历年录取分数
历年录取分数
各地近三年录取分数您好，欢迎来到新东方
2012年认可雅思成绩的院校与分数要求（汇总）
来源：雅思官网
　　2012年都有哪些国家认可了雅思成绩？世界各院校对于雅思成绩的要求又是怎样的？2012年认可雅思成绩的院校与分数要求（汇总）&&（持续更新ing&&）
　　雅思考试凭借其公平、可靠和权威性，国际认可度日益提升。获得全球超过6000所院校认可，如英国、澳大利亚、加拿大、爱尔兰、新西兰、荷兰等国家优先认可雅思成绩，其中澳大利亚学生签证仅接受IELTS成绩。目前在美国已有超过3000所院校接受IELTS成绩（截至2010年7月），如顶级的8所常春藤联盟院校全部接受IELTS成绩。法国、丹麦、芬兰等欧洲国家的英语授课项目也要求雅思成绩。
　　IELTS考生数量近年来一直保持迅速增长，2009年全球IELTS考生人数超过一百四十万，而中国作为考生来源的第一大国，考生人数超过30万，IELTS已远远超越其他同类测试成为全球规模最大的国际英语测试。
　　以下是2012年部分认可雅思成绩的院校与机构列表，新东方网会持续更新最新详细数据
　　其它国家认可雅思成绩的院校及分数要求：
其它国家认可雅思成绩的院校及分数要求
新东方网整理
　　烤鸭问题聚焦：
　　雅思报名相关阅读：
　　更多雅思报名详见&&
&& 我要报班》》
（责任编辑：许爽）
新东方网雅思官方微信：新东方雅思 （微信号：ieltsxdf）
最新考试资讯、雅思预测、雅思解析，请扫一扫二维码，关注我们的官方微信!
新东方雅思辅导专区
版权及免责声明
① 凡本网注明"稿件来源：新东方"的所有文字、图片和音视频稿件，版权均属新东方教育科技集团（含本网和新东方网）
所有，任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他任何方式复制、发表。已经本网协议授权的媒体、网站，在下载使用时必须注明"稿件来源：新东方"，违者本网将依法追究法律责任。
② 本网未注明"稿件来源：新东方"的文/图等稿件均为转载稿，本网转载仅基于传递更多信息之目的，并不意味着赞同转载稿的观点或证实其内容的真实性。如其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。如擅自篡改为"稿件来源：新东方"，本网将依法追究法律责任。
③ 如本网转载稿涉及版权等问题，请作者见稿后在两周内速来电与新东方网联系，电话：010-。
雅思名师辅导
雅思真题解析6214人阅读
DP&&记忆化搜索（8）
【关键字】
0/1分数规划、最优比率生成树、最优比率环
&根据楼教主的回忆录，他曾经在某一场比赛中秒掉了一道最优比率生成树问题，导致很多人跟风失败，最终悲剧。可见最优比率生成树是多么凶残的东西，但是这个东西只要好好研究半天就可以掌握，相信你在看了我写的这篇总结之后可以像楼教主一般秒掉这类问题。
因为网上对于01分数规划问题的详细资料并不是太多，所以我就结合自己的一些理解总结这种问题的解法，因为水平有限，如果有错误或是麻烦的地方，尽管喷，邮箱或是下方留言。
联系我的话，欢迎讨论，请在标题前注明[acm]或是[oi]，以免被垃圾邮件。
【知识储备】
高考数学能考84分以上的同学...... 因为只会用到公式的整理与变形，还有sigma.别说你连sigma都不会，那就没办法了。
01分数规划问题：所谓的01分数规划问题就是指这样的一类问题，给定两个数组，a[i]表示选取i的收益，b[i]表示选取i的代价。如果选取i，定义x[i]=1否则x[i]=0。每一个物品只有选或者不选两种方案，求一个选择方案使得R=sigma(a[i]*x[i])/sigma(b[i]*x[i])取得最值，即所有选择物品的总收益/总代价的值最大或是最小。
01分数规划问题主要包含一般的01分数规划、最优比率生成树问题、最优比率环问题等。我们将会对这三个问题进行讨论。
永远要记得，我们的目标是使R取到最值，本文主要讨论取到最大值的情况。这句话我会在文中反复的强调。
【一些分析】
&数学分析中一个很重要的方法就是分析目标式，这样我们来看目标式。
R=sigma(a[i]*x[i])/sigma(b[i]*x[i])
我们来分析一下他有什么性质可以给我们使用。
我们先定义一个函数F(L):=sigma(a[i]*x[i])-L*sigma(b[i]*x[i])，显然这只是对目标式的一个简单的变形。分离参数，得到F(L):=sigma((a[i]-L*b[i])*x[i])。这时我们就会发现，如果L已知的话，a[i]-L*b[i]就是已知的，当然x[i]是未知的。记d[i]=a[i]-L*b[i]，那么F(L):=sigma(d[i]*x[i])，多么简洁的式子。我们就对这些东西下手了。
再次提醒一下，我们的目标是使R取到最大值。
我们来分析一下这个函数，它与目标式的关系非常的密切，L就是目标式中的R，最大化R也就是最大化L。
F的值是由两个变量共同决定的，即方案X和参数L。对于一个确定的参数L来说，方案的不同会导致对应的F值的不同，那么这些东西对我们有什么用呢?
