精华内容
下载资源
问答
  • 在分析信用评级模型的基础上,充分考虑层次分析法在建立信用评级模型中的优势,进而运用系统工程的思想方法——层次分析法搭建模型。本文的主要工作为:(1)对商业银行信用评级指标体系进行分析,并在我国原有影响较大的...
  • 为了定量评价铁矿集区资源综合利用状况,结合目前生产现状,建立基于地质、采矿、选矿、共伴生资源利用、经济指标等5个单元、13个指标多因素多指标评价体系,确定了各评价指标权重,并采用模糊层次分析法对我国四...
  • 为提高露天煤矿半连续采煤工艺系统的...采用熵权法和模糊层次分析法建立了组合权重破碎站优选数学模型,对我国露天煤矿常用的4种破碎站进行了选型研究。结果表明:简约式破碎站在半连续采煤工艺的应用中具有一定的优势
  • 基于层次分析法与熵权法的主客观组合赋权模型 组合赋权大家可以尝试进行改变,一个主观一个客观。(原创:小青龙) 简介 ​ 权重是用来衡量总体中各单位标志值在总体中作用大小的数值, 用来描述单因子在因子集体系...

    基于层次分析法与熵权法的主客观组合赋权模型

    组合赋权大家可以尝试进行改变,一个主观一个客观。(原创:小青龙)

    简介

    ​ 权重是用来衡量总体中各单位标志值在总体中作用大小的数值, 用来描述单因子在因子集体系当中的重要性。确定指标权重的方法有很多,可分为主观赋权法和客观赋权法两大类,其中主观赋权法有特尔斐法、层次分析法等,客观赋权法有变异系数法、熵值法、特征向量法等。但以上方法都存在者各自的优缺点与局限性。为克服了单一方法赋权的局限性,充分发挥各种赋权方法自身的优势。本文采用主客观组合赋权法,消除主观偏差和客观片面,使所确定的权重同时体现主观信息和客观信息,能够真实客观、完整准确地反映…的实际情况。

    主观赋权

    简介

    ​ 层次分析法(AHP-analysis hierarchy process)由萨蒂教授在 1977 年提出,是一种主观判断性的用来描述客观的定性定量结合的有效方法。主要是通过把问题层次化,依照研依照研究内容的特性及最终的总目标,将问题解剖为各类组成成分。并依据成分间的相互关联关系,将成分通过不同的层次进行分类聚集,最终展开为一个多层次分析结构模型。

    具体步骤

    • 主观赋权—层次分析法

      • 选取指标,构造层次模型

        目标层–准则层–方案层

      • 构造模糊判断矩阵

            为克服传统的九标度所具有的一致性与判断思维一致性不等价缺点,使矩阵一致性指标真正反映思维一致性程度,本文采用新模糊标度法来确定指标权重。为了使定量的相对重要度正确反映定性评判的结果,必须使判断尺度给出的相对重要性大小与定性分析的结果基本相符,这就要求判断尺度本身要符合一定的规则。现假设判断尺度符合“等距跃进”,则有:
        

        dkd(k1)=d(k1)d(k2) k ϵ{3,2,1,0,1,2,3,...,}d^k-d^{(k-1)}=d^{(k-1)}-d^{(k-2)}\ k\ \epsilon\{-3,-2,-1,0,1,2,3,...,\}

        ​ 对上式进行计算得到a=1a=1,显然这与判断尺度不符合,再假设判断尺度符合“阶梯跃进”,则有:

        dk=d(k1)d(k2) k ϵ{3,2,1,0,1,2,3,...,}d^k=d^{(k-1)}-d^{(k-2)}\ k\ \epsilon\{-3,-2,-1,0,1,2,3,...,\}

