3.1 完全不可见情形下个体进队策略的数值计算 |
| 3.3.2 完全不可见情形下社会最优策略的数值计算 |
| 3.4 本章小结 |
| 第四章 总结与展望 |
| 4.1 总结 |
| 4.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间发表的学术论文目录 |
（6）具有差异化服务排队系统的最优决策与均衡分析（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究历史与现状 |
| 1.2.1 重试排队系统 |
| 1.2.2 关于服务率控制的排队系统 |
| 1.2.3 关于信息披露的排队系统 |
| 1.2.4 优先权排队系统 |
| 1.3 预备知识 |
| 1.3.1 随机过程及排队论 |
| 1.3.2 博弈论 |
| 1.3.3 非线性最优化条件 |
| 1.4 本文主要结构 |
| 2 重试排队系统中的最优差异化服务机制 |
| 2.1 模型描述 |
| 2.2 差异化分配策略的优势 |
| 2.3 最优的分配策略 |
| 2.4 重负载下的系统性能 |
| 2.4.1 平均等待时间的减少量 |
| 2.4.2 平均重试次数的减少量 |
| 2.5 数值分析 |
| 2.6 本章小结 |
| 3 具有信息异致的重试排队博弈分析 |
| 3.1 模型描述 |
| 3.2 顾客的均衡行为 |
| 3.2.1 系统性能指标 |
| 3.2.2 顾客的均衡策略 |
| 3.3 吞吐量与社会收益 |
| 3.3.1 最大吞吐量 |
| 3.3.2 最优社会收益 |
| 3.4 信息定价措施 |
| 3.5 数值分析 |
| 3.5.1 均衡进队策略展示 |
| 3.5.2 不同信息水平下的吞吐量与社会收益 |
| 3.5.3 信息费用的影响 |
| 3.5.4 重试率的影响 |
| 3.6 本章小节 |
| 4 优先权排队系统下的信息披露与定价策略 |
| 4.1 不可见情形 |
| 4.1.1 顾客均衡策略 |
| 4.1.2 服务商收益 |
| 4.2 完全可见情形 |
| 4.2.1 顾客均衡策略 |
| 4.2.2 服务商收益 |
| 4.3 数值分析 |
| 4.3.1 均衡分析 |
| 4.3.2 服务商收益分析 |
| 4.3.3 案例分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）排队论在医院运营管理中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 理论基础 |
| 1.3.1 泊松过程 |
| 1.3.2 马尔可夫过程 |
| 1.3.3 排队模型 |
| 1.3.4 矩阵几何解 |
| 1.4 研究内容及技术路线 |
| 1.5 研究意义 |
| 第2章 急诊服务中的溢流分析 |
| 2.1 引言 |
| 2.2 溢流模型的平稳分布 |
| 2.3 溢流的益处 |
| 2.4 溢流的成本 |
| 2.5 溢流的条件以及拓展 |
| 2.6 本章小结 |
| 第3章 急诊部门中的优先权升级分析 |
| 3.1 引言 |
| 3.2 模型描述 |
| 3.3 平稳分布 |
| 3.4 算法研究 |
| 3.5 绩效分析 |
| 3.5.1 到达率{λ_1,λ2}灵敏度分析 |
| 3.5.2 服务率μ_1灵敏度分析 |
| 3.5.3 服务率μ_2灵敏度分析 |
| 3.5.4 转移率λ_T灵敏度分析 |
| 3.6 本章小结 |
| 第4章 门诊等待空间容量设计 |
| 4.1 引言 |
| 4.2 简单排队模型 |
| 4.2.1 伯努利分布 |
| 4.2.2 几何分布 |
| 4.3 复杂排队模型 |
| 4.4 数值实例 |
| 4.5 本章小结 |
| 第5章 住院病床安排与分配 |
| 5.1 引言 |
| 5.2 优化模型 |
| 5.2.1 模型描述 |
| 5.2.2 简化模型 |
| 5.2.3 最优病床分配方案 |
| 5.3 仿真模型 |
| 5.3.1 病房合并 |
| 5.3.2 仿真的组成部分 |
| 5.3.3 模型可信度 |
| 5.4 病床的再分配方案 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 本文创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（8）带非抢占优先权和多重休假的M/M/c排队（论文提纲范文）
| 1 模型描述 |
| 2模型分析 |
| 3 系统性能指标 |
| 4 数值算例 |
| 5 效益函数 |
| 6 结论 |
（9）基于服务价值差异性假设的排队服务系统定价策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 顾客分类和优先权排队系统相关文献综述 |
| 1.2.2 顾客公平偏好相关文献综述 |
| 1.3 研究内容及技术路线 |
| 1.3.1 本文技术路线 |
| 1.3.2 本文主要研究内容 |
| 1.3.3 本文章节结构 |
| 1.3.4 本文创新点 |
| 2 相关概念和理论 |
| 2.1 排队系统的基础理论 |
| 2.2 排队论研究内容 |
| 2.3 排队系统的组成和特征 |
| 2.3.1 输入过程与到达规则 |
| 2.3.2 排队规则 |
| 2.3.3 服务时间与服务规则 |
| 2.4 排队系统主要指标 |
| 2.5 排队模型分类及符号表示 |
| 2.6 典型排队系统模型 |
| 2.6.1 单服务台(M/M/1)排队系统 |
| 2.6.2 多服务台(M/M/c)排队系统 |
| 2.6.3 一般服务时间(M/G/1)排队系统 |
