简介：这份报纸为在无线通讯工业手机卡片计划的需求评价和分类提供一条有效、有用的途径。我们使用最大的可能性的评价基于历史的出售数据估计主要需求和每张手机卡片的替换概率。这个评价模型是非线性的，因此我们转变它到一个混合整数由对数的转变和piecewise的线性编程模型线性近似。根据评价结果，我们能做分类计划。考虑到手机卡片的资源是有限的，我们联合优化手机卡片计划的分类和数量。在数字学习，我们在中国把我们的途径用于一个大活动服务供应商并且发现我们的途径能增加这个活动服务供应商的收入23.69%。敏感分析证明活动服务供应商应该提供更多的分类当能被分到每家店的手机卡片的类型是有限的时，增加收入。

简介：这份报纸在无线传感器网络为随机的地评价学习传感器选择问题。作者首先证明选择在D最佳的标准下面最小化评价错误的一套l传感器是NP完全的。作者建议一个反复的算法追求一个非最优的答案。而且，联网以便改进带宽和无线传感器的精力效率，作者与使量子化的大小和研究为一个Gaussian随机的领域建议一个最好的线性不偏的评估者相应传感器选择问题。在未知协变性矩阵的情况中，作者用大小为协变性矩阵建议一个评估者并且也分析这个评估者的敏感。模拟结果显示出建议算法的好表演。

简介：由于连接增加，小世界现象在基于树的无线传感器网络存在。基于树的网络的小世界上的流行病被学习，并且流行病的爆发在发生的流行阀值是计算的。当感染概率比过滤阀值大时，流行病学的过程被分析。尽管不同流行病学的过程发生在内在的树拓扑学上，当感染传播，感染的节点的数字指数地增加。一致免疫过程在同类的小世界的网络被进行。尽管免疫有效地减少流行速度，感染仍然指数地延长。

简介：Wirelesssensornetworkspromiseanewparadigmforgatheringdataviacollaborationamongsensorsspreadingoveralargegeometricalregion.Manyapplicationsimposedelayrequirementsfordatagatheringandaskfortime-efficientschedulesforaggregatingsenseddataandsendingtothedatasink.Inthispaper,theauthorsstudytheminimumdataaggregationtimeproblemundercollision-freetransmissionmodel.Ineachtimeround,datasentbyasensorreachesallsensorswithinitstransmissionrange,butasensorcanreceivedataonlywhenitistheonlydatathatreachesthesensor.Thegoalistofindthemethodthatschedulesdatatransmissionandaggregationatsensorssothatthetimeforallrequesteddatatobesenttothedatasinkisminimal.TheauthorsproposeanewapproximationalgorithmforthisNP-hardproblemwithguaranteedperformanceratio(7Δ)/(Iog_2|S|)+c,whichsignificantlyreducesthecurrentbestratioofΔ-1,whereSisthesetofsensorscontainingsourcedata,Δisthemaximalnumberofsensorswithinthetransmissionrangeofanysensor,andcisaconstant.Theauthorsalsoconductextensivesimulation,theobtainedresultsjustifytheimprovementofproposedalgorithmovertheexistingone.