加尔各答Paise餐厅分布式协调的出现

她没有关于R地区餐厅状况的信息，因此不会修改访问这些餐厅的概率。设Vrt为RRT中在时段t内为客户提供服务的餐厅的子集，并设Wrt=Rr\\Vrt。LetPit=Pj∈Vrtpijtand Qit=Pj∈Wrtpijt。如果Qit=0，即如果客户r不打算在Wrtin期间t访问餐厅，则客户i将其概率向量topij（t+1）=如果j，则为0∈ Vrt，1/| Wrt |如果j∈ Wrt，PIJT，否则。（3） 如果Qit>0，则她修改概率向量topij（t+1）=如果j，则为0∈ Vrt，pijt1+Pitpijt/Qit如果j∈ Wrt，PIJT，否则。（4） 3.4修订协议RP4：关于资源的不完善信息下一步，客户获得的关于t时期内闲置的餐厅集合的不完善信息。假设信息是t时期内闲置的餐厅集合是RIt R、 同时假设闲置餐厅信息的准确度为α，0≤ α ≤ 1、如果α=0，则随机选择的一个稳定器属于RItis 1/e的概率；见【3】。如果α=1，则餐厅在实际闲置时属于RItis的概率为1，否则为0。对于0<α<1，arestaurant属于RItis的概率（1- α） 如果餐厅实际闲置，则为+α/e，否则为α/e。现在，如果在时间段t内未接受服务的客户i认为信息是正确的，即RItis实际上是闲置餐厅的集合，那么她将修改其概率向量，以便分配给RItis 1中所有餐厅的概率质量之和如下所示。设Pt=Pj∈RItpijt。

如果Pt=0，则将另一个概率向量修改为ij（t+1）=1/| RIt |如果j∈ RIt，否则为0；（5） 如果Pt>0，则topij（t+1）=pijt/Ptif j∈ RIt，否则为0。（6） 3.5修订协议RP5：对全球信息的怀疑现在支持向客户提供关于t期间闲置餐厅的正确信息。然而，他们分配了信息正确的概率π。假设t时期闲置的餐馆是RIt R、 如果在t期内未被服务的客户i分配了该信息正确的概率1，则她将修改其概率向量，以便将概率分配给RItis 1中的所有餐厅，如下所示。设Pt=Pj∈RItpijt。如果Pt=0，则r概率向量被修正为Ij（t+1）=1/| RIt |如果j∈ RIt，否则为0；（7） 如果Pt>0，则topij（t+1）=pijt/Ptif j∈ RIt，否则为0。（8） 如果她指定了一个概率0，表示该信息是正确的，她将忽略该信息，因此仅在她无法获得餐厅r的信息时修改她的概率。她将修改概率向量topij（t+1）=如果j=r，则为0，pijt1+pirt/（1）- pirt）否则（9） 现在，由于客户将概率π分配给信息的正确性，客户i的修正概率向量ispij（t+1）=πpij（t+1）+（1- π） 所有j的pij（t+1）∈ R、 （10）3.6修订协议RP6：不相信本协议中的不完善信息，我们假设提供的关于闲置资源集的信息是不完善的，就像RP4中的情况一样。我们还要求客户就信息的真实性在0和1之间指定一个概率值，如RP5。

这可能是不完美信息最现实的情况。接下来，我们将报告本节所述修订协议的模拟研究结果。4秒模拟结果。3我们已经描述了在KPR问题中修改客户概率向量的六种重新设想协议。每一个修订版都会产生两种变体，这取决于曾经被餐厅服务过的顾客是否在随后的所有时期或仅在餐厅为他们提供服务的时间内对该餐厅保持忠诚。在本节中，我们通过模拟测试这些修订协议的有效性。我们通过利用率来衡量修订协议的有效性，利用率是指在一段时间内为客户服务的员工的比例。好的修订协议的利用率分数的值在几次迭代中接近1。顺便提一下，随机选择arestaurant策略的利用率为1- 1/e；见【3】。我们使用的另一个度量是稳定性分数，它是在迭代中保持稳定的客户的吸引力。在每个修订协议的变体1中，在某个时期变得稳定的客户在随后的所有时期都保持稳定。因此，我们预计稳定性比会随着迭代次数的增加而增加。在Var iant 2中情况并非如此，因为只要餐厅为顾客提供服务，顾客就很稳定。因此，在变量2中，稳定性分数等于每个时期的利用率分数。对于我们的模拟，我们将N的值设置为1000。当客户的概率向量按照RP1到RP5到20个周期的描述进行修改时，我们跟踪这两个变量的性能。

当重新调整RP6中描述的客户概率向量时，我们发现在不同的精确度和置信水平下，最终达到的利用率fr行动值，并绘制它们。图1和图2显示了所有六个修订协议的其他变体所获得的利用率分数值的变化情况。图3显示了当按照RP1至RP5至20个周期中所述对客户能力向量进行校正时，第一个变量的稳定性摩擦变化。如前所述，在第二种变体中，稳定性比率等于所有每IOD的利用率分数。图3中的曲线图显示，五个修订方案（RP1至RP5）的稳定性分数在最多20个周期后达到1。这意味着，对于这五个修订协议中的变量1，利用率分数值不会比20个周期结束时的值增加（参见图1和图2中的变量1列）。因此，对于RP1到RP3，当客户没有其他客户或餐厅的信息时，利用率分数的最终值从大约0.8增加到1，当客户有完整的信息时。RP6的结果显示了有趣的结果。我们看到，当对信息的信任度较高时，随着信息准确性的提高，利用率的值也随之增加。当对信息的信任度较低时，利用率不会随信息的准确性发生明显变化。这是可以理解的，因为在这些修订协议中，客户大多忽略了提供的信息。当信息的保密性较低时，我们看到利用率值呈增长趋势。在那里，利用率不会随着对信息的信任度的增加而单调增加。

这可能是因为相信毫无价值的信息能够让客户做出错误的决定。在所有六个修订协议中，我们发现，通过遵循arevision协议的变体2获得的利用率分数优于变体1获得的利用率分数。这表明，如果餐馆不为顾客提供服务，顾客最好重新考虑他们的选择。由于在20次迭代结束时，所有修订协议的变体1的稳定性比率值达到统一，我们知道，在20次迭代结束时，通过遵循这些修订协议获得的利用率分数是从中获得的最佳值。然而，从我们的模拟中不清楚这是否是每个修订版本的变量2的修订协议。