租車新聞

　　在汽車租賃行業中，對無約束維修的研究較少，而航空客運等相關行業的研究較多。將最大期望算法應用于航空旅客需求“約束數據”的無約束估計。濟南租車公司在需求約束和數據丟失的情況下，利用EM算法成功地解決了無約束估計問題。

　　投影減損(pd)與em相似，它包括兩個步驟。不同的是，pd的e步采用參數r的啟發式算法，濟南租車公司但由于em方法的固有特性，如果初始值設置不合理，修復效果將不理想。結果表明，PD方法比EM方法更靈活。S和Ivan提出了早期單艙泄漏模型。為了解決航空客運需求的無約束估計問題，研究了溢油模型的幾種分布，發現正態分布更適合于SPIU模型。

　　采用正態分布的EM算法和PD算法成功地解決了航空約束要求的問題。研究表明，濟南租車公司兩種方法均具有良好的修復效果。提出了多艙溢油模型，比較了不同需求水平下的單艙模型和多艙模型。結果表明，多艙模型可以避免重復記錄引起的實際數據估計過高的問題。在無約束修復方法的比較研究中，比較了直覺法、預定曲線法和電磁法。指出電磁法比其他方法更有效、更收斂、更準確。

　　結果表明，EM方法和DES方法是修復數據的最佳方法，濟南租車公司但當歷史數據較少或所有要求都受到限制時，DES方法優于EM方法。對泄漏模型的無約束修復過程和EM算法進行了仿真比較。結果表明，當需求不穩定時，EM算法優于溢出模型。