| 2.6.4 优先权排队系统 |
| 2.7 本文用到的排队系统描述 |
| 2.7.1 优先权排队服务系统类型 |
| 2.7.2 企业收益最大化 |
| 2.8 本章小结 |
| 3 垄断型服务系统服务机制设计与定价策略 |
| 3.1 基于顾客效用与社会收益服务定价策略 |
| 3.1.1 顾客效用模型构建 |
| 3.1.2 顾客效用与企业收益性质分析 |
| 3.1.3 企业最优收益求解 |
| 3.1.4 顾客总体效用优化 |
| 3.1.5 企业收益性质算例分析 |
| 3.2 考虑普通顾客公平偏好的服务定价策略 |
| 3.2.1 顾客效用模型构建 |
| 3.2.2 收益最大化求解与分析 |
| 3.2.3 顾客总体效用优化 |
| 3.2.4 企业收益性质算例分析 |
| 3.3 本章小结 |
| 4 非垄断型服务系统服务机制设计与定价策略 |
| 4.1 基于顾客效用与企业收益服务定价策略 |
| 4.1.1 顾客效用选择 |
| 4.1.2 服务系统仅存在普通顾客时企业收益分析 |
| 4.1.3 服务系统存在两种队列时企业收益分析 |
| 4.1.4 两种情况对比分析 |
| 4.1.5 顾客总体效用优化 |
| 4.1.6 企业收益性质算例分析 |
| 4.2 考虑顾客公平偏好的服务定价策略 |
| 4.2.1 顾客效用与企业收益函数构建 |
| 4.2.2 企业收益性质算例分析 |
| 4.2.3 顾客总体效用优化 |
| 4.3 本章小结 |
| 5 全文总结与工作展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）银行综合管理系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.4 本文研究内容 |
| 1.5 本文组织结构 |
| 1.6 本章小结 |
| 第二章 系统设计与实现过程中的关键技术 |
| 2.1 MVC架构 |
| 2.2 Spring MVC框架 |
| 2.2.1 Spring MVC介绍 |
| 2.2.2 Spring MVC的优势 |
| 2.3 MySQL数据库 |
| 2.3.1 MySQL数据库介绍 |
| 2.3.2 MySQL数据库特点 |
| 2.4 Echarts |
| 2.5 EasyUI框架 |
| 2.6 排队论 |
| 2.7 本章小结 |
| 第三章 系统需求分析 |
| 3.1 综合管理系统总体设计需求 |
| 3.2 综合管理系统功能需求分析 |
| 3.2.1 取号需求 |
| 3.2.2 叫号需求 |
| 3.2.3 看板需求 |
| 3.2.4 排班需求 |
| 3.2.5 用户管理需求 |
| 3.3 非功能性需求 |
| 3.4 综合管理系统可行性分析 |
| 3.5 本章小结 |
| 第四章 系统设计 |
| 4.1 系统开发环境及运行环境 |
| 4.2 系统的体系架构设计 |
| 4.3 快速叫号设计 |
| 4.3.1 排队论M/M/C排队策略 |
| 4.3.2 先到先办理排队策略 |
| 4.3.3 本文排队策略 |
| 4.3.4 三种排队策略对比 |
| 4.4 总体功能和结构设计 |
| 4.4.1 登录模块 |
| 4.4.2 取号模块 |
| 4.4.3 叫号模块 |
| 4.4.4 看板模块 |
| 4.4.5 字典模块 |
| 4.4.6 用户管理模块 |
| 4.4.7 排班模块 |
| 4.5 数据库设计 |
| 4.5.1 数据库设计要求 |
| 4.5.2 数据库E-R图设计 |
| 4.5.3 数据库表设计 |
| 4.6 本章小结 |
| 第五章 系统实现 |
| 5.1 集成Spring到项目 |
| 5.2 Spring管理Spring MVC |
| 5.3 EasyUI与 Spring MVC集成 |
| 5.4 实现页面权限控制 |
| 5.5 实现快速叫号功能 |
| 5.6 实现看板功能 |
| 5.7 实验分析 |
| 5.8 本章小结 |
| 第六章 系统应用 |
| 6.1 登陆及注册功能 |
| 6.2 取号功能 |
| 6.3 叫号功能 |
| 6.4 看板功能 |
| 6.5 排班功能 |
| 6.6 用户管理功能 |
| 6.7 字典管理 |
| 6.8 系统兼容性 |
| 6.9 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附件 |
四、带有转换时间和阈值的非抢占优先权排队模型（论文参考文献）
- [1]基于混合抢占优先权排队系统的三值光学计算机性能分析[D]. 刘佳辉. 阜阳师范大学, 2021(12)
- [2]考虑顾客等待成本异质性的优先权服务定价策略研究[D]. 王姚磊. 中国科学技术大学, 2020(04)
- [3]面向无人驾驶的边缘流式大数据处理框架设计与实现[D]. 赵航. 华南理工大学, 2020(02)
- [4]某医院门诊非紧急因素优先权排队策略研究[D]. 袁季骜. 北京交通大学, 2020(03)
- [5]可购买优先权的M/G/1排队系统的进队策略分析[D]. 田龙妹. 昆明理工大学, 2020(04)
- [6]具有差异化服务排队系统的最优决策与均衡分析[D]. 王钟彬. 北京交通大学, 2020
- [7]排队论在医院运营管理中的应用研究[D]. 朱桃增. 中国科学技术大学, 2019(08)
- [8]带非抢占优先权和多重休假的M/M/c排队[J]. 王哲. 常熟理工学院学报, 2019(02)
- [9]基于服务价值差异性假设的排队服务系统定价策略研究[D]. 张帅. 南京理工大学, 2019(06)
- [10]银行综合管理系统的设计与实现[D]. 曾志杰. 华南理工大学, 2019(01)