        ​ 对上式进行计算得到a=1.618a=1.618,这与合理性准则基本一致,这时有新的模糊标度,如下标所示

        标度 标度含义
        dij0d^0_{ij}=1.00 i与j等同重要
        dij1d^1_{ij}=1.618 i比j稍微重要
        dij2d^2_{ij}=2.618 i比j重要
        dij3d^3_{ij}=4.236 i比j明显重要
        dij4d^4_{ij}=6.854 i比j很重要
        dij5d^5_{ij}=11.09 i比j绝对重要

        ​ 在主观判断各个准则的重要性时,根据实际算法建立的经验和研究相关评价资料的基础之上,分析判断准则层对目标层的影响,产生模糊判断矩阵:

        A=d(nn)A=d_{(n*n)}

      • 一致性检验

        ​ 根据引理:A为n阶方阵,且r(A)=1,则A有一个特征值为tr(A),其余特征值均为0 。因为一致性矩阵各行成比例,因此一致性矩阵的秩一定是 1 ,对成对比较矩阵进行一致性检验。

        • 建立一致性指标

          CI=λmaxnn1CI=\frac{\lambda_{max}-n}{n-1}

          其中:λmax\lambda_{max}表示判断矩阵的最大特征值,nn表示指标个数

        • 查找对应的平均随机一致性指标RIRI

          n 1 2 3 4 5 6 7 8 9
          RI 0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46
        • 计算一致性比例

          CR=CIRICR=\frac{CI}{RI}

          CR<0.1CR<0.1时通过一致性检验,认为比较矩阵的不一致程度在容许范围之内,故可对其进行归一化求取权重。

      • 群决策排序向量算法

        多次评分然后综合

      • 归一化权重

        • 算数平均
        • 几何平均
        • 特征值法

    客观赋权

    简介

    ​ 熵是系统无序程度的度量,它代表着各指标在问题中提供有效信息的多寡程度,是一种将各评价单元的信息进行量化与综合的客观赋权方法;“熵权”确定权重理论是一种借用信息论中熵的概念,其概念可反映重金属的变异特征有效地预防了加权人为的主观性,可提高风险决策的合理性。

    具体步骤

    • 客观赋权—topsis熵权法

      • 统一量纲化原始数据矩阵

        • 指标一致化

          • 极小型化为极大型

            ​ 对于极小型指标xi,即xi越小越好。要将其转化为极大型指标。只需要平移变换x’i=Mi-xi,其中Mi=max{xij},即可将极小型指标转化为极大型。

          • 中间型化为极大型

            ​ 对于中间型指标xi,即xi取中间值Mi+mi2\frac{M_i+m_i}{2}为最好。要将其化为极大型指标,令:
            xi={2(ximi)Mimi,mixiMi+mi22(Mimi)MImi,Mi+mi2xiMix'_i=\begin{cases} \frac{2(x_i-m_i)}{M_i-m_i},m_i\le x_i \le\frac{M_i+m_i}{2} \\ \frac{2(M_i-m_i)}{M_I-m_i}, \frac{M_i+m_i}{2}\le x_i \le M_i \end{cases}

            ​ 其中:Mi=max{xij},mi=min{xij}M_i=max\{x_{ij}\},m_i=min \{x_{ij} \}。则将中间型指标化为极大型指标。

          • 区间型化为极大型

            对于区间型指标xiϵ[ai,bi]x_i \epsilon[a_i,b_i],即指标xi介于区间[ai,bi]内都是最好的,越远离该区间就越不好。要将其转化为极大型指标,令:

            xi={1aixici,xi<ai1  ,aixibi1xibici ,xi>bix'_i=\begin{cases} 1-\frac{a_i-x_i}{c_i} \quad ,x_i<a_i \\1 \qquad \qquad \ \ ,a_i\le x_i\le b_i \\ 1-\frac{x_i-b_i}{c_i} \quad \ ,x_i>b_i\end{cases}

            ​ 其中,ci=max{aimi,Mibi};aibic_i=max\{a_i-m_i,M_i-b_i \};a_i和b_i为区间型指标xi的最稳定区间的下界和上界。则则可以将区间型指标化为极大型。