假设我们已知在存在一个方案X使得F(L)&0，这能够证明什么?
F(L)=sigma(a[i]*x[i])-L*sigma(b[i]*x[i])&0即sigma(a[i]*x[i])/sigma(b[i]*x[i])&L也就是说，如果一个方案使得F(L)&0说明了这组方案可以得到一个比现在的L更优的一个L，既然有一个更优的解，那么为什么不用呢？
显然，d数组是随着L的增大而单调减的。也就是说，存在一个临界的L使得不存在一种方案，能够使F(L)&0. 我们猜想，这个时候的L就是我们要求的最优解。之后更大的L值则会造成无论任何一种方案，都会使F(L)&0.类似于上面的那个变形，我们知道，F(L)&0是没有意义的，因为这时候的L是不能够被取得的。当F(L)=0使，对应方案的R值恰好等于此时的L值。
&综上，函数F(L)有这样的一个性质：在前一段L中可以找到一组对应的X使得F(L)&0，这就提供了一种证据，即有一个比现在的L更优的解，而在某个L值使，存在一组解使得F(L)=0,且其他的F(L)&0，这时的L无法继续增大，即这个L就是我们期望的最优解，之后的L会使得无论哪种方案都会造成F(L)&0.而我们已经知道，F(L)&0是没有任何意义的，因为此时的L值根本取不到。
最后一次提醒，我们的目标是R！！！
如果现在你觉得有些晕的话，那么我要提醒你的就是，千万不要把F值同R值混淆。F值是根据我们的变形式求的D数组来计算的，而R值则是我们所需要的真实值，他的计算是有目标式决定的。F值只是提供了一个证据，告诉我们真正最优的R值在哪里，他与R值本身并没有什么必然的联系。
根据这样的一段性质，很自然的就可以想到二分L值，然后验证是否存在一组解使得F(L)&0，有就移动下界，没有就移动上界。
&所有的01分数规划都可以这么做，唯一的区别就在于求解时的不同——因为每一道题的限制条件不同，并不是每一个解都是可行解的。比如在普通的数组中，你可以选取1、2、3号元素，但在生成树问题中，假设1、2、3号元素恰好构成了一个环，那就不能够同时选择了，这就是需要具体问题，具体分析的部分。
二分是一个非常通用的办法，但是我们来考虑这样的一个问题，二分的时候我们只是用到了F(L)&0这个条件，而对于使得F(L)&0的这组解所求到的R值没有使用。因为F(L)&0,我们已经知道了R是一个更优的解，与其漫无目的的二分，为什么不将解移动到R上去呢？求01分数规划的另一个方法就是
，他就是基于这样的一个思想，他并不会去二分答案，而是先随便给定一个答案，然后根据更优的解不断移动答案，逼近最优解。由于他对每次判定使用的更加充分，所以它比二分会快上很多。但是，他的弊端就是需要保存这个解，而我们知道，有时候验证一个解和求得一个解的复杂度是不同的。二分和Dinkelbach算法写法都非常简单，各有长处，大家要根据题目谨慎使用。
上面啰嗦了这么多，现在给出程序的框架。
二分法&&L:=...;R:=...;&&Repeat&&&&Mid:=(L+R)/2;&&&&For&I=1..X&do&D[i]:=A[i]-Mid*B[i];//根据Mid计算D数组&&&&if&检查（Mid）成功&then&L:=Mid&else&R:=Mid；&&&&Until&abs(L-R)&E&&&&&&
Dinkelbach算法
L:=随便什么东西;&&Repeat&&&&Ans:=L;&&&&For&I=1..X&do&D[i]:=A[i]-L*B[i];//根据L计算D数组&&&&检查解并记录;&&&&p:=0;q:=0;&&&&for&I=每一个元素&do&&&&&&&&如果元素I在解中&&&&&&&&&&begin&&&&&&&&&&&&p:=p+A[i];q:=q+A[i];&&&&&&&&&&&&&&L:=p/q;//更新解&&Until&abs(Ans-L)&E&&
其中检查解的部分是要看具体情况的。
【例题1Poj2976Dropping tests——普通的01分数规划】
大意：给定A数组B数组，从中选择N-K个使得R最大，输出Round(100*R);
分析：限制很简单，只是数目上有所限制，处理方法也很简单，求出D数组后从大到小排列，从先前向后取N-K个即可，这时的D一定是最大的。
