一、单服务员排队模型某些指标的优化研究（论文文献综述）
沈博[1]（2020）在《配用电物联网监控系统通信建模与性能分析》文中进行了进一步梳理随着能源转型战略的实施和配电物联网技术的发展,海量分布式能源设备与配用电系统智能设备大量接入,配用电物联网监控系统相关业务呈现出体量大、种类多、实时性高的显着特征,给配用电通信网的经济性、安全性、可靠性带来诸多挑战。为了满足新形势下配用电通信网相关要求,本文建立了配用电物联网监控系统多业务排队模型,提出了基于排队论的带宽预测方法,计算了配用电信息采集业务最优预测带宽,在此预测带宽基础上,建立基于OPNET的配用电物联网监控系统通信模型,仿真分析不同组网方式场景下的配用电物联网监控系统通信网络性能,验证了基于排队论的带宽预测模型的有效性,为配用电物联网监控系统带宽配置、规划建设、组网方式评价和业务融合提供强而有力的工具,本文的主要工作如下:（1）参照配电物联网体系架构,分析配用电物联网监控系统通信架构。分析配用电物联网监控系统涉及到的物联网通信技术的种类、组网传输特性及其性能指标。分析配用电物联网监控系统承载的现有业务种类及特性,阐述各种配用电业务对配用电通信网络时延、带宽、可靠性等方面的通信需求。（2）建立配用电物联网监控系统多业务排队模型并给出带宽预测方法。针对配用电信息采集类业务,以边缘物联网关为业务断面,给出各业务数据到达速率计算方法,建立基于排队论的配用电信息采集业务带宽计算模型及以带宽利用率最大化为目标函数的带宽优化模型。（3）建立基于OPNET的配用电物联网监控系统通信模型。从配用电物联网监控系统通信网络分析出发,利用自定义建模方式建立业务数据模型,考虑网络设备特性及仿真需求,建立网络转发设备模型和网络模型,给出模型仿真分析的典型使用方法。（4）第5章选取某智能配电房改造项目为应用场景,对配用电物联网监控系统通信网络进行性能分析,分为两个阶段。第一阶段:采用排队论模型在丢包率和延时等通信约束下对配用电物联网监控系统信息采集业务进行带宽预测,以带宽利用率最大化为目标函数计算最优预测带宽。第二阶段:基于第一阶段的通信预测带宽,借助OPNET仿真平台通过配置多种通信介质、组网方式等关键因素设置多种仿真场景,获取通信延时、丢包率、业务流量、带宽利用率等网络性能仿真结果,定量化分析了配用电物联网监控系统在不同通信组网方式下通信网络的性能,仿真结果显示与排队论模型的丢包率、延时等通信性能约束相吻合,验证了基于排队论的带宽预测模型的有效性。
庆骁[2]（2019）在《面向FLINK流处理框架的容错策略优化研究》文中研究指明随着大数据、物联网技术的发展,市场上涌现了大量实时性要求较高的应用。该类应用要求数据被实时地收集、处理和分析,进而能够以亚秒级的延迟实时交付数据的处理结果。流计算正是为实时计算而生的一种新型计算范式。流式应用通常持续不间断运行,难免运行过程中会遇到各种故障,尤其是在大规模的分布式环境下。因此,流计算中的容错恢复一直是该领域的研究热点。传统面向流式应用的容错策略主要包括:主动备份、被动备份、上游备份以及检查点的卷回恢复。每一种容错手段都各有利弊。Flink流处理框架基于栅栏模型实现了一种轻量级的异步检查点,然而在使用过程中仍表现出一些不足之处有待优化改进。其一,Flink仅支持固定间隔的检查点。检查点间隔作为影响容错开销与故障恢复时间的重要参数,如果能根据流数据的动态变化从而进行相应调整,将能大大地提升系统的运行效率。其二,Flink仅支持基于检查点的容错机制。在面向高可靠要求的流应用时,单一的检查点恢复机制难以满足应用快速恢复的需求。为了解决上述两方面问题,本文分别提出了两种优化改进策略。一是检查点间隔优化模型。本文基于开环Jackson排队网络提出应用处理的延迟模型与检查点的故障恢复模型,并基于该模型提出检查点间隔的优化方法。实验结果表明,本文的性能模型可以较好地拟合Flink系统的实际运行效果,并能根据系统可靠性相关指标推荐优化的检查点间隔。二是面向关键任务的部分主动备份优化策略。本文从作业的拓扑图的角度,分别采用网络连通性分析与改进的PageRank算法对任务的关键度进行排序。并在关键路径分析的基础上,找出资源约束条件下的前N个关键任务进行主动备份,从而进一步提高了系统的可靠性。实验结果表明,本文提出的部分主动备份方法,可以在充分利用系统闲余资源的同时,确保关键任务的快速故障恢复,从而提高了应用的整体可靠性。
潘恒毅[3]（2019）在《具有备用服务员和不耐烦顾客的排队模型及其仿真》文中研究说明影响排队系统性能的因素有很多,在某些假设条件下,服务员的数量决定服务效率,而不耐烦顾客的存在会影响服务收益.传统的排队理论主要是针对不同时间分布类型的排队模型分别进行分析的,而蒙特卡洛仿真模型可以同时适应多种时间分布类型的排队过程.本文构建了几种常见条件下的排队模型,并利用蒙特卡洛仿真方法对其进行了模拟,特别是分析了若干常用指标.通过对这些模型的仿真结果比较分析,表明:若根据顾客排队的情况及时调整服务员数量,则既可以提高服务效率,又可避免过多资源闲置浪费以及顾客流失;同时,仿真结果的各项指标可以作为设置排队类型及其模型参数的依据,为有关决策提供参考.