        • 统一化量纲

          • Z-SCORE

            ​ 将不同量级的数据统一转化为同一个量级,统一用计算出的Z-Score值衡量,以保证数据之间的可比性。

            x=xμσx^*=\frac{x-\mu}{\sigma}

             	 自左到右,自上而下字母表示:标准化后值;原始值;原始值均值;原始值标准差
            

            xi={1aixici,xi<ai1  ,aixibi1xibici ,xi>bix'_i=\begin{cases} 1-\frac{a_i-x_i}{c_i} \quad ,x_i<a_i \\1 \qquad \qquad \ \ ,a_i\le x_i\le b_i \\ 1-\frac{x_i-b_i}{c_i} \quad \ ,x_i>b_i\end{cases}

          • MapMinMax

            ​ 最大最小归一化,其功能主要是将原始数据线性化的方法转换到[0,1]的范围.

          x=xxminxmaxxminx^*=\frac{x-x_{min}}{x_{max}-x_{min}}

      • 计算方案指标比重矩阵

        pij=ciji=1ncijp_{ij}=\frac{c_{ij}}{\sum_{i=1}^nc_{ij}}

      • 计算指标熵值矩阵

        ej=1lnni=1npijlnpije_j=-\frac{1}{\ln n}\sum_{i=1}^np_{ij}\ln p_{ij}

        k=1lnnk=\frac{1}{\ln n}

      #---------------------------------------------------------------

      #以下为熵权topsis法中topsis部分

      • 计算指标熵权

        wj=1ejnk=1mekw_j=\frac{1-e_j}{n-\sum_{k=1}^me_k}

      • 构造加权矩阵

        rij=wijpijr_{ij}=w_{ij}*p_{ij}

      • 寻找最优、最劣解

        rj+=max(r1j,r2j,...,rij)rj=min(r1j,r2j,...,rij)r_j^+ = max (r_{1j},r_{2j},...,r_{ij}) \\r_j^-=min(r_{1j},r_{2j},...,r_{ij})

      • 计算不同方案和最优最劣解的欧氏距离

        Si+=j=1n(rijrj+)2Si=j=1n(rijrj)2S_i^+=\sqrt{\sum_{j=1}^n(r_{ij}-r^+_j)^2}\\S_i^-=\sqrt{\sum_{j=1}^n(r_{ij}-r^-_j)^2}

      • 构造相对接近度

        Ci=SjSj++SjC_i=\frac{S^-_j}{S^+_j+S^-_j}

    组合权重

    简介

    ​ 针对主观赋权方法、客观赋权法各自的优点和缺点,将一定的数学模型实现主观权重和客观权重通过理想点原理进行有机结合的方法们称之为组合权重法。本文利用主观与客观赋权法相结合得到的组合赋权法来确定重金属指标体系的权重集以弥补各自的不足,既避免了层次分析法的主观性,又克服了熵权法的客观性。确定出…指标体系的更合理科学的权重集合。

    • 线性加权

      ​ 线性加权法在一定程度上克服了乘法合成归一化方法带来的权重倍增效果,在实际应用中更加广泛,因此本文采用线性加权来对主客观赋权进行组合:

      wi=λαi+(1λ)βiw_i'=\lambda\alpha_i+(1-\lambda)\beta_i

      • 采用差异系数法进行求解

        λ=nn1\lambda = \frac{n}{n-1}[ \frac{2}{n}(P_1+2P_2+…+nP_n)-\frac{n+1}{n}]$

        其中:Pi表示主观权重依照升序排列后依次的向量,n为评价因子数目,αi表示主观赋权下的权重。(P和α相对应)