二分代码&110MS&1&//&&&&&&perseawe&&&&&&&&2976&&&&Accepted&&&&&&&&896K&&&&110MS&&&Pascal&&1517B&&&&10:09:47&&&&&&Const&&&&&Eps=1e-6;&&&&&&Var&&&&&n,k:L&&&&&Ans:Double;&&&&&a,b,c:Array&[0..]&of&L&&&&&d:Array&[0..]&of&Double;&&&&&&Procedure&I&&&&&var&&&&&&&i:&&&&&begin&&&&&&&readln(n,k);&&&&&&&if&(n=0)and(k=0)&then&H&&&&&&&for&i:=1&to&n&do&read(a[i]);&&&&&&&for&i:=1&to&n&do&read(b[i]);&&&&&&&&&&&procedure&swap(var&a,b:Longint);var&t:Lbegin&t:=a;a:=b;b:=t;&&&procedure&swap(var&a,b:double);var&t:Double;begin&t:=a;a:=b;b:=t;&&&&&&Procedure&Qsort(l,r:Longint);&&&&&var&&&&&&&a,b:L&&&&&&&mid:Double;&&&&&begin&&&&&&&a:=l;b:=r;mid:=d[(l+r)&shr&1];&&&&&&&repeat&&&&&&&&&while&d[a]&mid&do&inc(a);&&&&&&&&&while&d[b]&mid&do&dec(b);&&&&&&&&&if&a&=b&then&&&&&&&&&&&begin&&&&&&&&&&&&&swap(d[a],d[b]);&&&&&&&&&&&&&swap(c[a],c[b]);&&&&&&&&&&&&&inc(a);dec(b);&&&&&&&&&&&&&&&&&&until&a&=b;&&&&&&&if&a&r&then&qsort(a,r);&&&&&&&if&l&b&then&qsort(l,b);&&&&&&&&&&&Procedure&M&&&&&var&&&&&&&m,i:L&&&&&&&L,R,Mid,tmp:Double;&&&&&begin&&&&&&&//2&&&&&&&m:=n-k;&&&&&&&&&&Mid:=0;&&&&&&&for&i:=1&to&n&do&if&a[i]/b[i]&Mid&then&Mid:=a[i]/b[i];&&&&&&&L:=0;R:=M&&&&&&&&&&Repeat&&&&&&&&&Mid:=(L+R)/2;&&&&&&&&&for&i:=1&to&n&do&begin&d[i]:=a[i]-Mid*b[i];c[i]:=i;&&&&&&&&&Qsort(1,n);&&&&&&&&&tmp:=0;&&&&&&&&&for&i:=1&to&m&do&tmp:=tmp+d[i];&&&&&&&&&if&tmp&0&then&L:=Mid&else&R:=M&&&&&&&Until&abs(L-R)&E&&&&&&&Ans:=L;&&&&&&&&&&&Procedure&P&&&&&begin&&&&&&&writeln(Round(Ans*100));&&&&&&&&&&&Begin&&&&&While&True&Do&&&&&&&begin&&&&&&&&&I&&&&&&&&&M&&&&&&&&&P&&&&&&&&&&End.&&
Dinkelbach代码&32MS&1&//&&&&&&perseawe&&&&&&&&2976&&&&Accepted&&&&&&&&896K&&&&32MS&&&&Pascal&&1455B&&&&10:02:32&&&&&&Const&&&&&Eps=1e-6;&&&&&&Var&&&&&n,k:L&&&&&Ans:Double;&&&&&a,b,c:Array&[0..]&of&L&&&&&d:Array&[0..]&of&Double;&&&&&&Procedure&I&&&&&var&&&&&&&i:&&&&&begin&&&&&&&readln(n,k);&&&&&&&if&(n=0)and(k=0)&then&H&&&&&&&for&i:=1&to&n&do&read(a[i]);&&&&&&&for&i:=1&to&n&do&read(b[i]);&&&&&&&&&&&procedure&swap(var&a,b:Longint);var&t:Lbegin&t:=a;a:=b;b:=t;&&&procedure&swap(var&a,b:double);var&t:Double;begin&t:=a;a:=b;b:=t;&&&&&&Procedure&Qsort(l,r:Longint);&&&&&var&&&&&&&a,b:L&&&&&&&mid:Double;&&&&&begin&&&&&&&a:=l