李俊潼[4]（2019）在《带有重试和工作休假的排队模型研究》文中认为在我们日常生活中,经常会出现拥挤堵塞的情况,比如电话占线、银行服务、交通堵塞等情况,排队论就是解决这类问题的有效工具。在排队论的研究进程中,有关的休假系统和重试系统已经被广泛研究,本文讨论了不同排队策略下的重试和工作休假排队模型。本文首先介绍了带有重试和工作休假的排队模型的背景和研究意义,并简单举例描述了研究中涉及到的重试、工作休假、轨道搜索、止步、反馈和碰撞的排队规则。然后利用马尔可夫过程和矩阵几何解的方法分析计算带有重试、工作休假、轨道搜索和止步的M/M/1排队模型。给出了系统平稳时的稳态队长,以及服务员忙时的概率,并利用MATLAB软件分别进行了数值分析和服务员忙时的随机队长分解,得到不同参数变化对系统的影响趋势,并给出了最优情况的分析。之后,对带有反馈情况的重试和工作休假的M/M/1排队模型进行分析研究,计算给出平稳队长和服务员忙时的概率,同时利用MATLAB对模型中参数取不同值的情况进行分析,绘制图表解释说明,并给出了随机队长分解。最后,研究了带有碰撞的重试和工作休假排队模型,同样通过计算得到系统稳态的平稳队长和服务员忙时的概率,进而进行随机队长分解,利用软件进行数值分析,给出了参数取不同值时平稳队长和服务员忙时概率的变化趋势,并对系统最优花费问题进行了近似求解。本文的创新之处是利用马尔可夫过程和矩阵几何解的方法,在经典重试和工作休假模型的基础上,将轨道搜索、止步、反馈和碰撞策略相结合,构成新的排队系统,进而对其进行了计算分析,得到系统的一些重要指标,并给出了对应的数值例子和最优花费问题的近似求解。本文的排队系统对经典模型进行了补充延伸,使新构成的排队系统具有更广泛的应用空间。
姚锋[5]（2019）在《大规模复杂系统云仿真支撑技术研究》文中研究表明大规模复杂系统仿真（Large-scale Complex System Simulation,LCSS）具有实体规模大、模型复杂、平台工具需求多样等特点,对仿真平台计算性能和易用性提出了较高要求。然而,当前云平台多是提供孤立的平台工具供用户使用,未考虑仿真模型易组合需求以及仿真实体间交互复杂的特点,导致用户使用困难、运行效率低。因此,开展大规模复杂系统云仿真支撑技术研究、实现高效的一体化云仿真服务,对满足LCSS的高效易使用需求具有十分重要的理论意义和实用价值。论文针对当前大规模复杂系统云仿真的需求和相关研究存在的问题,围绕一体化服务化仿真平台工具集成、异构仿真资源描述、仿真资源调度优化和仿真容错等关键技术进行了深入的研究,主要工作及创新点如下:（1）提出了一种面向应用的一体化服务化仿真平台工具集成框架。构建一体化云仿真服务需要实现服务化仿真平台工具的集成以及仿真模型的灵活组合,然而当前云仿真平台多是提供孤立的仿真平台工具,不易使用,且在实现仿真模型组合时需要对仿真模型进行改造,难以支持利用已有仿真模型灵活组装不同仿真应用,因而无法提供一体化云仿真服务。对此,提出了一种面向应用的一体化服务化仿真平台工具集成框架,该框架以应用为中心,把平台工具隐藏在服务中,同时利用由初始化事件、DR事件和功能事件E组成的IDE仿真对象结构对仿真模型进行封装,以支持其灵活组合,并借助XML技术实现各服务化仿真平台工具间仿真应用信息的传递,从而提供一体化云仿真服务。实验表明,该框架可为实现简单易用的一体化云仿真服务提供支撑。（2）提出了面向资源检索的异构仿真资源语义描述方法。当前资源描述未能结合动态行为和历史互连记录实现语义描述,检索性能不高。对此,提出了一种面向资源检索的异构仿真资源语义描述方法,采用本体技术,从基本信息、依赖环境、应用上下文和动态信息四个方面对不同类型仿真资源进行语义描述,并结合逻辑匹配、相似度匹配方法实现仿真资源的单独检索和联合检索。实验表明,该方法可有效提高仿真资源的检索性能。（3）提出了一种基于历史信息的仿真资源调度启发式优化算法。不同虚拟机组合方案对仿真运行性能影响较大,然而现有云资源调度方法适合子任务运行时间相互独立并可事先确定的任务,但仿真应用中各仿真实体频繁同步,其运行时间相互影响,难事先确定,导致当前资源调度方法性能不佳。对此,提出了一种基于历史信息的仿真资源调度启发式优化算法PEMOA,该方法首先利用仿真运行历史事件信息建立仿真性能评估模型PEM,以评估不同虚拟机组合上的仿真运行时间,然后以PEM模型结果为依据,结合遗传算法,搜索仿真运行时间最短的虚拟机组合方案。典型测试用例表明,PEMOA可缩短多达31.8%的仿真运行时间。（4）提出了一种基于局部协同的在线仿真容错方法。云环境中常通过复制备份或检查点方法来实现仿真容错,但前者需周期性维护副本状态的同步,开销较大;后者需回滚无故障仿真实体,仿真恢复效率不高。对此,提出了一种基于局部协同的在线仿真容错方法,该方法在传统仿真运行框架上增加仿真恢复执行模块,并结合事件缓存、消息识别以及重发/过滤机制,使得仅需恢复出现故障的仿真实体便可实现仿真正确恢复,从而支持云环境中仿真高效容错。实验结果表明,该方法能提供正确的仿真结果,并可有效提高仿真容错执行效率,扩展性好。基于上述研究成果,论文结合课题组研发的并行离散事件仿真引擎,实现了一个面向大规模复杂应用系统一体化云仿真平台SIMCloud,采用民意仿真实验测试表明,SIMCloud使用简单且运行效率高。
石铁[6]（2019）在《铁路技术站作业计划综合优化研究》文中进行了进一步梳理铁路技术站作为铁路网范围内大量中转车流的改编作业地点,是重新组织货流、车流的重要网络节点,对于铁路运输网络的综合运输效率起着至关重要作用,我国铁路运输组织模式决定了技术站在整体铁路运输路网中无法替代的特殊地位。铁路技术站内的技术作业过程是一个包含有多层次的复杂流程,不仅需要调动技术站内大量固定设备和移动设备,也和到达列车、出发列车以及车流组成结构高度相关,同时也受到站外列车运行状况、区间能力、机车车辆配置等因素影响。铁路技术站作业计划综合优化,是从系统整体的角度合理地调动各种技术站内移动设备、固定设备及人员,优化协调技术站各种作业活动的综合时序,以实现技术站综合服务效率最优化的目标。本论文从技术站的物理结构和作业技术特点出发,以时空网络研究视角为基点,构建了基于累计流的铁路技术站系统综合建模研究框架,以实现技术站内车辆停留时间最小为优化目标,构建了技术作业计划的确定性综合优化数学模型。该综合优化模型能够反映技术站内列车、车流的连续运动过程和系统状态的动态变化,并融合考虑调车线运用方案、调车线空间能力等多种重要实践约束。