文章目录

• 前言
• 一、中文底稿
  *
• 摘要
• 1、问题重述
  -
  • 1.1 问题的背景
  • 1.2 问题的重述
• 2、问题分析
  -
  • 2.1 问题一分析
  • 2.2 问题二分析
  • 2.3 问题三分析
  • 2.4 问题四分析
• 3、模型假设
• 4、定义与符号说明
• 5、模型的建立与求解
  -
  • 5.1 系统选择评价模型
    +
  • 5.1.1 确定评价指标集合
  • 5.1.2 建立层次结构模型
  • 5.1.3 构造成对比较矩阵
  • 5.1.4 评价结果
  • 5.2 D&A系统检测模型
    +
  • 5.2.1 D&A系统检测模型结构分析
• 6、模型检验
• 7、模型分析
• 8、更改举措与协议
• 9、参考文献
  -
  • 附录一
  • 附录二
• 二、英文版

前言

本次数学建模竞赛的论文，中英版均在以下展示。

一、中文底稿

摘要

随着大数据时代的来临，数学建模越来越引起人们的关注，数学建模在商务数据分析中的地位也日显突出。文章从数学建模相关概念的阐述入手，分析了数学建模融入商务数据分析与应用专业的可行性，并提出了数学建模融入商务数据分析与应用专业的实施路径。大数据分析即为数据量十分巨大的信息，其规模巨大到无法通过人工在合理时间内获取并整理分析成为人类所能解读的信息。对大数据进行分析的基础就是从物质世界，互联网以及其他数据源中获取到各种结构化数据、非结构化数据以及非数据化的各种信息，将其存储到处理器中，使用计算机技术进行处理分析，利用高效的算法进行关联分析，从中发现价值。从大数据中得到数据中的内含价值，这也就是大数据分析的目的所在。本文需要解决的问题是如何衡量数据和分析系统的成熟度,以及衡量数据和分析人员、技术和流程成功与否的关键绩效指标，并确定哪些指标是影响数据和分析的成熟度。我们需要给出更改措施和完善方案,并且我们的模型不能仅适用于一种情况，需要给出说明如何在其他行业进行衡量数据和分析系统的成熟度。通过解读题目可知，此类问题为典型的分析判别问题。我们先对数据进行了预处理，找到合适的指标，然后采用层次分析法，应用Word、MATLAB，Pycharm等软件处理数据。最后应用综合判别法对之前的结论进行了检验。
关键词：数据分析；层次分析法；可行性；更改举措

1、问题重述

1.1 问题的背景

洲际货运(ICM）公司经营着一个大型海港并聘请了您的团队。ICM公司希望您衡量他们当前的D&A系统的成熟度，并提供一个可靠的计划来优化他们的D&A能力。使用您的模型ICM Corporation希望保证客户灌输对其数据操作的信任和信心。

1.2 问题的重述

问题一：衡量ICM公司当前D&A系统成熟度水平的度量指标，包括衡量D&A人员、技术和流程成功与否的关键绩效指标。

问题二：在ICM Corporation 使用模型确定他们当前的D&A成熟度级别之后，根据模型给出对其D&A系统推荐的更改举措，使公司能够最大限度地发挥其数据资产的潜力

问题三：建议ICM应制定的协议，以衡量其D&A系统的有效性。

问题四：演示模型如何应用于更大或更小的港口(ICMCorporation拥有大小不同的港口)。分析系统成熟度指标如何适应其他行业。具体来说，货运公司可以使用我们的成熟度指标吗? 如果ICM Corporation的客户(如货运公司)使用我们的度量标准，这对ICM Corporation有何好处？

2、问题分析

2.1 问题一分析

分析问题可知，我们需要选取合理的D&A系统成熟度水平的度量指标，并按照此指标运用层次分析法对D&A系统构建出相应的评价体系。建立模型并运用Matlab求解。为了得到对于D&A系统成熟度级别判定，首先应分别对于D&A系统每个方面的情况给出评价，然后综合考虑各个方面的情况得出D&A系统成熟度级别。（具体代码请看附录部分）

2.2 问题二分析

分析问题可知，已确定当前D&A系统成熟度级别。根据所选变量的权重进行分析，进行对应的优化措施，提高D&A系统成熟度级别，使公司能够最大限度地发挥其数据资产的潜力。