;b:=r;mid:=d[(l+r)&shr&1];&&&&&&&repeat&&&&&&&&&while&d[a]&mid&do&inc(a);&&&&&&&&&while&d[b]&mid&do&dec(b);&&&&&&&&&if&a&=b&then&&&&&&&&&&&begin&&&&&&&&&&&&&swap(d[a],d[b]);&&&&&&&&&&&&&swap(c[a],c[b]);&&&&&&&&&&&&&inc(a);dec(b);&&&&&&&&&&&&&&&&&&until&a&=b;&&&&&&&if&a&r&then&qsort(a,r);&&&&&&&if&l&b&then&qsort(l,b);&&&&&&&&&&&Procedure&M&&&&&var&&&&&&&p,q:Int64;&&&&&&&m,i:L&&&&&&&L:Double;&&&&&begin&&&&&&&//Dinkelbach&&&&&&&m:=n-k;&&&&&&&l:=1;&&&&&&&Repeat&&&&&&&&&Ans:=L;&&&&&&&&&for&i:=1&to&n&do&begin&d[i]:=a[i]-L*b[i];c[i]:=i;&&&&&&&&&Qsort(1,n);&&&&&&&&&p:=0;q:=0;&&&&&&&&&for&i:=1&to&m&do&&&&&&&&&&&begin&&&&&&&&&&&&&inc(p,a[c[i]]);&&&&&&&&&&&&&inc(q,b[c[i]]);&&&&&&&&&&&&&&&&&&&&L:=p/q;&&&&&&&Until&abs(L-Ans)&E&&&&&&&&&&&Procedure&P&&&&&begin&&&&&&&writeln(Round(Ans*100));&&&&&&&&&&&Begin&&&&&While&True&Do&&&&&&&begin&&&&&&&&&I&&&&&&&&&M&&&&&&&&&P&&&&&&&&&&End.&&
另外：如果是最小选择N-K个怎么办？ & & && 办法是一样的，从大到小排列序，傻子才多选，能少选就少选。反正F值具体的大小没什么关系，我们只要知道他与0的关系即可。
【例题2Poj2728Desert King——最优比率生成树】
大意：给定一张图，每条边有一个收益值和一个花费值，求一个生成树，要求花费/收益最小，输出这个值
分析：现在的限制就有点复杂了，要求解必须是一棵生成树。而且这道题目要求的花费/收益最小，当然你求收益/花费最大然后反过来也是可以的，注意处理花费为0的情况。如果求最小的，处理方法是也类似的，先求个D，然后做一次最小生成树，显然得到的就是函数值。不过这道题用Dinkelbach比二分好的多。
Dinkelbach代码&&1&//&&&&&&perseawe&&&&&&&&2728&&&&Accepted&&&&&&&&916K&&&&407MS&&&Pascal&&1560B&&&&16:03:10&&&&&&Const&&&&&Eps=1e-6;&&&&&MaxN=;&&&&&&Var&&&&&n:L&&&&&ans:Double;&&&&&x,y,h:Array&[0..MaxN]&of&L&&&&&Use:Array&[0..MaxN]&of&Boolean;&&&&&a,b,d:Array&[0..MaxN]&of&Double;&&&&&&Procedure&I&&&&&var&&&&&&&i:L&&&&&begin&&&&&&&readln(n);&&&&&&&if&n=0&then&H&&&&&&&for&i:=1&to&n&do&readln(x[i],y[i],h[i]);&&&&&&&&&&&Procedure&M&&&&&var&&&&&&&i,m,pos:L&&&&&&&L,tmp,ta,tb,p,q:Double;&&&&&begin&&&&&&&L:=0;&&&&&&&Repeat&&&&&&&&&Ans:=L;&&&&&&&&&//Prim&&&&&&&&&Fillchar(Use,sizeof(Use),False);Use[1]:=True;&&&&&&&&&For&i:=2&to&n&do&&&&&&&&&&&begin&&&&&&&&&&&&&a[i]:=abs(h[i]-h[1]);&&&&&&&&&&&&&b[i]:=sqrt(sqr(x[i]-x[1])+sqr(y[i]-y[1]));&&&&&&&&&&&&&d[i]:=a[i]-L*b[i];&&&&&&&&&&&&&&&&&&&&