针对干扰技术站作业的随机扰动因素,论文进一步提出基于离散随机场景的技术站作业随机性综合优化模型。该随机优化模型是将服从已知概率分布下的随机扰动构建为离散随机场景,求得保证作业目标函数最优的鲁棒性离线决策方案,即该决策方案能保证随机干扰下的作业计划质量期望最优。在分析综合优化模型数学特性和技术作业特点基础上,分别提出了基于有效不等式的模型强化方法和基于集聚配流的启发式简化求解方法,形成了一整套技术站作业计划综合优化理论方法,为优化技术站作业流程实践提供了理论依据。本文的研究内容涵盖以下几个方面:1.首先分析了铁路技术站作业计划问题及其内涵。论文分析了技术站在铁路运输中的重要作用,对技术站作业计划综合优化问题进行了界定,并且阐述了技术站作业计划综合优化研究的复杂挑战性和重要实践意义。在技术站系统内运动的作业对象具有多商品流的性质,作业计划优化问题需要保证不同作业对象流的性质转换过程满足网络流平衡原则,合理协调前后接续作业和作业对象在设备之间的衔接。从时空网络研究的视角看,充分考虑技术站到达作业、解体作业、集结过程、编组作业及出发作业的技术要求,能够充分反映技术站内主要技术设备的动态状态和作业对象的连续运动过程。2.阐述了基于累计流的技术站作业系统综合优化建模框架及应用。基于技术站主要作业内容的系统分析,从时间依赖性的资源分配角度解析技术站作业优化目标的时空特性和作业要求,提出了基于累计流的技术站作业系统综合建模框架。该方法融合技术站内时空资源分配的思想,能够合理描述技术站作业活动机理和作业特点,适应于技术站多层次的网络结构特点。在累计流建模理论理念框架下,对技术站时空系统作业对象的运动过程、系统的动态状态以及多系统间协同关系等进行刻画,并给相关数学表达式。在此基础上,总结了技术站系统累计流建模框架的适应性要求,分析了适用交通系统的共同典型特征。3.建立了铁路技术站作业确定性综合优化模型。在基于累计流的综合建模框架下,主要阐述了技术站作业综合计划优化目标和技术站作业过程中关键约束的数学意义,构建了确定性综合优化数学模型,统筹考虑包括到达作业、解体作业、集结过程、编组作业和出发作业的各种关键作业要求,该模型是一个多层次的混合整数规划数学模型,融合考虑调车场内运用方案及调车线空间能力约束,能够反映技术站内运动对象的运动过程和系统的动态状态。4.提出了基于有效不等式的模型强化方法和基于集聚配流的启发式简化求解算法。针对数学模型的整数规划模型特点,构建原综合优化模型的线性松弛模型,降低原模型整数变量规模,构建技术站作业优化模型的有效不等式对松弛模型进行强化,去掉关键决策变量中无意义的非整数优化解,从而保证最终优化解的有效性。针对技术站作业中车流的供需关系特性,构建简化的技术站作业优化的线性集聚配流模型,依据“先到先分配”作业原则设计基于“最急迫解体参数”的解体顺序优选启发式算法,利用配流模型优化解推算具有显着优化偏好的解体顺序决策变量取值,减少整数变量的优化解搜索空间,加快优化模型的求解速度。5.建立了铁路技术站作业随机性综合优化模型。技术站作业计划常受到多种随机因素的扰动,会造成车流不能按时接续、出发列车不能按计划出发或被取消等问题,对技术作业计划方案质量和可执行性有着重大影响。本论文分析了技术站作业流程中的多种随机扰动因素及其影响,以到达列车晚点对整体技术作业计划的影响为代表随机干扰因素,采用基于离散场景的随机规划方法,围绕解体作业顺序关键决策的鲁棒性,构建了技术站作业计划随机性综合优化模型,求解抗随机干扰性的鲁棒性决策方案。该模型考虑了解体作业顺序和车流接续,协调解体作业过程和编组作业过程,采用鲁棒性优化的角度强化作业计划来应对离散随机场景定义的不确定性干扰。6.采用运筹学与管理科学协会提供的技术站作业优化数据集,对论文所提出的理论方法进行了算例验证,对技术站作业确定性综合优化模型、技术站作业随机性综合优化模型进行了多种测试,并对比分析了求解模型的各种强化解法的效果。通过总结分析算例集的优化结果,论证了研究成果的可行性和有效性,为论文的研究成果提供了实证依据。
李春艳[7]（2016）在《基于排队模型的多技能呼叫中心人力需求问题研究》文中研究指明随着信息化大数据时代的到来,呼叫中心已经与人们的日常生活息息相关。政府,社会服务部门和企业,通过呼叫中心与顾客之间架起了一座沟通的桥梁。随着科技的进步,呼叫中心产业迅速发展,多技能成为了现代呼叫中心的主要特点。任何呼叫中心都希望在达到一定的顾客满意度的前提下把运营成本控制到最低,运营成本中最大一部分即人力成本,而计算出最优的人力需求量可以大大降低人力成本,因此,人力需求计算问题成为呼叫中心最关心的问题之一。人力需求计算的研究内容为在已知话务量的前提下,计算要达到一定服务水平需要的不同技能坐席人员的数量。本文主要针对N型和M型多技能呼叫中心的人力需求计算问题进行研究,主要的研究工作有以下四个方面:首先,分析了N型和M型多技能呼叫中心的排队系统模型。提出了新的状态空间划分方法,利用每个坐席组所处的不同状态,将系统的无穷多个状态划分成几个有限的状态集合,给出了状态集转移图,求出了状态集转移率,建立了系统的平衡方程并求出了状态集的稳态概率,基于以上结果进一步求出了系统服务水平的计算公式,并给出了数值算例进行分析。其次,研究了N型和M型多技能呼叫中心的人力需求计算问题。利用服务水平的计算公式,建立了求解最优坐席数目的人力需求计算模型,此模型是一个非线性整数规划问题。结合模型本身的特点,采用隐枚举法,利用Matlab软件编程,对模型进行了求解。通过数值算例验证了方法的可行性,分析了系统中参数的不同取值对结果的影响,并且进一步进行了实例分析。再次,研究了带有不耐烦顾客的N型和M型多技能呼叫中心人力需求问题。将顾客的不耐烦特性考虑到模型中是十分必要的,利用排队模型法求出了系统的性能指标和服务水平计算公式。进一步建立了人力需求计算模型,并将模型推广到了多种电话类型和多个坐席组的一般情况,采用了一种启发式算法,即蚁群算法对模型进行求解,给出了算法过程,并用Matlab软件编程,通过数值算例进一步分析了不耐烦因素对整个系统的影响,并进行了实例分析。最后,分析了带有排队信息提示的N型和M型多技能呼叫中心,即当顾客到达时通知顾客需要排队等待的时间。模型中有两种类型的电话到达,首先给出了顾客耐心无限的情况下两种类型电话等待时间的计算公式。进一步研究了带有不耐烦顾客的情况。基于马尔科夫链的方法,给出了等待时间的计算方法,并通过数值算例分析了增加排队信息提示对系统人力需求的影响。总之,本文对当前广泛应用的多技能呼叫中心的人力需求计算问题进行了研究。主要的创新性成果有:给出了N型和M型多技能呼叫中心服务水平的解析计算公式,建立了可以求出每个坐席组最优坐席数的人力需求计算模型并进行了求解和分析。进一步建立了带有不耐烦顾客的N型和M型多技能呼叫中心人力需求计算模型并进行了求解。此外,提出了带有排队信息提示的N型和M型多技能呼叫中心模型,并给出了等待时间的计算公式。本文的研究丰富了多技能呼叫中心的理论成果,可以为实际呼叫中心的人力需求计算问题提供一定的参考。
