鄭 妮

(安徽新華學(xué)院 動(dòng)漫學(xué)院，合肥 230088)

動(dòng)漫產(chǎn)業(yè)電子商務(wù)戰(zhàn)略指的是通過對(duì)戰(zhàn)略過程進(jìn)行模擬，進(jìn)而實(shí)現(xiàn)在分割的電子商務(wù)環(huán)境下，通過戰(zhàn)略點(diǎn)的移動(dòng)實(shí)現(xiàn)戰(zhàn)略信息的傳遞進(jìn)而制定戰(zhàn)略的過程[1-2].傳統(tǒng)的電子商務(wù)環(huán)境戰(zhàn)略會(huì)表現(xiàn)出極為不穩(wěn)定的狀態(tài)，并且很可能會(huì)失效[3].當(dāng)前對(duì)于多叉樹最優(yōu)解集方法的研究主要是通過冗余機(jī)制進(jìn)行的，以該方法推動(dòng)戰(zhàn)略成功率的提高[4].而如果將戰(zhàn)略信息副本數(shù)量進(jìn)行限定，則對(duì)于攜帶信息的戰(zhàn)略點(diǎn)而言，其轉(zhuǎn)發(fā)效用得以極大提高[5].故此，應(yīng)該如何確定恰當(dāng)?shù)臅r(shí)機(jī)，進(jìn)而進(jìn)行合適的戰(zhàn)略點(diǎn)選擇這是缺陷約束矩陣需要解決的關(guān)鍵問題[6].

為了解決上述問題，有效運(yùn)用最優(yōu)停止方法，來實(shí)現(xiàn)了能夠應(yīng)用于多叉樹最優(yōu)解集戰(zhàn)略的算法，以保證能夠?qū)崿F(xiàn)等待延遲和轉(zhuǎn)發(fā)效用之間的合理折衷，實(shí)現(xiàn)戰(zhàn)略信息的優(yōu)化和總延遲.本文構(gòu)建了動(dòng)漫產(chǎn)業(yè)電子商務(wù)環(huán)境分析以及算法框架，在此基礎(chǔ)上，對(duì)于多叉樹最優(yōu)解集下的轉(zhuǎn)發(fā)戰(zhàn)略算法進(jìn)行了闡述，并且利用模擬實(shí)驗(yàn)來對(duì)算法的有效性進(jìn)行驗(yàn)證.

1 動(dòng)漫產(chǎn)業(yè)電子商務(wù)戰(zhàn)略算法框架

戰(zhàn)略點(diǎn)iV考慮到需要在每一個(gè)時(shí)隙對(duì)戰(zhàn)略道進(jìn)行檢測(cè)，假如說從戰(zhàn)略道空閑中一個(gè)通過戰(zhàn)略得以傳遞，則該通道戰(zhàn)略包含的基本內(nèi)容有戰(zhàn)略點(diǎn)i的編號(hào)以及其與其他戰(zhàn)略點(diǎn)的平均相遇時(shí)間向量其中,ti→d(d∈V)表示i戰(zhàn)略節(jié)點(diǎn)跟d的每次相遇的時(shí)間間隔.但假如此刻j戰(zhàn)略節(jié)點(diǎn)可以得到來自i處的戰(zhàn)略信息，那么首先需要對(duì)戰(zhàn)略點(diǎn)距離矩陣進(jìn)行更新，是NUMNUM大小的矩陣，該矩陣中對(duì)于戰(zhàn)略點(diǎn)之間的平均相遇時(shí)間間隔進(jìn)行了記錄，為矩陣中的列向量，其表示了在一個(gè)時(shí)間點(diǎn)上相應(yīng)的戰(zhàn)略點(diǎn)j平均每次遇到的時(shí)間間隔向量.

slots

(a)戰(zhàn)略節(jié)點(diǎn)相對(duì)距離矩陣 (b)Td觀察值

圖1戰(zhàn)略節(jié)點(diǎn)j的維護(hù)數(shù)據(jù)結(jié)構(gòu)

2 基于多叉樹最優(yōu)解集的戰(zhàn)略因素方法

2.1 根據(jù)多叉樹最優(yōu)解集選擇支撐時(shí)隙

假設(shè)1 假設(shè)在任何一個(gè)時(shí)隙中，所遇i戰(zhàn)略節(jié)點(diǎn)距離目的戰(zhàn)略節(jié)點(diǎn)d的平均相遇時(shí)間，其是屬于獨(dú)立同分布的，構(gòu)成了隨機(jī)變量序列{Ti→d}.