m:=1;p:=0;q:=0;&&&&&&&&&While&m&n&do&&&&&&&&&&&begin&&&&&&&&&&&&&tmp:=;&&&&&&&&&&&&&for&i:=2&to&n&do&&&&&&&&&&&&&&&if&not(Use[i])and(d[i]&tmp)&then&&&&&&&&&&&&&&&&&begin&&&&&&&&&&&&&&&&&&&tmp:=d[i];pos:=i;&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&Use[pos]:=p:=p+a[pos];q:=q+b[pos];&&&&&&&&&&&&&for&i:=2&to&n&do&&&&&&&&&&&&&&&if&not(Use[i])&then&&&&&&&&&&&&&&&&&begin&&&&&&&&&&&&&&&&&&&ta:=abs(h[i]-h[pos]);tb:=sqrt(sqr(x[i]-x[pos])+sqr(y[i]-y[pos]));&&&&&&&&&&&&&&&&&&&if&ta-L*tb&d[i]&then&&&&&&&&&&&&&&&&&&&&&begin&&&&&&&&&&&&&&&&&&&&&&&d[i]:=ta-L*&&&&&&&&&&&&&&&&&&&&&&&a[i]:=b[i]:=&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&Inc(m);&&&&&&&&&&&&&&&&&&&&L:=p/q;&&&&&&&Until&abs(L-Ans)&E&&&&&&&&&&&Procedure&P&&&&&begin&&&&&&&writeln(ans:0:3);&&&&&&&&&&&Begin&&&&&while&True&Do&&&&&&&begin&&&&&&&&&I&&&&&&&&&M&&&&&&&&&P&&&&&&&&&&End.&&
&最小生成树用了Prim，只要不是实在没办法，还是不要在稠密图特别是完全图上用Kruskal吧。
【例题3Poj3621Sightseeing Cows——最优比率环】
大意：给定一张图，边上有花费，点上有收益，点可以多次经过，但是收益不叠加，边也可以多次经过，但是费用叠加。求一个环使得收益和/花费和最大，输出这个比值。
分析：比上面更加的恶心了。先不说环的问题，就是花费和收益不在一处也令人蛋疼。这时候需要用到几个转化和结论。
& && 首先的一个结论就是，不会存在环套环的问题，即最优的方案一定是一个单独的环，而不是大环套着小环的形式。这个的证明其实非常的简单，大家可以自己想一下（提示，将大环上的收益和记为x1,花费为y1，小环上的为x2,y2。重叠部分的花费为S。表示出来分类讨论即可）。有了这个结论，我们就可以将花费和收益都转移到边上来了，因为答案最终一定是一个环，所以我们将每一条边的收益规定为其终点的收益，这样一个环上所有的花费和收益都能够被正确的统计。
& && 解决了蛋疼的问题之后，就是01分数规划的部分了，我们只需要计算出D数组后找找有没有正权环即可，不过这样不太好，不是我们熟悉的问题，将D数组全部取反之后，问题转换为查找有没有负权环，用spfa或是bellman_ford都可以。这道题目就是典型的不适合用Dinkelbach，记录一个负权环还是比较麻烦的，所以二分搞定。
二分代码&1&//&&&&&&perseawe&&&&&&&&3621&&&&Accepted&&&&&&&&1000K&&&422MS&&&Pascal&&1239B&&&&17:17:40&&&&&&Const&&&&&Eps=1e-6;&&&&&MaxNode=;&&&&&MaxEdge=;&&&&&&Var&&&&&Ans:Double;&&&&&n,m:L&&&&&a:Array&[0..MaxNode]&of&L&&&&&dis:array&[0..MaxNode]&of&Double;&&&&&b,u,v:Array&[0..MaxEdge]&of&L&&&&&d:Array&[0..MaxEdge]&of&Double;&&&&&&Procedure&I&&&&&var&&&&&&&i:L&&&&&begin&&&&&&&readln(n,m);&&&&&&&for&i:=1&to&n&do&readln(a[i]);&&&&&&&for&i:=1&to&m&do&readln(u[i],v[i],b[i]);&&&&&&&&&&&Function&Bellman_Ford(L:Double):