复合系统推文

news2024/10/2 3:17:50

今天推出的是复合系统协调度这个模型的工具。

参考文献:《“干线公路—城市结点”复合系统协调度分析模型》

复合系统整体协调度模型以协同学的序参量原理和役使原理为基础,模型的参变量选择是模型合理性的前提, 重点选择在整个系统发展演变过程中起主导性作用的因素作为模型序参量变量,它决定着系统演化的特征和规律。

模型具体如下:

1、计算子系统有效度

将"干线公路—城市结点"系统表示为 S = { S 1 , S 2 , S 3 , S 4 } S=\{S_1,S_2, S_3,S_4\} S={S1,S2,S3,S4},其中 S i S_i Si 为第 i i i 子系统, i = 1 , 2 , 3 , 4 i=1, 2, 3, 4 i=1,2,3,4,分别对应干线公路、社会经济、城市交通和生态环境等四个子系统; 设子系统 S i S_i Si 发展过程中的序参量为: x i = ( x i 1 , x i 2 , ⋯   , x i n ) x_i=(x_{i1},x_{i2},\cdots,x_{in}) xi=(xi1,xi2,,xin),其中 a i j ≤ x i j ≤ β i j a_{ij} \leq x_{ij} \leq \beta_{ij} aijxijβij a i j a_{ij} aij β i j \beta_{ij} βij 为序参量 x i j x_{ij} xij 的阈值。

则第 i 个子系统的有序度 μ i ( x i ) \mu_\mathrm{i}(\mathbf{x}_\mathrm{i}) μi(xi)由式(1)~(3)得到,

μ i ( x i ) = ∏ j = 1 n μ i ( x i j ) n \mu_i(\mathrm{x_i})=\sqrt[n]{\prod_{j=1}^n\mu_i(x_{ij})} μi(xi)=nj=1nμi(xij) (1)

μ i ( x i j ) = x i j − α i j β i j − α i j ( 2 ) \mu_i(x_{ij})=\frac{x_{ij}-\alpha_{ij}}{\beta_{ij}-\alpha_{ij}}(2) μi(xij)=βijαijxijαij(2)

μ i ( x i j ) = β i j − x i j β i j − α i j \mu_i(x_{ij})=\frac{\beta_{ij}-x_{ij}}{\beta_{ij}-\alpha_{ij}} μi(xij)=βijαijβijxij(3)

式中: u i ( x i j ) \mathbf{u}_{\mathrm{i}}(\mathbf{x}_{\mathrm{ij}}) ui(xij) 为第 i 个子系统第 j 个序参量 x i j \mathbf{x}_{\mathrm{ij}} xij的有序度。 u i u_i ui ( x i j x_{ij} xij) 为 第 i 个 子 系 统 第 j 个 序 参 量 x i j x_{ij} xij 的 有 序 度 。其 中,对于效益型序参量,有序度按式(2)计算;成本型序参量,有序度按式(3)计算。

  1. 系统协调度

借鉴物理学中容量耦合的概念和容量耦合系数模型,设对于给定的初始时刻或给定的时间段 t 0 _{0} 0而言,“干线公路一城市结点”系统各子系统序参量的系统有序度为 μ i 0 \mu _i^0 μi0,i= 1, 2, 3,4。对于系统在发展演变阶段中的特定时刻 t,若此时各个子系统序参量的系统有序度为: μ i ′ ( x i ) \mu_i^{\prime}(x_i) μi(xi)(i=1,2,3,4), 且 {\mathrm{且 } } μ 1 ′ ( x 1 ) \mu _{1}^{\prime }( x_{1}) μ1(x1) ≥ \geq μ 1 0 ( x 1 ) \mu _{1}^{0}( x_{1}) μ10(x1) , μ 2 ′ ( x 2 ) \mu _{2}^{\prime }( x_{2}) μ2(x2) ≥ \geq μ 2 0 ( x 2 ) \mu _{2}^{0}( x_{2}) μ20(x2) , μ 3 ′ ( x 3 ) ⩾ μ 3 0 ( x 3 ) \mu _3^{\prime }( x_3) \geqslant \mu _3^0( x_3) μ3(x3)μ30(x3) , μ 4 t ( x 4 ) ⩾ μ 4 0 ( x 4 ) \mu _4^t( x_4) \geqslant \mu _4^0( x_4) μ4t(x4)μ40(x4)同时成立,则称“干线公路一城市结点”复合系统是协调发展的,而且定义下式为复合系统的协调度,
C = θ ∏ i = 1 4 [ u i ′ ( x i ) − u i 0 ( x i ) ] 4 (4) C=\theta\sqrt[4]{\prod_{i=1}^4[u_i^{\prime}(\mathbf{x}_i)-u_i^0(\mathbf{x}_i)]}\text{(4)} C=θ4i=14[ui(xi)ui0(xi)] (4)