2.3 问题三分析

根据程序运行得到的结果进行相关的更改措施，公司可以根据措施制定相关的协议来确保D&A系统成熟度。

2.4 问题四分析

分析问题可知，演示模型如何应用于更大或更小的港口是我们需要考虑的问题，应用于其他行业对ICM Corporation有何好处需要根据数据处理结果得知。

3、模型假设

1.假设所选变量可以完全反应D&A系统成熟度级别
2.假设调查期间D&A系统处于正常运行阶段
3.假设调查期间不会出现重大人员流动现象
4.假设调查期间不会受到公司制度的影响

4、定义与符号说明

; 5、模型的建立与求解

5.1 系统选择评价模型

根据对内陆运输到达/离开清单和时间表的调查情况，本文从中选取了服务态度、工作效率、位置、环境、工作流程为评价指标，建立评价指标集合U如下：
U {服务态度，工作效率，位置，环境，工作流程， }

运用层次分析法确定五个因素的权重，首先将问题设计因素分为以下三个层次：

（1）目标层为我们评价的D&A系统成熟度：系统成熟度优秀、系统成熟度良好、系统成熟度较差；
（2）准则层的因素主要为：服务态度、价格、位置、环境、卫生；
（3）考虑方案层的因素为：D&A系统
可以得到层次结构模型如图：

这一步是要比较下级因素对上级因素的影响，从而确定他们在上层因素中占的权重。设有n因素 ，...， 对上一层目标有影响，直接确定他们对目标层的影响程度不太容易，所以每次选取两个因素 与 比较，构成对比较矩阵。用对比较法从层次结构模型的第二层开始，对从属于上一层每个因素的同一层因素进行比较。利用1-8比较尺度构造成对比较矩阵，直到最下层。

首先，比较准则层对目标层的影响，运用成对比较法，对这五个因素进行两两比较，于是得到成对比较矩阵A：

同理，得到五个成对比较矩阵：

计算层次单排序的权向量和一致性检验，成对比较矩阵A的最大特征值 λ=5.073，该特征值对应的归一化特征向量：
ω={0.263，0.475，0.055，0.099，0.110}
则： CI=5.073/5-1=0.018
RI=1.12
故： CR=0.018/1.12=0.016

对成对比较矩阵B1，B2，B3，B4，B5可以求层次总排序的权向量并进行一致性检验，结果如下：

计算 可知，A1，A2，A3，A4，A5通过一致性检验。

计算层次总排序权值和一致性检验
B1对总目标的权值为：
0.595 _0.263+0.082_0.475+0.429 _0.055+0.633_0.099+0.166 _0.110=0.3
同理得 B2，B3 对总目标的权值为：0.244，0.456，决策层对总目标的权向量为：{0.3，0.244，0.456}
又CR=（0.263_0.003+0.475 _0.001+0.055_0+0.099 _0.005+0.110_0）/0.58=0.015

衡量D&A系统成熟度
B1，B2，B3对目标的权值可作为货物到达数量的比例，即得到

在此对相应的货物数量进行评价，将货物数量分为五个级别：

根据模拟数据峰值，可计算D&A系统成熟度在货物数量高峰期的相对运转压力为：
B1=4000 _0.3=1200
B2=4000_0.244=976
B3=4000*0.456=1824

结果：在货物到达高峰期，D&A系统成熟度良好。

5.2 D&A系统检测模型

; 6、模型检验

100艘船港口和系统的模拟结果

、
上图为一艘船呆在港口的平均时间

上图为一艘船呆在港口的最长时间

上图为一艘船呆在港口的最长时间

以上是对港口问题的具体分析。事实上，港口问题也可以从船舶排队的角度出发，我们也可以对多个港口的通过做相应的模拟测试。让船东尽可能减少等待时间，港口卸货设备利用率最高，让港口业主获得更多利润。从排队的角度解决问题，可以增加问题的广度。

7、模型分析

模型应用到最优化问题：

最优化问题：即包括最优设计(静态优化)，最优运营〔动态优化〕。
为了得到一些合理的答案，使用计算器或可编程计算器来模拟港口的活动。假设相邻两艘船舶到达之间的时间间隔和每艘船舶的卸货时间间隔的分布，则两艘参与船舶到达之间的时间间隔可以是15到145之间的任何数字，并且该间隔中的任何整数都可能出现。然后，在几种常用的仿真算法中，考虑了五艘舰船的错觉。