乔永娟[8]（2015）在《基于重试队列的星形网性能分析》文中指出随机服务系统理论（排队论）作为运筹学中的一个分支,已经在电话交换系统、计算机网络和数据通信网络等各类电信系统中得到了广泛应用。同时,关于计算机通信网系统特性的研究也是近年来的研究热点。竞争-冲突淘汰（Contention-Collision Cancellation,简称C-CC）存取控制方式是星形网中一种非常重要的存取控制方式,根据星形网的运行机理C-CC方式被分为Ⅰ类～Ⅵ类系统模型。近年来关于这六类系统模型的建模分析研究取得了一定的进展。重试队列是随机服务系统理论的一个重要组成部分。目前,对于重试队列模型的研究主要集中在M/M/C和M/G/C,重试队列模型根据系统中服务员数目的不同分为单服务员系统和多服务员系统。本文首先对多种排队策略下的排队系统进行了简要的分析,介绍了C-CC方式的系统模型分类以及重试队列模型；然后将重试队列思想引入星形网,先对Ⅲ类系统模型进行了简化建模,解析了系统平均顾客数、平均队列长度等重要参数；同时还对重试队列M/G/1模型进行了解析,求出了重试模型中系统平均顾客数目和顾客平均等待时间；最后,通过对两种模型参数的数值模拟和比较,评价了星形网的系统性能,进而对星形网的设计和建造提供理论依据。
田瑞玲[9]（2014）在《休假排队模型的均衡策略及优化问题研究》文中研究指明休假排队模型已经被广泛研究并且应用于柔性制造、库存管理、呼叫中心及电子商务等许多服务系统，然而大多数问题总是从排队论的经典观点进行研究，其中顾客不能自已做决定。在排队经济学模型的研究中，顾客到达时都是通过最优化自身利益去决定自己的去留，而服务员的休假有可能会影响到顾客的逗留时间和他们进入排队的意愿。本文考虑了几类具有不同休假策略的排队经济学模型，并对其进行了顾客均衡策略和社会最优策略研究。论文的主要研究工作有以下几个方面：首先，研究了具有单重休假的M/M/1排队经济学模型以及具有启动时间和单重休假策略的M/M/1排队模型。根据到达顾客对系统状态信息的知情情况，分成了多种不同情形，并进行了稳态概率分析，得到了系统的稳态逗留时间。对于队长可视情形分析了系统的均衡行为，给出了顾客的均衡阈值策略；对于队长不可视情形，得到了相应顾客均衡止步策略，并给出了完全不可视情形下的社会最优止步策略。对不同情形下的均衡策略进行了数值分析，观察了系统状态信息和系统参数对均衡和社会最优策略的影响。其次，研究了具有N策略休假的M/G/1排队经济学模型。在不可视情形下，讨论了顾客的均衡止步策略，并和社会最优策略进行了比较。以策略N为变量还讨论了均衡下最优的N策略。在部分可视情形下，利用补充变量法对模型进行了分析，得到了稳态逗留时间，并给出了顾客的均衡策略和社会最优策略。最后，研究了具有休假的离散时间Geo/Geo/1排队模型。对于多重休假和单重休假的不可视排队，给出了顾客的均衡和社会最优策略，并得到了垄断利润最大化的服务价格策略。对于具有工作休假的离散时间排队经济学模型，分析了完全可视情形、部分可视和完全不可视排队情形下顾客均衡策略，并通过数值例子分析了系统状态和模型参数对均衡策略的影响。总之，本文讨论了几类休假排队经济学模型，利用博弈论对顾客的均衡策略进行了分析，应用最优化理论给出了社会最优策略，并与顾客的均衡行为进行了对比，为一些实际优化控制排队问题提供理论参考依据。
杜娟[10]（2014）在《H医院门诊药房管理改善和优化研究》文中提出医院门诊药房是门诊患者经历的最后一个环节，门诊药房的管理水平和服务质量直接影响着患者的就医体验以及医院的形象。门诊药房管理中主要存在两个问题：一是药品库存高，占压大量资金和医院业务用房，二是患者排队取药时间长，抱怨投诉多。究其原因为门诊药房管理流程存在问题，虽然针对改善和优化门诊药房管理的研究很多，但大多局限于某一方面，且无量化依据，不能从根本上解决这两个问题。本文以H医院为例，基于流程再造理论对改善门诊药房管理进行应用研究，对医院门诊药房的药品采购和库存管理流程进行逐一分析，阐述了流程中存在的问题。再造药品采购和库存管理流程，由供应商管理库存，通过供应商与医院信息系统的互联互通，快速补充药品库存。运用ABC和CVA库存控制方法实行药品分类管理，构建药品安全库存和订货点，实现药品的零库存管理。再造药品发药流程，通过合并中西药房、引进自动发药系统等方式，将串联的服务方式转变为并联的服务方式，有效缩短患者等候时间，提高患者的满意度。利用平衡计分卡对H医院改善前后的药房管理绩效进行对比，验证了改善药房管理研究的有效性。改善后的门诊药房服务能力得到大幅度提高，但是由于患者到达时间的不均衡，仍存在资源浪费和不足的问题，本文将排队理论应用于规划取药窗口服务能力，以H医院为例，通过采集窗口工作人员的服务时间以及高峰、平时和低谷时段的患者取药人次等数据样本，规划不同时段的最佳窗口开放数量，均衡了医院服务成本和患者的等候成本，优化门诊药房管理。
二、单服务员排队模型某些指标的优化研究（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、单服务员排队模型某些指标的优化研究（论文提纲范文）
（1）配用电物联网监控系统通信建模与性能分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 配用电通信网络架构研究现状 |
| 1.2.2 配电网通信网络性能分析研究现状 |
| 1.3 本文主要研究工作 |
| 第2章 配用电物联网监控系统架构与业务通信需求分析 |
| 2.1 基于云管边端的配用电物联网监控系统架构 |
| 2.2 配用电物联网通信技术分析 |
| 2.2.1 有线通信技术 |
| 2.2.2 无线通信技术 |
| 2.2.3 配用电物联网通信技术性能对比 |
| 2.3 配用电物联网监控系统业务及其通信需求分析 |
| 2.3.1 信息采集类业务 |
| 2.3.2 运行控制类业务 |