則MED問題，即多叉樹最優(yōu)解集就是選擇一個(gè)時(shí)刻N(yùn)*，使得

(1)

(2)

其中

YN=Ts→d-T1→d-N·T=XN-N·T

(3)

代表了MED問題的收益函數(shù)，同時(shí)依據(jù)假設(shè)1能夠得到XN=Ts→d-Ti→d亦服從獨(dú)立同分布.

命題1 (1)MED問題是存在停止規(guī)則N*的，并且:

N*=min{N≥1:(Ts→d-Ti→d)}≥V*

(4)

(2)V*為如下方程的解:

E[Ts→d-Ti→d-V*]=T

(5)

2.2 多叉樹最優(yōu)解集的存在性證明和求解方法

對(duì)于命題1可以通過多叉樹最優(yōu)解集進(jìn)行證明.

結(jié)合關(guān)于動(dòng)漫產(chǎn)業(yè)電子商務(wù)分析的相關(guān)內(nèi)容，分析收益函數(shù)(3)，能夠得知對(duì)于任何一個(gè)戰(zhàn)略節(jié)點(diǎn)而言，其支撐戰(zhàn)略信息的實(shí)現(xiàn)至少需要經(jīng)過一次探測(cè)才可.因此，N表示了非零自然數(shù)，即存在YN=XN-N·T,N=1,2…接下來，針對(duì)如何使用常規(guī)求解以獲得停止規(guī)則進(jìn)行詳細(xì)說明.

第一，證明多叉樹存在最優(yōu)解集.

1）信息型文本：主要用于表現(xiàn)事物與事實(shí)，包括信息、知識(shí)、觀點(diǎn)等。側(cè)重傳遞原文的內(nèi)容，語言具有邏輯性和指稱性的特點(diǎn)。

參照定理定義，需要達(dá)到以下2個(gè)條件，則能夠證明缺陷約束是存在的：

A1.E{supNYN}<∞
A2.lim supN→∞YN≤Y∞

(6)

根據(jù)YN的定義，我們不難發(fā)現(xiàn)lim supN→∞YN=-∞，而Y∞=-∞，所以lim supN→∞YN≤Y∞=-∞，A2得證；同時(shí)，對(duì)于任意N=1,2,…,SupNYN<∞，所以E{supNYN}<∞必須滿足以上條件，A1證明結(jié)束.

由上述證明可知，回報(bào)函數(shù)必須要同時(shí)滿足A1、A2這兩個(gè)基礎(chǔ)條件，多叉樹的最優(yōu)解集才會(huì)存在.

第二,求解多叉樹最優(yōu)解集.

結(jié)合本文假設(shè)1的內(nèi)容，能夠得到停止規(guī)則：

N＊=min{N≥1:XN≥V*}

(7)

利用優(yōu)化公式，能夠?qū)*進(jìn)行求解

(8)

令

(9)

結(jié)合式(8)和(9)，得到：

(10)

其中，F(xiàn)代表XN的分布.

對(duì)于離散型隨機(jī)變量XN=Ts→d-Ti→d，則有

E(TN-V*)+=T

(11)

綜上，命題1得證.