θ = min ⁡ i [ u i ′ ( x i ) − u i 0 ( x i ) ≠ 0 ] ∣ min ⁡ i [ u i ′ ( x i ) − u i 0 ( x i ) ≠ 0 ] ∣ , i = 1 , 2 , . . . , 4 \theta=\frac{\min_{i}[u_{i}^{\prime}(\mathrm{x_{i}})-u_{i}^{0}(\mathrm{x_{i}})\neq0]}{\left|\min_{i}[u_{i}^{\prime}(\mathrm{x_{i}})-u_{i}^{0}(\mathrm{x_{i}})\neq0]\right|},\mathrm{i=1,2,...,4} θ=mini[ui(xi)ui0(xi)=0]mini[ui(xi)ui0(xi)=0],i=1,2,...,4

$\theta\ 的作用在于:当且仅当 的作用在于:当且仅当 的作用在于:当且仅当\forall i,u_i{\prime}(\mathbf{x}_i)-u_i{0}(\mathbf{x}_i)>0$,成立时,复合系统才是协调发展的。

对式(4)的说明:

(1) 式中 u i ′ ( x i ) − u i 0 ( x i ) u_i^{\prime}(\mathrm{x}_i)-u_i^{0}(\mathrm{x}_i) ui(xi)ui0(xi)为子系统 S i _\mathrm{i} i从 t 0 _0 0到 t时段序

参量的系统有序度的变化范围,它反映了子系统 S i S_i Si从 t 0 _{0} 0到 t

时段演化过程中的有序程度。由式(1)~(3)知

u i t ( x i ) − u i 0 ( x i ) ∈ [ − 1 , 1 ]   。 u_i^t(\mathbf{x}_i)-u_i^0(\mathbf{x}_i)\in[-1,1]\:。 uit(xi)ui0(xi)[1,1]

(2)协调度 C ∈ [ − 1 , 1 ] \in[-1,1] [1,1],其值越大,表明“干线公路一城市结点”复合系统协调程度越高。特别地,如果 C [-1, 0 ) , 则表明至少有一个子系统的发展方向是无序的,或者说 0),则表明至少有一个子系统的发展方向是无序的,或者说 0),则表明至少有一个子系统的发展方向是无序的,或者说 复合系统从 t 0 _{0} 0到 t 时段的发展状态是无序的。

(3)利用协调度可以检验复合系统在研究基年的协调程度,以及复合系统协调程度的变化趋势。它不必深究复合系统演化发展的过程细节,对复合系统提供了一种面向协调管理效果的度量准则和评价标准。

根据该模型,我们实现了一个工具,可以轻松计算符合系统协调度,经过验证,工具中所计算的结果,与论文中展现的一致

具体对比如下:
在在这里插入图片描述
这里插入图片描述

针对该模型,工具做了优化,用户可以任意设置子系统数量,以及指标的方向为正向或者负向。

Panda_DEA更新

三阶段DEA之SFA回归

产业空间聚集DO指数计算工具更新

存在共享投入的两阶段博弈交叉DEA模型

产业空间聚集DO指数计算工具

网络SBM模型(NSBM)复现

团体机构持股比例代码更新

空间马尔科夫工具更新

共享投入型关联两阶段生产系统的网络DEA效率测度与分解复现

基尼系数双维度分解计算工具

动态SBM模型(DSBM)复现

共享投入的两阶段DEA模型复现

基于凸分位数回归的影子价格计算工具

Doyle和Green(1994)的对抗性和仁慈性DEA

一种新的两阶段网络DEA模型

适用于面板数据的动态StoNED模型计算工具

零和博弈SBM模型(ZSG-SBM)模型

三阶段动态网络DEA(DNSBM)模型的实现

计算相对资源承载力模型的工具

基于参数化的方向性距离函数(DDF)估算污染物影子价格的工具

基于非期望产出的RAM 碳环境效率模型

使用遗传算法或NSGA2算法解决多式联运问题

莫兰指数计算小工具

Panda_DEA增加至强有效前沿最近距离-MinDS模型

QLab增加耦合协调度模型

广义SBM模型的matlab代码

QLab1.4正式发布!增加全排列多边形图示指标法

大量数据时的Dagum基尼系数分解工具

Panda-DEA_1.0正式发布!