| 2.3.3 配用电物联网监控系统相关业务通信需求 |
| 2.4 本章小结 |
| 第3章 基于排队论的配用电物联网监控系统带宽预测模型 |
| 3.1 排队论相关理论 |
| 3.1.1 排队现象与特征 |
| 3.1.2 排队系统的组成 |
| 3.1.3 排队系统的类型 |
| 3.1.4 排队系统的特性指标 |
| 3.2 配用电信息采集业务排队论模型 |
| 3.3 配用电信息采集业务数据到达速率计算方法 |
| 3.4 考虑QOS的信息采集业务排队论预测带宽计算方法 |
| 3.5 本章小结 |
| 第4章 基于OPNET的配用电物联网监控系统通信建模 |
| 4.1 建模内容与方法 |
| 4.1.1 建模内容 |
| 4.1.2 建模方法 |
| 4.2 基于OPNET的配用电物联网监控系统通信建模 |
| 4.2.1 信源和信宿建模 |
| 4.2.2 网络转发设备建模 |
| 4.2.3 网络建模 |
| 4.3 基于OPNET的配用电物联网监控系统通信仿真平台构建 |
| 4.4 本章小结 |
| 第5章 配用电物联网监控系统通信组网及其性能分析 |
| 5.1 案例分析 |
| 5.2 基于排队论的配用电物联网监控系统通信网络带宽预测与性能分析 |
| 5.2.1 参数设置 |
| 5.2.2 带宽计算与分析 |
| 5.3 基于OPNET的配用电物联网监控系统通信网络仿真分析 |
| 5.3.1 参数设置 |
| 5.3.2 场景设置 |
| 5.3.3 性能分析 |
| 5.3.4 结果对比 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（2）面向FLINK流处理框架的容错策略优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题背景及研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 传统流计算中的容错方法 |
| 1.3.2 基于检查点机制的容错方法 |
| 1.3.3 基于多种方法融合的容错方法 |
| 1.3.4 现有研究的不足 |
| 1.4 本文的主要研究内容 |
| 1.5 论文组织结构 |
| 第2章 FLINK框架研究概述 |
| 2.1 FLINK中核心概念 |
| 2.1.1 FLINK的运行架构 |
| 2.1.2 FLINK中的状态管理 |
| 2.2 FLINK中的容错机制分析 |
| 2.2.1 一致性级别 |
| 2.2.2 基于栅栏的异步检查点机制 |
| 2.2.3 两阶段提交协议 |
| 2.2.4 故障恢复 |
| 2.3 FLINK容错机制存在的问题 |
| 2.3.1 检查点间隔选择问题 |
| 2.3.2 恢复延迟过大的问题 |
| 2.3.3 本文的工作 |
| 2.4 本章小结 |
| 第3章 面向FLINK的检查点间隔优化模型 |
| 3.1 系统模型描述 |
| 3.2 排队论概述 |
| 3.2.1 排队系统的组成与评价 |
| 3.2.2 开环JACKSON排队网络 |
| 3.3 基于开环JACKSON网络的延迟模型 |
| 3.4 检查点故障恢复模型 |
| 3.5 检查点间隔优化方法研究 |
| 3.6 实验验证与分析 |
| 3.6.1 实验环境 |
| 3.6.2 检查点延迟模型验证 |
| 3.6.3 检查点故障恢复模型验证 |
| 3.6.4 优化检查点间隔方法验证 |
| 3.7 本章小结 |
| 第4章 面向关键任务的部分主动备份 |
| 4.1 关键路径与关键顶点挖掘方法分析 |
| 4.2 加权有向无环图模型建立 |
| 4.3 资源约束下的关键任务挖掘 |
| 4.3.1 关键度排序 |
| 4.3.2 关键路径挖掘 |
| 4.3.3 资源约束下的关键任务选举 |
| 4.4 主动备份及一致性保证 |
| 4.4.1 主动备份详细过程 |
| 4.4.2 主动备份下保证恰好一次 |
| 4.5 实验验证与分析 |
| 4.5.1 实验拓扑 |
| 4.5.2 实验结果与分析 |
| 4.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（3）具有备用服务员和不耐烦顾客的排队模型及其仿真（论文提纲范文）
| 0 引言 |
| 1 基本概念 |
| 2 研究方法 |
| 2.1 生成随机数 |
| 2.2 模型分类 |
| 3 构建仿真模型 |
| 3.1 基本模型 |
| 3.2 不考虑顾客损失 |
| 3.2.1 单队列和单服务台 |
| 3.2.2 单队列和双服务台 |
| 3.2.3 双队列、双服务台 |
| 3.2.4 共享队列,具有备用服务员 |
| 3.2.5 分开队列,具有备用服务员 |
| 3.3 考虑不耐烦顾客的情况 |
| 3.4 排队模型指标 |
| 4 结果和分析 |
| 4.1 随机数生成 |
| 4.2 不考虑不耐烦顾客的排队系统 |
| 4.3 具有不耐烦顾客的排队系统 |
| 5 结论和建议 |
（4）带有重试和工作休假的排队模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 不同策略下的排队模型 |
| 1.3 基础知识 |
| 1.4 文章结构及创新点 |
| 第二章 带有重试、工作休假、轨道搜索和止步策略的M/M/1排队模型 |
| 2.1 模型描述 |
| 2.2 系统平稳条件及稳态队长 |
| 2.3 随机条件分解 |
| 2.4 数值例子 |
| 2.5 本章小节 |
| 第三章 带有反馈的M/M/1重试工作休假排队模型 |
| 3.1 模型描述 |
| 3.2 系统平稳条件及稳态队长 |
| 3.3 随机条件分解 |
| 3.4 数值例子 |
| 3.5 本章小节 |
| 第四章 带有重试、工作休假和碰撞的M/M/1排队模型 |
| 4.1 模型描述 |
| 4.2 系统平稳条件及稳态队长 |
| 4.3 随机条件分解 |
| 4.4 数值例子 |
| 4.5 本章小节 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 在读期间公开发表的论文 |
| 致谢 |
（5）大规模复杂系统云仿真支撑技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及面临的主要问题 |
| 1.2.1 大规模复杂系统仿真概述 |