3 模擬實(shí)現(xiàn)和性能評(píng)估

3.1 場(chǎng)景和參數(shù)設(shè)置

本實(shí)驗(yàn)是在ONE(opportunistic network environment)下進(jìn)行的，對(duì)SFD進(jìn)行模擬分析和性能評(píng)估.并且為了增強(qiáng)模擬效果，引入了Cabspotting項(xiàng)目研究提供的跟蹤出租車軌跡的數(shù)據(jù)集，以此來實(shí)現(xiàn)對(duì)戰(zhàn)略節(jié)點(diǎn)的有效模擬，數(shù)據(jù)集合中記錄的戰(zhàn)略節(jié)點(diǎn)有500個(gè)，每間隔60 s進(jìn)行一次位置信息確認(rèn)，總采集時(shí)長(zhǎng)30 d.同時(shí)還需要對(duì)數(shù)據(jù)集合進(jìn)行分段，來實(shí)現(xiàn)對(duì)多次隨機(jī)實(shí)驗(yàn)的有效模擬，具體參數(shù)設(shè)置如表1所示.

表1 仿真參數(shù)配置

3.2 驗(yàn)證各時(shí)隙上隨機(jī)變量XN的獨(dú)立同分布假設(shè)

利用上述實(shí)驗(yàn)中的假設(shè)1，能夠得出全部的時(shí)隙上Ti→d觀察值的布局大致范圍，然后對(duì)是否達(dá)到獨(dú)立同分布的條件進(jìn)行判斷，在性能評(píng)估時(shí)統(tǒng)一設(shè)置為60 s.將數(shù)據(jù)集進(jìn)行分段合計(jì)分成10 000段，以此表示進(jìn)行的重復(fù)實(shí)驗(yàn)次數(shù)為10 000次.圖2為前3個(gè)時(shí)隙上1號(hào)戰(zhàn)略節(jié)點(diǎn)觀察值分布狀況，能夠得出Ti→d在這3個(gè)時(shí)隙中呈現(xiàn)出幾乎一樣的分布.

如果二維隨機(jī)變量(X,Y)，它的聯(lián)合分布滿足正態(tài)分布，那么可以表明此時(shí)的X與Y的獨(dú)立性和不相關(guān)性是一種對(duì)等關(guān)系，進(jìn)而在試驗(yàn)中衡量彼此之間的獨(dú)立性時(shí)，能夠通過對(duì)其相關(guān)性的分析實(shí)現(xiàn).圖3表示的是相繼兩個(gè)時(shí)隙上Ti→d觀察序列相關(guān)系數(shù)受到的來自時(shí)隙長(zhǎng)度的影響.能夠得出，其相關(guān)系數(shù)維持在0.1以上，同時(shí)系數(shù)的大小也將跟著時(shí)隙長(zhǎng)度的變長(zhǎng)而變小，在時(shí)隙長(zhǎng)度大于了120 s以后,系數(shù)值將會(huì)降為0.

圖2 各時(shí)隙上Ti→d的分布

圖3 相繼時(shí)隙上的Ti→d相關(guān)性

3.3 全局信息和局部信息條件下的性能對(duì)比

根據(jù)上述分析，只根據(jù)局部信息然后進(jìn)行判斷，那么很容易導(dǎo)致額外空間的信息保存，進(jìn)而將會(huì)產(chǎn)生多條選擇路徑，這將產(chǎn)生新的資源浪費(fèi).對(duì)于該問題的顯著程度評(píng)估可以通過圖4表示，其中橫軸表示副本數(shù)目限制，同時(shí)將傳遞開銷界定為：(副本數(shù)-戰(zhàn)略信息數(shù))/戰(zhàn)略信息數(shù)，因此，能夠得出在兩種情況下具有的性能差距并不大.由于局部信息導(dǎo)致基于多叉樹最優(yōu)解實(shí)現(xiàn)的計(jì)算是存在偏差的，并且實(shí)際戰(zhàn)略信息轉(zhuǎn)發(fā)戰(zhàn)略數(shù)與平均相遇時(shí)間Ti→d會(huì)對(duì)偏差程度形成制約.經(jīng)過實(shí)驗(yàn)?zāi)軌虻玫?，如果設(shè)置的戰(zhàn)略數(shù)限制超過了4跳的話，那么會(huì)增加通信成本，導(dǎo)致傳遞開銷大幅上升，進(jìn)而導(dǎo)致成功率下降.如果總體戰(zhàn)略數(shù)比較小，那么針對(duì)全局信息集合與局部信息集合得到的差別是相對(duì)有限的.基于Ti→d是接近正態(tài)分布的,而想要利用多叉樹最優(yōu)解實(shí)現(xiàn)計(jì)算，是必須滿足新戰(zhàn)略節(jié)點(diǎn)加入之后E(mins∈Vm∪{i}{Ts→d})值是減小的，而且戰(zhàn)略數(shù)不斷增加，會(huì)降低其遇到最優(yōu)戰(zhàn)略點(diǎn)的概率.此外，還需要知道次優(yōu)路徑也是有限的，而且并沒有完全浪費(fèi)該路徑上的開銷，進(jìn)而能夠?qū)崿F(xiàn)戰(zhàn)略延遲的有效降低.故此，是否為全局信息，對(duì)于動(dòng)漫電子商務(wù)環(huán)境的性能影響并不突出.