对每艘船只有以下数据：

因为船1在时钟于t=0分钟计时开场后20分钟到达，所以港口卸货设备在开场时空空闲了20分钟。船1立即开场卸货，卸货用时55分，其间，船2在时钟开场计时后t=20+30=50分中到达。在船1与t=20+55=75分钟卸货完毕之前，船2不能开场卸货，这意味着船2在卸货前必须等待75-50=25分钟。在船2开场卸货之前，船2于t=50+15=65分钟到达，因为船2在t=75分钟开场卸货，并且卸货需45分钟，所以在船2与t=75+45=120分钟卸货完毕之前，船3不能开场卸货。这样，船3必须等待120分钟。船4在t=65+120=185分钟之前没有到达，因此船3已经在t=120+60=180分钟卸货完毕，港口卸货设备空闲185-180=5分钟，并且，船4到达后立即卸货。最后，在船4于t=185+75=260分钟卸货完毕之前，船5在t=185+25=210到达，于是船5在开场卸货前等待260-210=50分钟。

; 8、更改举措与协议

港口是位于海、江、湖、库沿岸的交通枢纽，拥有水陆运输设备和船舶安全进出、靠泊的条件。口岸是水陆交通的集聚点和枢纽，是工农业产品和外贸进出口物资的集散地，也是船舶靠泊、装卸货物、上下客和补给的场所。

以下是港口发展的几个十分重要的条件及其特点：

（1）自然条件、经济腹地要求高
港口建设和发展需要一定的自然条件。优越的地理位置、辽阔的陆水面积、必要的泊位水深、良好的天气等条件，是现代码头长期满载的必要保障。港口的发展还需要具备发达的经济腹地条件，为港口提供稳定的货源。

（2）集疏运条件要求高
现代港口要成为综合交通网络中重要的水陆交通枢纽，就必须拥有完善、顺畅的集疏运体系。一般来说，规模大、方向多、运输距离长或长、货物种类复杂的港口，集疏运体系中的路线更多，运输方式的结构和配送格局也更复杂，反之亦然。

（3）资本投入大、建设周期长
港口属于交通基础设施，具有投资规模大、建设周期长的特点，这就要求进入者必须有较强的资金实力，特别是随着船舶的大型化，沿海港口向近海深水区发展，建设环境更加复杂，进入者的资金实力要求更高。

（4）经营专业化程度高
港口业是交通运输行业中专业化程度较高的子行业，在港口技术、经营管理、商业渠道、客户关系、产品服务等方面更加专业化，增加了新进入者的难度。

（5）政府管制严格
港口作为维持社会经济正常运行的重要基础产业，所提供的服务关系到社会公共利益和国家安全。各国对港口运输业实行比较严格的政府管制，中国也不例外。中国在港口建设、投资等方面严格的行业管理，以及港口特别是主枢纽港口的宏观规划，给进入者带来了一定的障碍。港口工程建设与许多地方的其他土木工程一样，但又有自己的特点。港口工程往往修建在水深浪大的海上或水位变化大的河流上，工程量大、质量要求高、工期短，一些海港还会受到台风或其他风暴的袭击。因此，要求尽可能采用装配度高、施工速度快的工程施工方案，尽可能缩短通水时间。并采取切实措施，确保建筑物在施工期间的稳定性，防止山体滑坡或其他形式的破坏。由于施工方法不当，对风暴的形成机理和破坏缺乏了解，措施不力，施工过程中建筑物损坏时有发生，值得借鉴。

9、参考文献

[1]孟玉珂.排队论基础及应用[M].上海：同济大学出版社，1989.

[2]姜辉，逯昭义.M/M/1排队模型的进一步扩展探讨[J].青岛大学学报：自然科学版， 2005，18(2)：85-88.

[3]王灿灿.排队模型之港口系统
[4]Jerry Banks，John S.Carson，Barry L Nelson 等著. 离散事件系统仿真.：机械工业，2007
[5]<

附录一

编程如下：
clear
cs=100;
for j=1:cs
w(j)=0;
i=1;
x(i)=exprnd(10);
c(i)=x(i);
b(i)=x(i);
while b(i)