含有非期望产出的ZSG-DEA模型

两阶段网络DEA模型及其计算

Panda-DEA,一款新的DEA模型软件

DKM_1.3更新—CCM收敛交叉映射

DKM_1.2:两阶段嵌套泰尔指数工具

DKM_1.1–新增熵值法功能

数量经济学工具DKM_1.0

空间马尔科夫链工具

空间静态kernel核密度、空间动态kernel核密度工具更新

马尔科夫链之传统马尔可夫链

Dagum基尼系数分解工具更新

无条件、空间静态、空间动态kernel核密度工具

基于共同前沿下含非期望产出SBM模型的影子价格测算

基于非期望产出SBM模型的群组前沿和共同前沿的DEA效率

零和收益ZSG-DEA模型的求解程序

三阶嵌套泰尔指数计算工具

dagum基尼系数分解工具

《机构投资者抱团与股价崩盘风险》数据处理代码

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2183666.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

CSP-J模拟赛(1)补题报告

前言: 1.交替出场(alter) :10 2.翻翻转转(filp):0 3.方格取数(square):0 4.圆圆中的方方(round):0 总结一下: 第一次考,没爆零就是胜…

锂电池SOC估计 | Matlab基于BP神经网络的锂电池SOC估计

锂电池SOC估计 | Matlab基于BP神经网络的锂电池SOC估计 目录 锂电池SOC估计 | Matlab基于BP神经网络的锂电池SOC估计预测效果基本描述程序设计参考资料 预测效果 基本描述 锂电池SOC估计 | Matlab基于BP神经网络的锂电池SOC估计 运行环境Matlab2023b及以上。 要实现基于BP神…

鼓组编曲:鼓编写技巧之进鼓加花编写

为了方便快速查阅和运用一些教程笔记,个人记性有时可能不是特别好,所以只能疯狂做笔记了,制作以下图文笔记,仅供参考…… 鼓组加花 鼓的变动 进鼓后然后就可以动次打次了 下面是2个底鼓的加花

基于投影滤波算法的rick合成地震波滤波matlab仿真

目录 1.课题概述 2.系统仿真结果 3.核心程序与模型 4.系统原理简介 4.1 RICK合成地震波模型 4.2 投影滤波算法原理 5.完整工程文件 1.课题概述 基于投影滤波算法的rick合成地震波滤波matlab仿真。分别通过标准的滤波投影滤波以及卷积滤波投影滤波对合成地震剖面进行滤波…

SQL第10课挑战题

1. 从OrderItems表中返回每个订单号order_num各有多少行数order_lines,并按order_lines对结果进行排序 2. 返回名为cheapest_item的字段,该字段包含每个供应商成本最低的产品(使用products表中的prod_price),然后从最低成本到最高…

Redis篇(缓存机制 - 基本介绍)(持续更新迭代)

目录 一、缓存介绍 二、经典三缓存问题 1. 缓存穿透 1.1. 简介 1.2. 解决方案 1.3. 总结 2. 缓存雪崩 2.1. 简介 2.2. 解决方案 2.3. 总结 3. 缓存击穿 3.1. 简介 3.2. 解决方案 3.3. 总结 4. 经典三缓存问题出现的根本原因 三、常见双缓存方案 1. 缓存预热 1…

MQ高级:RabbitMQ小细节

在之前的学习中,我们只介绍了消息的发送,但是没有考虑到异常的情况,今天我们就介绍一些异常情况,和细节的部分。 目录 生产者可靠性 生产者重连 生产者确认 MQ可靠性 持久化 Lazy Queue 消费者可靠性 消费者确认机制 失…

LoadRunner实战测试解析:记录一次性能测试过程

环境准备 PC: Windows7/XP LoadRunner11: 与win10及以上版本不兼容 Nmon: 性能监控工具,部署到被测服务器 LoadRunner破解安装 下载地址:https://pan.baidu.com/s/1WJjcFWhrkWW-GgYwXdEniQ 提取码:f4z…

基于Spark的汽车行业大数据分析及可视化系统

作者:计算机学姐 开发技术:SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等,“文末源码”。 专栏推荐:前后端分离项目源码、SpringBoot项目源码、Vue项目源码、SSM项目源码、微信小程序源码 精品专栏:…