Boolean;&&&&&var&&&&&&&i,j:L&&&&&&&Flag:Boolean;&&&&&begin&&&&&&&for&i:=1&to&m&do&d[i]:=-(a[v[i]]-L*b[i]);&&&&&&&for&i:=1&to&n&do&dis[i]:=0;&&&&&&&for&i:=1&to&n&do&&&&&&&&&begin&&&&&&&&&&&Flag:=False;&&&&&&&&&&&for&j:=1&to&m&do&&&&&&&&&&&&&if&Dis[u[j]]+d[j]&Dis[v[j]]&then&&&&&&&&&&&&&&&begin&&&&&&&&&&&&&&&&&Dis[v[j]]:=Dis[u[j]]+d[j];&&&&&&&&&&&&&&&&&Flag:=True;&&&&&&&&&&&&&&&&&&&&&&&&&&If&not(Flag)&then&Exit(False);&&&&&&&&&&&&&&&&Exit(True);&&&&&&&&&&&Procedure&M&&&&&var&&&&&&&L,R,Mid:Double;&&&&&begin&&&&&&&L:=0;R:=20000;&&&&&&&Repeat&&&&&&&&&Mid:=(L+R)/2;&&&&&&&&&if&Bellman_Ford(Mid)&then&L:=Mid&else&R:=M&&&&&&&Until&abs(L-R)&E&&&&&&&Ans:=L;&&&&&&&&&&&Procedure&P&&&&&begin&&&&&&&if&Ans&Eps&then&writeln(Ans:0:2)&else&writeln(0);&&&&&&&&&&&Begin&&&&&I&&&&&M&&&&&P&&&End.&&
因为图省事，所以用了Bellman_Ford。还有就是注意无解的判断，无解时检查会一直不成功的，你懂的。
本来Zoj上还有一道题的，时间不够了就先放过去吧，但是常见的三种01规划我都已经列举到了并给出了常见的处理手段。
算法运用之妙,存乎一心也。数学是最神奇的。强烈建议大家学好数学！
本来还有一个例题0和一个非常巧妙的数学证明的，但是发觉没有什么太大的意义，就省略掉了。大意就是给定A数组和B数组（A、B的元素值都大于0），最小取一个，求最大的R值。显然直接计算所有的A[i]/B[i]取最大值就可以，因为两个分数分子分母对应相加得到的结果一定是小于较大的那个。具体的证明很简单，分类讨论即可。
另一个被我省略的部分就是对Dinkelbach算法的分析，这需要更强的数学分析才行，因为这并不是重点，所以我将其省略掉了。如果有兴趣的同学可以找一下一篇叫做《对于0-<span style="color:#分数规划的Dinkelbach算法的分析》，由武钢三中&吴豪[译]的一篇文章看一下。
最后感谢网上很多大牛的题解和心得，特别是This_poet的题解，第一二题中参考了她的代码，几乎已经是Copy了，见谅。&_&
欢迎大家拍砖讨论，具体看背景。http://www.haogongju.net/art/1426981
————————————————Update：日——————————————
【例题4Poj3155——Hard Life最大密度子图】
大意：给定G=(V,E)求其中的一个子图使得边数/点数最大
分析：详见《最小割模型在信息学竞赛中的应用》作者胡伯涛。
&————————————————Update：日——————————————
【例题5Zoj2676——Network Wars】
大意：给定一张图，规定一个割的平均&#20540;是边权和/边数.求平均&#20540;最小的割.
分析：非常显然，因为是求最小，所以只要对于某个L&#20540;，解空间中最小的一组解满足g(x)=0即可。于是，二分L后改变权&#20540;求解最小割。但是会出现负权的情况，这里需要特殊处理。负权是一定会出现在解中的，遇到负权直接加上即可。如果最小割&0则L增大,反之减少.还有就是注意精度的问题，小心处理。
&【例题6游戏——最大密度子图变种】
大意：给定N个人，可以选择任意多个人，记为K。单个人是没有战斗力的，必须要合体才有战斗力（大雾），给定所有的Aij表示当选择方案同时出现i和j两个人时的战斗力加成。特殊的Aii=0。但是选择人不是没有代价的，代价是k*(200-k).定义这个方案的评分=sigma(A[i,j]|if i,j both selected)/(k*(200-k))。要求最大化评分。
&N&=50...也就是满足选择的人越多代价越多.