附录二

import numpy as np
import warnings
class AHP:
def init(self, criteria, factors):
self.RI = (0, 0, 0.58, 0.9, 1.12, 1.24, 1.32, 1.41, 1.45, 1.49)
self.criteria = criteria
self.factors = factors
self.num_criteria = criteria.shape[0]
self.num_factors = factors[0].shape[0]
def cal_weights(self, input_matrix):
input_matrix = np.array(input_matrix)
n, n1 = input_matrix.shape
assert n == n1, '不是一个方阵'
for i in range(n):
for j in range(n):
if np.abs(input_matrix[i, j] * input_matrix[j, i] - 1) > 1e-7:
raise ValueError('不是反互对称矩阵')
eigenvalues, eigenvectors = np.linalg.eig(input_matrix)
max_idx = np.argmax(eigenvalues)
max_eigen = eigenvalues[max_idx].real
eigen = eigenvectors[:, max_idx].real
eigen = eigen / eigen.sum()
if n > 9:
CR = None
warnings.warn('无法判断一致性')
else:
CI = (max_eigen - n) / (n - 1)
CR = CI / self.RI[n]
return max_eigen, CR, eigen
def run(self):
max_eigen, CR, criteria_eigen = self.cal_weights(self.criteria)
print('准则层：最大特征值{:

二、英文版

不晓得咋导入啊，那就先不导入了TAT

Original: https://blog.csdn.net/m0_52972784/article/details/123165468
Author: 以沐欢年
Title: 数学建模竞赛2022美赛

相关阅读

Title: ImportError: cannot import name LayerNormalization from tensorflow.python.keras.layers.normalization

问题：

导入库时出现错误：ImportError: cannot import name 'LayerNormalization' from 'tensorflow.python.keras.layers.normalization'

在自己笔记本上的深度学习环境中运行CycleGAN网络没有错误，但是显存不够，环境：

Python3.8

Tensorflow2.6.0

keras2.6.0

转到工作站运行，工作站当时下载了深度学习环境是：

Python3.8

Tensorflow2.3.0

keras2.4.3

问题描述：

在keras第一次导入时出现错误

Using TensorFlow backend.

2021-05-15 20:43:16.281415: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cudart64_110.dll
Traceback (most recent call last):
  File "E:/FACULTATE ANUL 3 SEMESTRUL 2/Procesarea Imaginilor/proiect/main.py", line 8, in <module>
    from keras.layers import Conv2D,Dropout, Flatten, Dense,MaxPooling2D, MaxPool2D
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\keras\__init__.py", line 3, in <module>
    from . import utils
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\keras\utils\__init__.py", line 6, in <module>
    from . import conv_utils
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\keras\utils\conv_utils.py", line 9, in <module>
    from .. import backend as K
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\keras\backend\__init__.py", line 1, in <module>
    from .load_backend import epsilon
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\keras\backend\load_backend.py", line 90, in <module>
    from .tensorflow_backend import *
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\keras\backend\tensorflow_backend.py", line 5, in <module>
    import tensorflow as tf
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\tensorflow\__init__.py", line 41, in <module>
    from tensorflow.python.tools import module_util as _module_util
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\tensorflow\python\__init__.py", line 48, in <module>
    from tensorflow.python import keras
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\tensorflow\python\keras\__init__.py", line 25, in <module>
    from tensorflow.python.keras import models
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\tensorflow\python\keras\models.py", line 20, in <module>
    from tensorflow.python.keras import metrics as metrics_module
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\tensorflow\python\keras\metrics.py", line 37, in <module>
    from tensorflow.python.keras import activations
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\tensorflow\python\keras\activations.py", line 18, in <module>
    from tensorflow.python.keras.layers import advanced_activations
  File "C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\tensorflow\python\keras\layers\__init__.py", line 146, in <module>
    from tensorflow.python.keras.layers.normalization import LayerNormalization
ImportError: cannot import name 'LayerNormalization' from 'tensorflow.python.keras.layers.normalization' (C:\Users\My-Pc\AppData\Local\Programs\Python\Python38\lib\site-packages\tensorflow\python\keras\layers\normalization\__init__.py)</module></module></module></module></module></module></module></module></module></module></module></module></module></module>

解决办法：参考以下网站：https://stackoverflow.com/questions/67549661/importerror-cannot-import-name-layernormalization-from-tensorflow-python-ker/67667525

错误原因：

以上链接中表明可能是Python/Tensorflow/keras的版本不匹配导致的

解决：

将工作站的三者的版本改为自己电脑的版本就可以了。

所以最后工作站的环境配成了：

CUDA11.2

cuDNN8.2.0

Tensorflow2.6.0 Tensorflow-gpu2.6.0

python3.8.0

keras2.6.0

部分Python/Tensorflow/Keras的版本对应关系

但是更新一点的Tensorflow和keras的对应关系还没有找到。

Original: https://blog.csdn.net/qq_43608192/article/details/122252588
Author: 张小懒君
Title: ImportError: cannot import name LayerNormalization from tensorflow.python.keras.layers.normalization