| 1.2.2 并行离散事件概念术语 |
| 1.2.3 基于云平台的仿真技术研究现状 |
| 1.2.4 云仿真支撑技术面临的主要问题 |
| 1.3 主要研究内容及贡献 |
| 1.3.1 课题主要研究内容 |
| 1.3.2 论文主要贡献 |
| 1.4 论文组织结构 |
| 第二章 一体化云仿真服务集成框架 |
| 2.1 引言 |
| 2.2 相关研究与局限性 |
| 2.3 面向应用的一体化服务化仿真平台工具集成框架 |
| 2.3.1 云仿真平台架构 |
| 2.3.2 服务化仿真平台工具集成框架 |
| 2.3.3 仿真模型组合框架 |
| 2.4 实验与分析 |
| 2.5 本章小结 |
| 第三章 基于本体的异构仿真资源描述方法 |
| 3.1 引言 |
| 3.2 相关研究与局限性 |
| 3.3 面向资源检索的异构仿真资源语义描述方法 |
| 3.3.1 总体思路 |
| 3.3.2 异构仿真资源描述框架SRDF |
| 3.3.3 基于本体的仿真资源描述模型 |
| 3.3.4 基于SRDF的仿真模型语义检索 |
| 3.4 实验与分析 |
| 3.4.1 评估指标 |
| 3.4.2 单仿真模型资源检索 |
| 3.4.3 多仿真模型资源联合检索 |
| 3.5 本章小结 |
| 第四章 云环境中仿真资源调度启发式优化方法 |
| 4.1 引言 |
| 4.2 相关研究及局限性 |
| 4.3 基于历史信息的仿真资源调度启发式优化算法 |
| 4.3.1 性能评估模型 |
| 4.3.2 基于遗传算法的仿真资源调度优化算法 |
| 4.4 实验与分析 |
| 4.4.1 实验设计 |
| 4.4.2 实验结果及分析 |
| 4.5 本章小结 |
| 第五章 云环境中在线仿真容错方法 |
| 5.1 引言 |
| 5.2 相关研究及局限性 |
| 5.3 基于局部协同的在线仿真容错方法 |
| 5.3.1 云环境中仿真运行 |
| 5.3.2 传统的PDES仿真容错 |
| 5.3.3 在线仿真容错支撑技术 |
| 5.4 实验与分析 |
| 5.4.1 PDES4Cloud的实现 |
| 5.4.2 正确性验证 |
| 5.4.3 高效性验证 |
| 5.4.4 可扩展性验证 |
| 5.5 本章小结 |
| 第六章 大规模复杂系统云仿真平台的实现与测试验证 |
| 6.1 引言 |
| 6.2 SIMCloud框架设计与实现 |
| 6.2.1 设计目标 |
| 6.2.2 体系架构 |
| 6.2.3 系统设计与实现 |
| 6.3 SIMCloud测试验证 |
| 6.3.1 民意系统仿真应用场景描述 |
| 6.3.2 民意系统仿真应用的组装与运行 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文工作总结 |
| 7.2 进一步研究工作 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（6）铁路技术站作业计划综合优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 立题背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 国内外研究现状评述 |
| 1.3.1 既有研究现状总结 |
| 1.3.2 确定性技术作业综合优化问题难点 |
| 1.3.3 随机性技术作业综合优化问题难点 |
| 1.4 论文研究内容及技术路线 |
| 1.4.1 论文研究内容 |
| 1.4.2 论文研究技术路线 |
| 第2章 基于累计流的技术站作业系统综合建模框架 |
| 2.1 技术站主要设备及结构分析 |
| 2.1.1 技术站主要物理设备及功能分析 |
| 2.1.2 技术站系统关键作业流程分析 |
| 2.1.3 技术站作业计划综合优化问题及主要假设 |
| 2.2 基于累计流的技术站作业系统综合建模体系 |
| 2.2.1 基于累计流的广义交通系统及基本属性 |
| 2.2.2 基于累计流的技术站作业综合建模框架 |
| 2.3 基于累计流的技术站建模框架适用性分析 |
| 本章小结 |
| 第3章 技术站作业计划确定性综合优化模型 |
| 3.1 数学模型参数概述 |
| 3.1.1 数学模型索引参数定义 |
| 3.1.2 数学模型已知参数定义 |
| 3.1.3 数学模型决策变量定义 |
| 3.2 优化目标 |
| 3.3 技术站内主要作业约束 |
| 3.3.1 技术站内作业的主要约束分析 |
| 3.3.2 到达车列到达及解体作业 |
| 3.3.3 车流集结过程 |
| 3.3.4 车流编组作业 |
| 3.3.5 出发列车出发作业 |
| 3.4 技术站作业确定性综合优化模型规模特征分析 |
| 本章小结 |
| 第4章 技术站作业计划综合优化模型简化解法 |
| 4.1 技术作业计划综合优化模型分析和简化思想概述 |
| 4.2 基于有效不等式的模型强化方法 |
| 4.2.1 基于生产批量模型有效不等式 |
| 4.2.2 技术站作业计划的有效不等式强化方法 |
| 4.3 基于集聚配流模型的解体顺序优选启发式求解方法 |
| 4.3.1 集聚配流建模方法理论基础 |
| 4.3.2 基于集聚配流的数学优化模型 |
| 4.3.3 基于“最急迫解体参数”解体顺序优选启发式方法 |
| 4.3.4 基于集聚配流的启发式方法求解示例 |
| 4.4 技术站作业综合优化模型的简化方法效果及应用分析 |
| 本章小结 |
| 第5章 技术站作业计划随机性综合优化模型 |
| 5.1 技术站作业计划随机性分析 |
| 5.1.1 技术站作业过程的随机扰动因素 |
| 5.1.2 技术站作业计划的随机综合优化原则 |
| 5.2 技术站作业计划随机综合优化问题及研究架构 |
| 5.2.1 技术站列车到达晚点与解体作业顺序决策关系 |
| 5.2.2 技术站作业计划随机扰动场景描述及优化目标 |
| 5.2.3 技术站作业计划基于场景的随机综合优化研究框架 |
| 5.3 基于解体作业顺序鲁棒性的技术站作业随机综合优化模型 |
| 5.3.1 技术站作业随机综合优化模型变量定义 |
| 5.3.2 随机优化数学模型目标函数和关键约束 |
| 5.4 技术站作业鲁棒性随机综合优化模型规模特征 |
| 本章小结 |
| 第6章 数值算例分析 |