    • 模型评价

      • 问题一中采用的AHP层次分析法,在判断矩阵的确定过程中会受到人为素的影响,从而形成系统误差。随着判断矩阵阶数的增加,人为判断的次数也会增加,主观判断误差也会越大,其次,采用的标度方法会使各指标相对重要性取值有限,在一定程度上限值专家对各指标相对重要性的客观评判。
      • 量纲一化方法会影响熵权法的稳健性,通常的线性无量纲化方法有:极差化法、ZScoreZ-Score法、极大化法、极小化法及均值化法,不同量纲一化法对模型的影响不同,针对不同的问题,应选择敏感性低、稳健性高的量纲一化方法。其次,在计算第jj项指标熵值eje_j时,不同的k值也会影响熵值法的稳健性,通过改变kk的取值,分别进行各评价指标熵值的计算,然后比较各种kk值下的指标权重,如果在某一kk值下的指标权重结果与层次分析法差异小,则说明熵值法对该kk值不敏感,即各指标权重结果比较稳定。

    引用

    [*]:李珂.基于组合赋权和灰云模型的水体沉积物重金属的综合污染评价研究[D].大连理工大学,2019.

    展开全文
  • 结合层次分析法和灰色关联法的各自优势,构建了层次分析-灰色关联评判法,并提出具体的评判步骤。通过分析村庄压煤采搬影响因素,建立采搬评价指标体系并确定了4个一级影响因素和12个二级影响因素。以开滦某矿村庄压煤...
  • 以中午的优势写这篇文章。 移动MM的游戏。前面我们已经写过非常多文章,没有看过的朋友,自行查找就可以,今天我们继续分析一个类似的游戏,只是使用多种方式来分析,同一时候。欢迎同学们自己补充新方式来扩展思路...

    最近的工作太忙,没啥时间写文章,今天遇到一点点的游戏,浅析。以中午的优势写这篇文章。

    移动MM的游戏。前面我们已经写过非常多文章,没有看过的朋友,自行查找就可以,今天我们继续分析一个类似的游戏,只是使用多种方式来分析,同一时候。欢迎同学们自己补充新方式来扩展思路。

    0x1:游戏试玩

    打开游戏玩了会儿。近期这类游戏许多,也谈不上喜欢玩不喜欢玩。那么直接查看商城吧。





    配合查看游戏反编译的文件夹结构:





    能够简单推測游戏的内购是否为移动MM的。

    然后配合我们自己简单查看下smali代码,确定内购支付方式为移动MM .

    0x2:分析破解

    确定了游戏的支付方式。我们就有目的性的去分析怎样来分析它的破解情况了。


    在这里再次补充上:

    移动MM的支付方式以及SDK的相关调用方法

    http://wenku.it168.com/d_001271444.shtm

    通过了解它的支付流程。来測试他在哪块地方存在被破解的可能,即欺骗支付。

    在这篇文章中,已经有简单说明了,这里便不再反复:


    http://www.52pojie.cn/thread-259909-1-1.html


    然后。我们能够想到:

    .我们直接改动支付结果。用支付成功的方法替换支付失败

    .直接将推断支付是否成功的状态码锁定为支付成功

    .直接改动游戏金币

    .改动支付短信

     

    0x3:第一种支付方式破解


    还是上面说的。直接搜索寻找onBillingFinish。

    这里所说依照第一种方式,有点牵强,只是,支付失败的话,这里的code也将改变,我们让他走订购成功的方法。即改动方法内的那个推断语句。





    相应smali代码自行改动就可以。

     

    0x4:另外一种锁定状态码破解

     

    我们在追踪onBillingFinish方法上下文的时候。发现PurchaseCode.smali中的getStatusCode()I方法以及MessageInfo.smali中的getPurchasecode()I方法,应该是用于定义支付码状态,即支付成功,支付失败,取消支付的。

    PurchaseCode.smali文件里。我们发现:


    .field public static final WEAK_ORDER_OK:I = 0x3e9


    这个是定义支付订单成功的状态码。一般在移动MM里面。多数都是这个。

    所以。我们能够看到上面所说getStatusCode()I方法和getPurchasecode()I方法都是返回值为int类型的。那么我们直接将其返回值改动为0x3e9。即数字1001。即代表支付成功。

    我们保存改动。回编译。查看到,点击购买button。直接提示下图:







    在无卡模式下測试的,一切正常。所以肯定了我们的改动时正确的,也不会扣费。

     

    0x5:直接改动金币

    通过OnBillingFinish()方法







    我们进入到这个PopStar查看:






    当然。这个类里面还有非常多方法,非常多支持破解的方法。如:






    定义购买金币数量的,即购买成功后添加的数量。等等。。。

     

    长话短说,咱们看到PopStar.nativeAddCoin方法后,确定是一个native方法,那么我们找到上文

    System.loadLibrary("xinxin");


    用IDA载入libxinxin.so,然后定位到nativeAddCoin方法.

    如今大家多数用的大佬的那个IDA,带F5的,那么我们直接f5







    查看到这里的方法,useGameCoin方法。打开这种方法查看:







    这里有我加的凝视,非常清晰的,看不明确的,F5一下也就知道了。

    由于getIntegerForKey,返回值为R0。然后往下第二行代码,R0=R0+R6,所以我们关键是在这里改动R0,即金币数量

    Hex查看一下二进制。这里为Thumb指令,那么我们能够操作局限性也非常高了。

    所以。这里提供一个思路。大家能够寻找更加简便的方法。


    即。BL getIntegerForKey,我们直接复制R0一个数值。然后在以下Adds R0,R0,R6这里,直接对R0逻辑左移一下。即LSL一下,将其数值变大。

    由于第一个BL4个字节,我们直接改动 00 00 09 20 。即Movs R0,R0 代表没有不论什么操作,09 20是将数字9赋值给R0

    然后ADDs那一行,有两个字节。直接改为 00 04,即 LSLS R0R0#0x10

    这样,我们即完毕了对金币数量的赋值。例如以下图:








    然后,我们在16进制下改动,选用010EditorUEctrl + g。进行地址跳转,寻找到我们在IDA改动的地址。依照上文改动。保存,替换,回编译。


    凝视::  int a=9        ;                a=a<<0x10;         即金币锁定为589824

    这里须要说明的是。这种方法何时被调用,即才干激活我们对金币的赋值呢?







    直接在IDA里面对这种方法按下x键,查看调用,有5处。那么应该非常easy被激活。







    红色标注的,是使用金币的道具。依照我们看到方法被调用的地方。这里被调用了。然后金币数量即我们定义的。

     

    0x6:改动短信

     

    这里不多说了,依据系统发送短信函数进行查找改动,替换短信内容,替换短信发送人就可以。

    我直接使用hook的方式替换的,比較省事了。。

    相关代码不难。看完我前面几篇hook java的文章的同学。应该非常easy可以写出来代码。这里不再多写。有兴趣,自己动手去。

     

    文档和相关附件:


    http://pan.baidu.com/s/1kTLwwDL


    展开全文
  • 鉴于AHP脆弱性指数在量化底板突水的优势,选取了6个主控因素预测了某整合矿井9号煤层底板突水。结合GIS对相关数据实施归一化处理,建立了各单因素归一化专题图。根据层次分析模型获得的各因素权重对6个专题图进行...
  • 论文研究-基于城市金融竞争力评价的我国多层次金融中心体系.pdf, ... 根据评价的结果以及区域经济发展的特点和各城市的优势和差异, 对我国多层次金融中心体系格局的构建给出了政策建议.
  • 将求解高阶矩阵的最大特征值及其对应的特征向量问题转化为高阶非线性方程组的求解问题。在此基础上,提出了求解矩阵最大...以层次分析法中高阶判断矩阵为例验证了该方法的可行性,说明了该方法相对收敛速度快的优势
  • 根据AHP(层次分析法)在汽车设计过程中获得数据,揭示了全球产品开发应考虑标准重要性。 根据研究结果,发现设计验证阶段是汽车设计过程中最重要全球化准则,是一个新研究领域。 在这项研究全面调查中...
  • 针对云南省各优势产业发展特点,由专家填写“对目标影响因素成对比较阵”,用“多层次权重分析方法”及“聚类分析综合分析专家意见,得到八个优势产业对经济发展...
  • 物流企业要想在竞争激烈市场中取得优势,就必须向现代化、信息化物流企业转型。企业资源管理计划(ERP)是基于网络经济时代新一代...以A集团为例,将层次分析法和模糊评价方法相结合,研究在A集团中实施ERP可行性。
  • 利用层次分析法对建筑企业竞争力进行分析,结果显示:科技创新能力占到了总指标42.3%,是影响企业发展重要因素,企业要想保持稳定发展速度,应加大企业科研投入力度,充分利用政策优势,促进企业资源合理分配,...
  • 心理分析:面试官从架构层次 了解求职者是否用过 模块化 组件化 和插件化,在过去经验有没有运用过这些技术到项目中,这道题属于一个连环炮。求职者该格外小心 **求职者:**应该从App开发需求来定义技术选型,分别...

