数学论文：火车票购票网站优化要点.docVIP

评委一评分，签名及备注 队号： 1149 评委三评分，签名及备注 评委二评分，签名及备注 选题： A 评委四评分，签名及备注 题目：火车票购票网站优化 摘要 随着铁道部售票方式的发展，从传统的窗口售票逐步发展为可通过电话订票或网站订票等多种途径，但旅客在享受便捷的同时又遇到不少问题。本文通过对网站购票模式的分析，建立如下模型，对火车票购票网站进行了优化。 针对问题一，售票网站采用排队的方法对唯一票源进行分配，本文建立数理统计模型，对队列数据的处理速度进行计算，并做出相应的图表，得出该队列每秒最多能处理的数据量。由于系统判定获取号码次数超过3的用户为失败，必须返回重新排队，这就意味着开始排队的人可能买不到票，而后排队者却能买到票，存在一定的错误性，由此得出错误率。 针对问题二，本文结合第一问所得结果，再根据网站的日累计访问量数据，建立了基于蒙特卡洛模拟的M/M/C//排队模型，对2013年1月17日的网站订票请求量数数据进行模拟，得出所需队列数。首先利用蒙特卡洛模拟的动态仿真排队系统，对某一时间段内用户访问情况进行分析，得出用户访问量服从泊松分布，然后根据分布函数计算出单位时间内的用户访问量，最后确定排队系统在服务台数n=4时，可以满足票数为N，错误率小于0.1%，以及队列排队的时间不超过30分钟的要求。 针对问题三，为解决旅客集中登录购票导致系统瘫痪的问题，本文首先建立基于权重分析的模糊综合评价模型，采用因素分析法确定影响网站售票服务的评估因素集，然后利用特尔斐法确定各评估项目中不同评估因素的权重系数，并对现今的分时购票策略的合理性进行模糊综合评判，判定为不合理。接着根据影响网站售票服务的各因素与所规定的售票时间段的关系，建立不完全层次分析模型，通过计算得出放票时间在18点的权重最大，其次是12点这一区段，权重最少的是14点。对分时放票策略进行优化，将重新得到的排队系统的参数值与未优化时的参数作对比，证实了分时的不合理。最后将优化后的分时策略应用到第二问中，得出仍然需要4个服务台才能形成满足要求的队列。 基于现行网络售票系统的运行模式，本文给出了针对网络票务系统的改进建议，使得系统性能可以得到提升。 关键字：蒙特卡洛法 排队论 模糊综合评价 特尔斐法 不完全层次分析法 火车票购票网站优化 问题重述 网站为了应对车票这唯一资源的分配问题，采取排队的方法，即请求到来先获取一个号码等待排队，这样就避免了对车票直接造成死锁。获取一个号码，入队列的过程相对于处理一张车票的过程（包括锁定车票、生成订单、检测支付等一系列操作）是非常快速的。订票网站想要利用一种队列来满足现在的订票需要，题中附件给出了这个队列的测试数据：一个队列的入队列数据和一个队列的出队列数据，这些数据只是测试队列性能使用的，不是预测这一时间网站请求量的依据。 根据资料回答以下问题： 1、根据队列的数据估计该队列每秒最多能处理多少数据，错误率是多少。 2、根据网站日累计访问量数据（见参考资料）和现行的网站分时策略，模拟2013年1月17日的网站订票请求量数据，计算需要多少个队列可以满足需求（总的票数用N表示，要求入队列错误率低于0.1%，要求队列排队的时间不超过30分钟）。 3、评价现行的分时购票策略是否合理，可以如何优化（要求分时不超过10个）根据优化的分时策略重新计算第2问的问题。 4、给网站提出一个建议书，可以包括其他的方面，例如预售期、退票等，不需要建模模型说明。 问题分析 对于问题一，基于网络订票的瓶颈可能出现的问题，即同一时刻访问网站的人数过多，服务器无法响应所有人的请求，导致无法登陆，无法查询车票等问题采取了分时购票，分散了部分请求量。当票源唯一时，网站又采取排队的方法，用户需要获取号码，经历入队列，出队列的过程，题中附件给出了队列的测试数据。本文利用所给数据，采取数理统计的方法，把数据分成10组，每1000次入队列作为一个单位进行一次测试，计算出该队列在各组中每秒所能处理的数据，经对比，从而得出该队列每秒最多能处理多少数据。由于系统无法判断同一张票该判给谁，需要让用户重新请求，当用户获取号码次数超过3，系统直接返回失败不进入队列，导致订票失败。这样强制规定不能确保真正需要订票的人买到票，有一定的错误性，因此得出错误率就是用获取号码次数为4的比总数。 对于问题二，铁路车站售票窗口排队系统是典型的离散动态系统，由于每个旅客都存在确定的到达时间、开始服务时间和完成时间，因此可以用静态的思想来模拟售票窗口排队系统。根据第一问火车票网站每秒的最大处理速度，和系统的错误率的计算结果，以及网站的日累计访问量数据，本文依照现行的网站分时策略，采用基于蒙特卡洛模拟的M/M/C//排队模型进行求解。首先利用蒙特卡洛随机产生到达的旅客的时间间隔，进行模拟在某一时