| 6.1 技术站作业计划确定性综合优化算例 |
| 6.2 基于有效不等式的模型强化方法效能分析 |
| 6.3 基于集聚配流模型的启发式简化解法效能分析 |
| 6.4 技术站作业随机性综合优化模型算例 |
| 本章小结 |
| 结论及展望 |
| 一、论文主要工作及成果 |
| 二、论文创新点 |
| 三、今后研究工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表论文及科研成果 |
（7）基于排队模型的多技能呼叫中心人力需求问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状及评述 |
| 1.2.1 单技能呼叫中心人力需求计算的研究现状 |
| 1.2.2 多技能呼叫中心人力需求计算的研究现状 |
| 1.2.3 研究现状评述 |
| 1.3 研究内容和方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 创新点 |
| 1.5 论文结构 |
| 第2章 呼叫中心系统与排队系统综述 |
| 2.1 呼叫中心的起源和国内外发展过程 |
| 2.1.1 呼叫中心的起源 |
| 2.1.2 国外呼叫中心的发展过程 |
| 2.1.3 国内呼叫中心的发展过程 |
| 2.2 呼叫中心系统的运作 |
| 2.2.1 呼叫中心系统的分类 |
| 2.2.2 呼叫中心系统的基本结构 |
| 2.2.3 呼叫的处理流程 |
| 2.2.4 呼叫中心的人力需求问题 |
| 2.3 排队系统 |
| 2.3.1 呼叫中心系统与排队系统的关系 |
| 2.3.2 排队论研究的主要问题 |
| 2.3.3 排队系统的组成 |
| 2.3.4 经典排队模型 |
| 2.4 本章小结 |
| 第3章 N型多技能呼叫中心的排队模型解析与人力需求计算 |
| 3.1 模型的建立 |
| 3.1.1 问题的描述 |
| 3.1.2 人力需求计算模型的建立 |
| 3.2 排队模型稳态概率的计算 |
| 3.2.1 状态空间的划分 |
| 3.2.2 平衡方程的建立 |
| 3.2.3 稳态概率的计算 |
| 3.3 服务水平的计算 |
| 3.3.1 服务水平计算公式的求解 |
| 3.3.2 数值算例 |
| 3.4 N型呼叫中心人力需求的计算 |
| 3.4.1 人力需求模型的求解 |
| 3.4.2 数值分析 |
| 3.5 应用举例 |
| 3.6 本章小结 |
| 第4章 M型多技能呼叫中心的排队模型解析与人力需求计算 |
| 4.1 模型的建立 |
| 4.1.1 问题的描述 |
| 4.1.2 人力需求模型的建立 |
| 4.2 排队模型稳态概率的计算 |
| 4.2.1 状态空间的划分 |
| 4.2.2 状态集转移率的求解 |
| 4.2.3 稳态概率的计算 |
| 4.3 服务水平的计算 |
| 4.3.1 服务水平计算公式的求解 |
| 4.3.2 数值算例 |
| 4.4 M型呼叫中心人力需求的计算 |
| 4.4.1 人力需求模型的求解 |
| 4.4.2 数值分析 |
| 4.5 应用举例 |
| 4.6 本章小结 |
| 第5章 带有不耐烦顾客的多技能呼叫中心人力需求计算 |
| 5.1 带有不耐烦顾客的N型呼叫中心服务水平的求解 |
| 5.1.1 问题描述 |
| 5.1.2 稳态概率的计算 |
| 5.1.3 服务水平的计算 |
| 5.2 带有不耐烦顾客的M型呼叫中心服务水平的求解 |
| 5.2.1 问题描述 |
| 5.2.2 稳态概率的计算 |
| 5.2.3 服务水平的计算 |
| 5.3 带有不耐烦顾客的多技能呼叫中心人力需求求解 |
| 5.3.1 人力需求模型的建立 |
| 5.3.2 人力需求模型的求解 |
| 5.3.3 人力需求模型数值结果分析 |
| 5.4 应用举例 |
| 5.5 本章小结 |
| 第6章 N型和M型多技能呼叫中心排队信息提示问题 |
| 6.1 顾客耐心无限的N型呼叫中心 |
| 6.1.1 模型描述 |
| 6.1.2 预测和通知顾客排队需要等待的时间 |
| 6.2 带有不耐烦顾客的N型呼叫中心 |
| 6.2.1 模型描述 |
| 6.2.2 预测和通知顾客排队需要等待的时间 |
| 6.2.3 排队信息提示对N型模型人力需求的影响 |
| 6.3 顾客耐心无限的M型呼叫中心 |
| 6.3.1 模型描述 |
| 6.3.2 顾客排队等待时间的计算 |
| 6.4 带有不耐烦顾客的M型呼叫中心 |
| 6.4.1 模型描述 |
| 6.4.2 顾客排队等待时间的计算 |
| 6.4.3 排队信息提示对人力需求影响的数值分析 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（8）基于重试队列的星形网性能分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 主要内容 |
| 第二章 多种排队策略下排队系统分析 |
| 2.1 竞争冲突淘汰存取控制方式六类模型 |
| 2.2 重试队列模型分析 |
| 2.3 C-CC星形网系统模型简介 |
| 2.3.1 随机过程 |
| 2.3.2 马尔科夫过程 |
| 2.3.3 排队网络 |
| 2.4 本章小结 |
| 第三章 基于重试队列的星形网模型分析与符号设定 |
| 3.1 系统模型分析 |
| 3.2 符号设定 |
| 3.3 本章小结 |
| 第四章 基于重试队列的星形网系统模型数学解析 |
| 4.1 C-CC方式Ⅲ类系统模型数学解析 |
| 4.1.1 转移概率 |
| 4.1.2 顾客连续状态的概率 |
| 4.1.3 平均顾客数目M和平均等待时间W |
| 4.2 一般服务时间下的M/G/1重试队列解析 |
| 4.3 基于重试队列的星形网解析 |
| 4.4 本章小结 |
| 第五章 数据结果分析 |
| 5.1 仿真实验流程 |
| 5.2 C-CC方式Ⅲ类系统实验数值计算及结果分析 |
| 5.3 系统模型实验数值结果及分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结与展望 |
| 6.2 本章小结 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间取得的成果 |
