简介：本文研究一类批容量有界的并行分批、平行机在线排序问题。模型中有n个相互独立的工件J＝｛J1，…，Jn｝要在m台批处理机上加工。批处理机每次可同时加工至多B（B＜n）个工件。同一批中的工件同时开工，同时完工，工件加工过程不允许中断。工件Jj（1≤j≤n）的到达时间为rj，加工时间为1，工件是否会到达事先未知，而只有等到工件的到达时间才能获知它的到达。目标为最小化工件的最大完工时间。针对该排序问题，本文设计了两个竞争比均达到最好可能的在线算法。
简介：本文研究了一类不相关平行机的排序问题，在该问题中工件的加工时间既具有学习效应，又资源可控，也就是说在该问题模型中，工件的实际加工时间为其正常的加工时间、加工过程中工件所处位置以及加工时间可控这些变量的函数。该研究的目的是为使得总机器负载和总的控制费用的加权和最小以及总的完工时间和总的控制费用的加权和最小。文章通过对问题的相关性质的分析和证明找到了一个解决问题的最优化算法，并且也证明了在处理机的数量给定的条件下，该问题的时间复杂性为0（nm·2），最后也给出了相应的数值例子来阐述该问题。
简介：利用贝叶斯网络,将搜集到的操作风险事件分类建立数据网络;在假设一定的分布条件下,分别估计各类损失事件发生频率和损失量的分布参数,用copula函数处理相关节点,再估计总体分布的VaR和ES,从而为巴塞尔协议中操作风险损失的估计提供一种具体的可选方法。
单位工件的平行机并行分批在线排序问题的算法
具有学习效应和加工时间可控的平行机排序问题
基于Copula函数对巴塞尔协议中操作风险的度量