    本专栏专注分享大型Bat面试知识,后续会持续更新,喜欢的话麻烦点击一个关注

    面试官: 组件化如何实现,组件化与插件化的差别在哪里,该怎么选型
    心理分析:面试官从架构层次 了解求职者是否用过 模块化 组件化 和插件化,在过去经验有没有运用过这些技术到项目中,这道题属于一个连环炮。求职者该格外小心
    **求职者:**应该从App开发的需求来定义技术选型,分别说说模块化,组件化 插件化的优势和区别

    先上一份面试资料目录

    TCP与UDP的区别

    • TCP面向连接的, 传输数据时,需先进行三次握手,建立连接,UDP是无连接的,发送数据之前不需要建立连接
    • TCP通过确认和重传机制,提供可靠的服务。即通过TCP连接传送的数据,无差错,不丢失,不重复,且按序到达,而UDP不保证可靠传输,只是尽可能得交付
    • TCP面向字节流,即将数据看成一连串无结构的字节流。UDP是面向报文的,UDP没有拥塞控制,因此网络出现拥塞不会使源主机的发送速率降低(对实时应用很有用,如IP电话,实时视频会议等)
    • 每一条TCP连接只能是点到点的;UDP支持一对一,一对多,多对一和多对多的交互通信
    • TCP的逻辑通信信道是全双工的可靠信道,UDP则是不可靠信道

    TCP的三次握手和四次挥手

    这个概念大家一定不陌生,我以前写过一篇详细关于TCP的三次握手和四次挥手的文章,可以参考,这里就不赘述

    TCP流量控制

    很多人会将流量控制和拥塞控制搞混,所以单独拎出来,考究细节

    流量控制:如果发送者发送数据过快,接收者来不及接收,那么就会有分组丢失。流量控制策略就是控制发送者的发送速度,使得接收者来得及接收,达到不丢失分组的目的。流量控制是构成TCP可靠性的一方面。

    流量控制主要使用滑动窗口机制实现。下面以上图讲解滑动窗口(也叫接受窗口rwnd)的细节

    主机A向主机B发送数据,开始双方确定的窗口值为400字节,这两个是前提条件。开始A发送了200字节,之后发生了分组丢失现象,B调整接受窗口大小为300字节。之后A又连续发送了300字节。此时A已经不能发送数据,需等待B的窗口信号。之后B调整窗口为100字节。接收到100字节数据后,调整窗口值为0,表示暂时不想接受数据。总共B调整了三次窗口大小,进行了三次流量控制

    假如,B向A发送了零窗口的报文段后不久,B的接收缓存又有了一些存储空间。于是B向A发送了rwind=400的报文段,然而这个报文段在传送中丢失 了。A一直等待收到B发送的非零窗口的通知,而B也一直等待A发送的数据。这样就死锁了。为了解决这种死锁状态,TCP为每个连接设有一个持续计时器。只 要TCP连接的一方收到对方的零窗口通知,就启动持续计时器,若持续计时器设置的时间到期,就发送一个零窗口探测报文段(仅携带1字节的数据),而对方就在确认这个探测报文段时给出了现在的窗口值。

    TCP拥塞控制

    拥塞控制,大家都能背出来,什么慢开始、拥塞避免、快重传、快恢复,大家都耳熟能详,但是有些细节问题,可以大家没有留意,比如快重传阶段后,为什么不直接进入慢开始阶段,而是进入拥塞避免阶段?