NetApp 混合闪存 FAS 统一存储平台

挑战 简化内部和公有云中的数据管理 各种规模的企业在精简其存储运维方面正面临越来越大的挑战。他们存储和备份的数据量不断增长,而预算却在缩减。他们需要一个既能满足内部环境要求,又能结合公有云战略的解决方案。 解决方案 兼顾容量与性能的存储&…

设计模式-策略模式-200

优点:用来消除 if-else、switch 等多重判断的代码,消除 if-else、switch 多重判断 可以有效应对代码的复杂性。 缺点:会增加类的数量,有的时候没必要为了消除几个if-else而增加很多类,尤其是那些类型又长又臭的 原始代…

scratch棒球运动 2024年9月中国电子学会图形化编程 少儿编程 scratch编程等级考试一级真题和答案解析

目录 scratch棒球运动 一、题目要求 1、准备工作 2、功能实现 二、案例分析 1、角色分析 2、背景分析 3、前期准备 三、解题思路 1、思路分析 2、详细过程 四、程序编写 五、考点分析 六、 推荐资料 1、入门基础 2、蓝桥杯比赛 3、考级资料 4、视频课程 5、…

进程--信号量

信号量是什么 资源的竞争 资源竞争 : 当多个进程同时访问共享资源时,会产生资源竞争,最终最导致数据混乱临界资源 : 不允许同时有多个进程访问的资源,包括硬件资源(CPU、内存、存储器以及其他外围设备)与软件资源(共享代码段、共享数据结构…

SpringCloudEureka实战:搭建EurekaServer

1、依赖引入 <dependencies><!-- 注册中心 --><dependency><groupId>org.springframework.cloud</groupId><artifactId>spring-cloud-starter-netflix-eureka-server</artifactId></dependency> </dependencies> <de…

66.对cplusplus网的strtok函数的详细解释(补第56篇的翻译)

56.【C语言】字符函数和字符串函数(strtok函数) 点我跳转 目录 56.【C语言】字符函数和字符串函数(strtok函数) 点我跳转 1.原文 2. 翻译 1.原文 原文链接: cplusplus的介绍 点我跳转 2. 翻译 函数 strtok char * strtok ( char * str, const char * delimiters ); Spli…

如何构建一个生产级的AI平台(3)?

书接上回&#xff0c;继续往下讲,本节会说一下模型的路由和网关 模型的路由和网关 随着应用程序复杂性的增加和涉及的模型越来越多&#xff0c; 出现了两种类型的工具来帮助使用多个模型&#xff1a;路由和网关 1. 路由 应用程序可以使用不同的模型来响应不同类型的查询。 …

平衡二叉搜索树删除的实现

前言 上期讲了平衡二叉搜索树的插入&#xff0c;这一期我们来讲讲删除。同时&#xff0c;二叉搜索树的简介不会出现在本篇博客之中&#xff0c;如有需要可以查看上一篇博客《平衡二叉搜索树插入的实现》。 平衡二叉搜索树插入的实现-CSDN博客文章浏览阅读659次&#xff0c;点赞…

三、I/O控制器

1.主要功能 接受和识别CPU发出的命令(要有控制寄存器) 向CPU报告设备的状态(要有状态寄存器) 数据交换(要有数据寄存器&#xff0c;暂存输入/输出的数据) 地址识别(由I/0逻辑实现) 2.组成 CPU与控制器之间的接口(实现控制器与CPU之间的通信) I/0逻辑(负责识别CPU发出的命…

鸿蒙NEXT开发-ArkUI(基于最新api12稳定版)

注意&#xff1a;博主有个鸿蒙专栏&#xff0c;里面从上到下有关于鸿蒙next的教学文档&#xff0c;大家感兴趣可以学习下 如果大家觉得博主文章写的好的话&#xff0c;可以点下关注&#xff0c;博主会一直更新鸿蒙next相关知识 专栏地址: https://blog.csdn.net/qq_56760790/…

自定义注解加 AOP 实现服务接口鉴权以及内部认证

注解 何谓注解&#xff1f; 在Java中&#xff0c;注解&#xff08;Annotation&#xff09;是一种特殊的语法&#xff0c;用符号开头&#xff0c;是 Java5 开始引入的新特性&#xff0c;可以看作是一种特殊的注释&#xff0c;主要用于修饰类、方法或者变量&#xff0c;提供某些信…