3.4 時(shí)隙長(zhǎng)度對(duì)SFM性能的影響

圖5反映了SFM性能受到的時(shí)隙長(zhǎng)度的影響.分析可得，如果時(shí)隙更小則意味著可以進(jìn)行更加靈敏的戰(zhàn)略因素，延遲、開銷、成功率三項(xiàng)指標(biāo)也都會(huì)變得更優(yōu).然而基于選擇了60 s的時(shí)隙長(zhǎng)度，戰(zhàn)略因素頻率會(huì)隨著時(shí)隙的減小而上升，進(jìn)而導(dǎo)致計(jì)算成本的增加.

(a)投遞延遲

(b)投遞成功率

(c)投遞成本

(a)投遞延遲

(b)投遞成功率

(c)投遞成本

4 結(jié)論

本文基于多叉樹最優(yōu)解集提出了一種戰(zhàn)略因素算法，該算法通過構(gòu)建延遲回報(bào)函數(shù)，來對(duì)延遲閾值進(jìn)行計(jì)算,而如果所遇戰(zhàn)略節(jié)點(diǎn)到目標(biāo)戰(zhàn)略節(jié)點(diǎn)的延遲是大于該閾值的,則需要支撐操作.該算法有效地改善了支撐戰(zhàn)略信息的盲目性，推動(dòng)了傳遞成功率的不斷提高，有效地降低了延遲.并且能夠利用對(duì)副本數(shù)量進(jìn)行控制實(shí)現(xiàn)對(duì)動(dòng)漫產(chǎn)業(yè)電子商務(wù)環(huán)境開銷的控制，因而具有較好的綜合性能.

[參 考 文 獻(xiàn)]

[1] HAMIDI N,RAHCHAMANI A,MORTAZAVI S.Prioritization of strategies in electronic commerce(in iranian internet discount offering websites)[J].Journal of the American College of Surgeons,2014,218(3):1-5.

[2] LI L,CHI T,HAO T,et al.Customer demand analysis of the electronic commerce supply chain using big data[J].Annals of Operations Research,2016,121:1-16.

[3] FLUVI M, RIGALL-I-TORRENT R.Public sector transformation and the design of public policies for electronic commerce and the new economy:tax and antitrust policies[J].Journal of Energy Engineering,2013,121(3):108-124.

[4] YANG K C,HUANG C H,TSAI C W.Applying reinforcement theory to implementing a retargeting advertising in the electronic commerce website[J].European Journal of Neuroscience,2015,40(12):1-5.

[5] PAPASEIT E,PEREZ-MANA C,MATEUS J A,et al.Pharmacodynamics of nicotine from second-generation electronic cigarette[J].Basic & Clinical Pharmacology & Toxicology,2014,115:13-16.

[6] GRIGGS L.E-commerce:an overview of the issues[J].Journal of Molecular Biology,2012,377(5):1607-1617.