（9）休假排队模型的均衡策略及优化问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究意义和背景 |
| 1.2 排队经济学的研究现状及述评 |
| 1.2.1 无休假排队经济学模型的研究现状 |
| 1.2.2 具有休假的排队经济学模型的研究现状 |
| 1.2.3 排队经济学模型的研究现状述评 |
| 1.3 研究内容及研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文结构 |
| 第2章 具有单重休假的 M/M/1 排队模型及策略分析 |
| 2.1 模型描述 |
| 2.2 可视排队 |
| 2.2.1 完全可视排队 |
| 2.2.2 几乎可视排队 |
| 2.3 不可视排队 |
| 2.3.1 几乎不可视排队 |
| 2.3.2 完全不可视排队 |
| 2.4 数值分析 |
| 2.5 应用举例 |
| 2.6 本章小结 |
| 第3章 具有启动时间和单重休假的 M/M/1 排队模型及策略分析 |
| 3.1 模型描述 |
| 3.2 可视排队 |
| 3.3 部分可视排队 |
| 3.4 不可视排队 |
| 3.4.1 均衡止步策略 |
| 3.4.2 社会最优止步策略 |
| 3.4.3 数值分析 |
| 3.5 本章小结 |
| 第4章 具有 N 策略的 M/G/1 排队模型及策略分析 |
| 4.1 模型描述 |
| 4.2 完全不可视情形 |
| 4.2.1 均衡止步策略 |
| 4.2.2 社会最优止步策略 |
| 4.2.3 最优 N 策略 |
| 4.2.4 特殊情形 |
| 4.3 部分可视情形 |
| 4.3.1 稳态概率分析 |
| 4.3.2 均衡止步策略 |
| 4.3.3 社会最优止步策略 |
| 4.4 应用举例 |
| 4.5 本章小结 |
| 第5章 具有休假的离散时间 Geo/Geo/1 排队模型及策略分析 |
| 5.1 离散时间 Geo/Geo/1 多重休假排队 |
| 5.1.1 模型描述 |
| 5.1.2 均衡止步策略 |
| 5.1.3 社会最优策略 |
| 5.1.4 利润最大化 |
| 5.2 离散时间 Geo/Geo/1 单重休假排队 |
| 5.2.1 系统队长已知而服务员状态未知情形 |
| 5.2.2 系统队长和服务员状态均未知情形 |
| 5.3 本章小结 |
| 第6章 具有多重工作休假的离散时间 Geo/Geo/1 排队模型及均衡策略分析 |
| 6.1 模型描述 |
| 6.2 完全可视情形 |
| 6.3 部分可视情形 |
| 6.3.1 稳态概率分析 |
| 6.3.2 均衡止步策略 |
| 6.4 完全不可视情形 |
| 6.5 数值分析 |
| 6.6 应用举例 |
| 6.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位论文期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
（10）H医院门诊药房管理改善和优化研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文的选题背景和研究意义 |
| 1.2 国内外的研究现状 |
| 1.2.1 国内外业务流程再造的研究现状 |
| 1.2.2 国内外门诊药房管理的研究现状 |
| 1.2.3 国内外医院应用排队论的研究现状 |
| 1.3 本文的研究思路和主要内容 |
| 1.4 本文的创新点 |
| 第二章 改善和优化门诊药房管理的相关基本理论和方法 |
| 2.1 业务流程再造的基本理论及实施方法 |
| 2.1.1 业务流程再造理论的定义 |
| 2.1.2 实施业务流程再造的基本原则 |
| 2.1.3 业务流程再造的方法与技术 |
| 2.2 库存控制的基本理论 |
| 2.2.1 库存的概念 |
| 2.2.2 衡量库存水平的指标 |
| 2.2.3 库存控制策略 |
| 2.2.4 零库存管理方法 |
| 2.3 排队系统的基本概念及一般排队系统模型 |
| 2.3.1 排队系统的基本概念 |
| 2.3.2 排队模型 |
| 第三章 H医院门诊药房管理流程改善研究 |
| 3.1 再造门诊药房药品采购及库存管理流程 |
| 3.1.1 旧的门诊药房药品采购及库存管理流程回顾 |
| 3.1.2 再造门诊药房药品采购及库存管理流程 |
| 3.1.3 ABC 联合 CVA 分类管理法控制药品库存 |
| 3.1.4 零库存管理下药品安全库存水平和订货点的确定 |
| 3.2 再造门诊药房发药流程 |
| 3.2.1 旧的门诊药房发药流程回顾 |
| 3.2.2 再造门诊药房发药流程 |
| 3.3 新的门诊药房管理流程运行效果及绩效评价 |
| 第四章 H医院门诊药房窗口服务能力优化研究 |
| 4.1 数据采集、统计与分析 |
| 4.2 科学规划门诊药房窗口开放数量 |
| 4.3 综合运用排队系统模型参数优化服务 |
| 第五章 总结及展望 |
| 5.1 研究总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
四、单服务员排队模型某些指标的优化研究（论文参考文献）
- [1]配用电物联网监控系统通信建模与性能分析[D]. 沈博. 华南理工大学, 2020(02)
- [2]面向FLINK流处理框架的容错策略优化研究[D]. 庆骁. 哈尔滨工业大学, 2019(02)
- [3]具有备用服务员和不耐烦顾客的排队模型及其仿真[J]. 潘恒毅. 华东师范大学学报(自然科学版), 2019(03)
- [4]带有重试和工作休假的排队模型研究[D]. 李俊潼. 山东理工大学, 2019(03)
- [5]大规模复杂系统云仿真支撑技术研究[D]. 姚锋. 国防科技大学, 2019(01)
- [6]铁路技术站作业计划综合优化研究[D]. 石铁. 西南交通大学, 2019(03)
- [7]基于排队模型的多技能呼叫中心人力需求问题研究[D]. 李春艳. 燕山大学, 2016(01)
- [8]基于重试队列的星形网性能分析[D]. 乔永娟. 青岛科技大学, 2015(04)
- [9]休假排队模型的均衡策略及优化问题研究[D]. 田瑞玲. 燕山大学, 2014(02)
- [10]H医院门诊药房管理改善和优化研究[D]. 杜娟. 天津大学, 2014(05)