    拥塞的概念:在某段时间,对网络中的某一资源的需求超过了该资源所能提供的可用部分,网络的性能就要变化,这种情况叫拥塞。网络拥塞往往是由许多因素引起的,简单的提高节点处理机的速度或者扩大结点缓存的存储空间并不能解决拥塞问题。拥塞问题的是指往往是整个系统的各个部分不匹配,只有各个部分平衡了,问题才会得到解决。

    拥塞控制:防止过多的数据注入到网络,导致网络中的路由器或链路过载。

    流量控制和拥塞控制的区别:可以看出流量控制是一个端到端的问题,而拥塞控制是一个全局性问题,设计到所有的主机、所有的路由器。

    慢开始:乘法增加

    发送方维持一个拥塞窗口cwnd,大小取决于网络的拥塞程度,动态地在变化。发送窗口小于等于拥塞窗口,而发送窗口一定不能超过接收窗口。发送方控制拥塞窗口的原则是:只要网络没有出现拥塞,拥塞窗口就增大一些,以便把更多的分组发送出去。但是只要网络出现拥塞,拥塞窗口就减小一些,以减少注入到网络的分组数。

    开始时,如果发送大量数据包,容易导致网络中路由器缓冲空间耗尽,从而发生拥塞。所以新建连接时,cwnd初始化为1个最大报文段(MSS)大小,每经过一个迭代,拥塞窗口就乘以2,所以也称为乘法增加阶段。拥塞窗口不可能一直增大,所以一般会设置一个慢开始门限ssthresh.

    • 当cwnd<ssthresh时,使用慢开始算法。
    • 当cwnd>ssthresh时,改用拥塞避免算法。

    拥塞避免:加法增大

    一旦达到慢开始的初始门限ssthresh,就进入了拥塞避免阶段。每一个迭代,拥塞窗口加1,而不是加一倍

    快重传

    快重传算法规定,发送方只要一连收到三个重复确认就应当立即重传对方尚未收到的报文段,而不必继续等待设置的重传计时器时间到期。快重传策略是为了防止TCP连接因等待重传计时器超时而空闲较长的时间。

    快恢复

    快重传和快恢复是搭配使用的,快重传完成后,立即执行快恢复算法。将ssthresh门限设置为当前拥塞窗口的一半,之后将拥塞窗口设置为新的ssthresh门限(即减半), 进入拥塞避免阶段。

    这里可能会有人有疑问,为什么不直接进入慢开始阶段,更彻底得避免拥塞。**主要的原因是考虑到如果网络出现拥塞得话,就不会收到多次重复确认,所以发送方认为网络可能没有出现拥塞,所以不执行慢开始算法,而是将cwnd设置为新得ssthresh门限,执行拥塞避免算法

    最后

    本文在开源项目GitHub中已收录,里面包含不同方向的自学编程路线、面试题集合/面经、及系列技术文章等,资源持续更新中…

    目前已经更新的部分资料,需要的自己取:



    ]
    [外链图片转存中…(img-t5YaTmL6-1611907254149)]
    [外链图片转存中…(img-nGgJrnHH-1611907254151)]