分析：显然是一个最大密度子图的模型。但是与一般的模型中，表达式中的分母不仅仅含有点数，更含有一个点数的平方。这是令人非常难受的。问题的核心就在于如何将这个平方蕴含到图里面去。观察到这个图非常的特殊，当选择一些点时，这些点构成的子图是一个完全图，即边数是K*(K-1)/2.哈哈，这里也有一个K的平方，于是问题得以解决了。二分L后整理表达式，将分母上的K的平方蕴含到边权上去。这样就可以转化为一般的最大密度子图。
【一些理解】
从这篇文章写出来到现在也已经很长时间了，对01分数规划问题也有了很多新的看法。
以下是一些个人的理解，很有可能存在错误。大家帮忙看看有没有问题。
01分数规划问题求最&#20540;，但是最&#20540;有两种，一种是最大&#20540;，一种是最小&#20540;。
在我看来，对于每一个L。我们先假定L是确定了的，这时问题还会有很多的方案，每一个方案有其评估&#20540;。我们求最小&#20540;时是找这样的一个L:所有的合法方案中，只有唯一的一个方案评估&#20540;为0，其他的方案评估&#20540;都&0.而最大&#20540;恰好相反，即也是只有唯一的一个方案评估&#20540;为0，但是其他的方案评估&#20540;都&0.
在上面的推导中，我已经说过了，当存在评估&#20540;&0的方案时，说明L是可以增大的。因为计算方案对应的原始表达式&#20540;计算出的L'一定是大于L的，同理，而评估&#20540;&0的方案则是不优的。
虽然题目要求的东西会不同，生成树呀，割呀，子图之类的呀。但是我觉得上面的这个东西是一个通用的玩意，是01分数规划本身决定的，而不是题目决定的。我现在还是有一个概念不是特别明白。先写到这里，欢迎讨论。
————————————————Update：日————————————————————————————
&【例题7Poj3266——CowSchool0/1分数规划&#43;数据结构】
大意:(From )
Bessie考了N科（N≤50000），每科的得分为Ti，满分为Pi（样例&#20284;乎是五科红灯……）。现在Bessie的老师要给她们统计最终得分，方法 是先算出每一科得分的百分比，去除D个百分比最低的科目，然后剩下科目的∑T / ∑P就是最终得分的百分比。很幸运，没有人有两科的得分比一样。Bessie的数学很牛X，她马上就发现她的老师在坑爹，因为有时候可以通过去除不同的科 目来获得更高的分数。现在Bessie想知道，对于哪些D&#20540;，她可以通过去除与老师不同的D科，从而获得更高的分数呢？
题解：显然,Bessie的老师没有看过这篇文章(&_&)。要不他（她）就不会犯这么意识流的问题了。现在题目要求我们给出一个&证据&来证明那些D老师的做法并不是最优的.由上面的一些结论，我们可以知道，只要我们能够找到在老师给定的百分比下的一组解，其&#20540;&0即可,这就证明了存在一个百分比要优于老师的解.这时我们可以用一个巧妙的转化,显然,老师选定的解在加权之后的和一定是0.那么,一个简单的构造方法是找出老师选定中的最小加权&#20540;以及没选定的中最大的加权&#20540;,如果后者大于前者,那么显然将前者更换为后者得到的解&#20540;&0，说明存在更优的解。然后这样的一个问题可以把每一个分数看做平面上的一个点，用平衡树维护凸壳或是充分挖掘单调性后使用栈和队列来维护都是可以快速的完成查找操作的。具体见applepi的题解就好。
这道题就把01分数规划作为一个工具，要求挖掘更加符合这个题目的特性，还是很难的。说实话，这道题是Poj上Usaco题目中最难的一道题目了。
——————————————————————————————————————
你说，我们的存在，永不消逝。对吧？
如果，我们都在努力创造了存在。我们，会幸福的。对吧？
转载地址：
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：44828次
排名：千里之外
原创：49篇
转载：10篇
评论：11条
(1)(1)(1)(6)(4)(8)(4)(2)(8)(1)(4)(19)芝麻信用分数是怎么算出来的？
看普通人的分数一般在 600-700 这两个级别，感觉很像境外的 equifax 的评分。现在传闻的能刷分是否是真的？
按投票排序
