简介:TheFFDalgorithmisoneofthemostfamousalgorithmsfortheclassicalbinpackingproblem.Inthispaper,someversionsoftheFFDalgorithmareconsideredinseveralbinpackingproblems.Especially,twoofthemappliedtothebinpackingproblemwithkernelitemsareanalyzed.Tightworst-caseperformanceratiosareobtained.
简介:学习在败坏的供应链上为项目做广告的合作社的效果,这份报纸建立一场Stackelberg比赛为二军队飞机的败坏项目供应链的模型与外长的参予率在一个给定的支持节目下面一个填写了制造商和一个零售商。制造商作为领导人决定批发价格和生产率,和追随者决定的零售商零卖价格和做广告的策略。在分散的情形和集中的情形下面的播放器的策略分别地被描绘。数字模拟和敏感分析被进行获得一些经理的卓见。这被显示出定价,做广告并且生产策略否定地被相关到败坏系数,和两个利润和隧道效率与败坏减少系数;在在与分散的隧道的相比的集中的隧道的更高的零卖价格的价格,做广告的投资和生产率结果之间的相互作用;实现合作广告计划确实改善在情况和参予在0.5点粗略地评估的一些的供应链的表演很更好,但是弄歪也是可能的刺激和损坏隧道表演参予率什么时候到达一相对高级。
简介:Thispaper,throughthediscountedcashflow(DCF)approach,considersinventoryreplenishmentproblemsfordeterioratingitemswithgeneraltime-varyingdemandoverafiniteplanninghorizonunderinflation.Theoptimalreplenishmentpoliciesforthetotalprofitofsystemtobemaximumarepresentedwithpartialbacklogging.Moreover,thefractionofdemandbackloggedisassumedtobeanon-increasingfunctionofwaitingtime.Firstly,themodelswithafixedfractionbackorderandcompletebackorderareprovided.Thenthemodelispresentedwithassumingthatthefractionofdemandbackloggedisanexponentiallydecreasingfunctionofwaitingtime.Thesolutionproceduresofmodelsareproposed.Theeffectofinflationontheoptimalpoliciesisshown.Themodelsareillustratedthroughnumericalexamplesandsensitivityanalysisofparametersisgiven.
简介:当前的学习的PurposeThe目的是开发并且验证一项运动特定的谨慎措施,运动员谨慎问询表(AMQ),通过使用的5相关研究,4分开中国运动员的样品。AMQ是设计估计在运动context.MethodsIn研究1反映在场时刻的注意,了解,和接受的谨慎的一项3因素措施,项目的一个起始的水池基于以前的文学被产生,存在谨慎可伸缩,以及会见与并且从运动员,的反馈指导,并且谨慎专家。对AMQ的3因素结构的起始的支持经由探索因素被建立在学习2的分析,和通过在研究的确定的因素分析的跨validated3和4。在学习5,有直接措辞的接受项目的修改3因素AMQ在第四独立sample.ResultsConvergent被检验,接受subscale的并发的有效性没能在研究被证实3和4虽然解释颠倒措辞的项目,它可能由于运动员的疏忽和混乱。在5显示的令人满意的模型适合的学习和可接受的内部一致性的修改16条款AMQ。最重要地,16条款AMQ的会聚、并发的有效性被支持。3subscales与谨慎显示出重要积极协会,流动,健康,并且积极影响并且有经验的回避,染料烧尽,和否定affect.ConclusionTheAMQ的重要否定协会是在运动上下文的谨慎的一项psychometrically健全的措施。使用直接措辞的接受项目的重要性被讨论。