    展开全文
  • 11.5 组件分析法 343 11.5.1 生命周期分析 343 11.5.2 配置项分析 345 11.5.3 方法及属性分析 345 11.5.4 事件分析 347 11.5.5 组件特性 347 11.6 如何自定义组件 348 11.6.1 组件需求 348 11.6.2 按生命...
  • 利用层次分析法(AHP)理论建立煤炭产业循环经济评价指标体系,定量计算各指标对循环经济影响权重。在分析各指标权重基础上,给出宁东煤炭产业循环经济发展程度评价结果,找出优势与不足,对宁东煤炭产业进一步发展...
  • 为了解决煤矿井下掘进巷道瓦斯排放问题,对瓦斯排放系统进行了深入理论分析,建立了常规四输入单输出常规双模模糊控制模型,采用层次分析法和BP神经网络方法分别计算四个输入之间权值,利用组合赋权综合主观分析和...
  • 为开展煤矿应急能力评价,强化煤矿应急能力建设,通过对ANP网络层次分析法和BP神经网络各自优势进行分析并组合,以ANP计算出结果作为BP神经网络训练样本数据,提出了ANP-BP评价方法。对该方法在煤矿应急能力评价过程...
  • 将模糊层次分析法、集对分析和系统功能论集于一体,构建了一个适用于火电企业综合安全评价模型,不但考虑了影响火电厂安全关键因素,而且可对火电厂安全因素之间相互作用协调性做量化分析,并将其结果构造...
  • 利用图像的伪量子比特关联形式及其...仿真实验结果表明,此方法较一般的基于灰度极值融合法、灰度加权融合以及区域能量融合具有更好的融合视觉效果,在细节保护、图像边缘区分方面对比小波融合有其独特的优势
  • 该系统以BIM桥梁工程数据信息为基础,同时结合多种传感器监测数据作为桥梁整体工作状态评估原始数据,采用模糊层次分析法对其进行了评估分析。该方法以模糊数学为理论基础,将桥梁评价指标分为底层指标、中层...
  • 通过层次分析法给出了目前合肥高新技术产业集群评价指标体系。最后, 在上述分析基础上,从促进高新技术产业集群机制建设和定位政府在高新技 术产业集群建设中作用等多方面提出合肥科技创新试点城实施高新技术...
  • 整合SWOT与模糊层次分析法及在中国软件产业基地分析中的应用,屈莉莉,陈燕,为了识别一个组织内在的优势与弱点和在外部环境中的机遇与威胁,一般的SWOT不能够定量化的分析问题。对于S、W、O、T在战略制定中到�
  • 分析了企业在绩效考核方面存在的问题和不足,全面引入管理大师德鲁克的"目标管理"概念和马斯洛的"需要层次"理论,通过对实现企业目标的可量化关键性指标的选择,同时对无法量化的目标采用强制分布法的行为评价排序,...
  • 基于以上分析,以2012至2015年河北省企业数据为研究样本,运用层次分析法及S型曲线模型建立企业创新能力评价模型,研究阈值效应,评估企业技术创新能力。研究结果表明,河北省高技术企业资源投入与技术创新能力得分之间...
  • 根据徐州采煤塌陷区地质环境特点和地质环境评价工作复杂性,利用ArcGIS在数据库管理、可视化显示、二次开发方面强大优势层次分析法(AHP)在多要素评价方面独特优势,提出结合ArcGIS软件和AHP模型进行徐州采煤...
  • 本文基于电力通信网的特点构建了网络指标体系,并提出了一种层次分析法与模糊综合评价法相结合的模糊层次分析模型,旨在对网络进行综合评估,进而发现现阶段电力通信网的优势与不足,为我国电力通信网下一步的建设、...
  • 为了支持对多目标GI规划和综合评估做出可靠决策,层次分析法(AHP)已被用作一种结构化和系统化技术。 此外,包括必要维度在内一系列可持续发展关键绩效指标(KPI)是社区规模可持续性基础。 因此,基于AHP...
  • 这些值是根据层次分析法AHP计算得出,AHP是最初为解决运筹学问题而开发一种方法。 根据它们权重值,将不同参数信息叠加在一起,从而得出洪水风险图。 WMS模型使用使我们能够准确地绘制洪水风险区域,并...

空空如也

空空如也

1 2 3
收藏数 50
精华内容 20
关键字:

层次分析法的优势