日。v1.2；关于阿里社交的说法，确实是我理解有误，做相应修改，同时修订关于credit pull 的相关内容。日。v1.1；匿名用户澄清与阿里无关，相应修改。日。v1.0；初稿。为了这个，我专门打了芝麻信用的客服电话 0571 - 。跟客服美眉聊了好久。把和美眉聊的结果和楼上匿名用户提供的信息以比对，加上与国际通行的 FICO 体系的对比，跟大家汇报一下我的理解，不一定对。另外，希望芝麻信用官方能够公开评价标准体系，信用评分这个东西必须要公开，经得起检验，才能让大家采用，FICO 就有公开的 。而且，一旦成为事实的标准，那阿里在金融领域的地位会更稳固（作为参考， FICO 在美国是上市公司，市值25亿美金，最大的 Credit Bureau Equifax 的市值是100亿美金）。在信用评级的系统里面，个人评级的方法，应该都是和 FICO 体系类似的。FICO Score 的体系，是三大 Credit Bureau （Equifax，TransUnion 和 Experian）都用的系统。具体来说，FICO Score 的主要评级要素如下：1. 违约历史（Payment history），权重 35%。涉及过去的违约记录，例如断供房产被拍卖，被催债（如拖欠信用卡被收账公司追讨）、罚款（法庭判的或者庭外和解都算）、个人破产（这个国内可能没有）、被因为欠税被税务局查封财产（tax lien）等。2. 债务负担（Debt Burden），权重 30%。这个好理解，就是个人的杠杆率，你欠债越多，评分越低。FICO 具体的算法没有公布，但是信用卡信用额度利用率应该是因素之一，比如你长期都只能还最低还款额和每次还全额，差别肯定是会很大。3. 信用历史（Length of credit history），权重 15%。就是你有信用记录的时间越长越好。这个很简单，跑长跑是一项能力，一直保持信用记录也是能力。所以，办一张信用卡，也是有好处的哦。4. 信用种类（Types of credit used），权重10%。这个也好理解。你用过的信用种类越多（信用卡，房贷，消费贷，等等等等），说明你金融知识越丰富，那种每次都全款，不用信用卡，不用贷款的土豪，就要吃亏了。 5. 新申请信用（Recent searches for credit），权重10%。申请信用的过程，就是提高杠杆的过程，比如要买房买车，都是需要申请贷款的，贷款的时候，是需要对你的信用进行一次查询的。即所谓 hard pull。申请一次，会扣一定的分数，对信用分数造成一次负面影响。（当然，FICO 也考虑到了你需要从几个不同银行分别申请，最后决定哪家贷款便宜，在短期连续 hard pull 的时候扣分不是每查一次扣一次，会合并）之后，来对比一下FICO Score 和芝麻信用。1.身份特征（15%）。这个应该是只要实名认证就可以吧？这牵扯到个人隐私的问题，真实性和隐秘性有一个取舍，毕竟，现在中国隐私保护太弱了（想想每天收到的垃圾短信）。2.信用历史（35%）这个可能是看支付宝账户历史和征信系统的数据。支付宝应该是通过数据接口查到人行
的数据，至于人行会不会限制支付宝爬数据，我就不知道了，目测会有限制，银联和银行的人不傻的。3.履约能力（20%），支付宝能够积累的数据还是有限，房贷，车贷，银行存款信息芝麻信用能看到吗？看余额宝？这个指标感觉不太好，因为，余额宝只是个人资产的一小部分。不过，支付宝系已经很努力了，我们都懂的。4.人脉关系（5%）。原来社交是阿里的短板，推的来往不咋地。但是架不住阿里有钱任性，买微博，买虾米，买买买，然后把后台数据打通。同时，支付宝钱包绑定通讯录，开始推好朋友转帐，这些都是实实在在的人脉，而且转帐多的人，多半是熟人，金钱关系那可是比点赞之交更强的联系。所以，这里问题也不大。5.行为偏好（25%）。消费方面，应该是看淘宝系统的消费模式，这个应该是支付宝体系的强项，银行有消费记录，但是在挖掘整合能力上应该不如支付宝系。问题应该不大。和 FICO 的评级要素相比，对个人债务负担，也就是对个人杠杆率的评价是缺失的，这个是一个很重要的指标，但是因为个人的资产负债情况数据积累太少，短时间蚂蚁金服应该还是没有办法的。分析身份特征，特别是信息稳定性，现在人户分离情况这么多，怎么解决信息真实性问题和与信用关联性问题，希望有人能够给一个比较明确的答案。另外比 FICO 多的是分析人脉关系，这个值得商榷。有钱人身边骗子也多啊。总体上，芝麻信用的评价体系和成熟的体系来说，还有不少欠缺，不过，确实是一个非常有益的尝试，也是为社会信用建设作出的一点基础性的努力，如果支付宝系的关系和银行系的关系能够在一个合理的框架内协调好，信息共享，那么，这个体系是能够成为个人信用评价的公共产品的。马云加油。以上。参考阅读：维基
匿了~哈哈，本人不是利益相关哈。芝麻分核心模块5方面：1.身份特征（15%）公安实名认证身份信息信息稳定性……2.信用历史（35%）信用卡还款历史微贷还款记录水电煤缴费罚单……3.履约能力（20%）支付账户余额余额宝余额车产信息房产信息……4.人脉关系（5%）关系圈朋友圈信用水平社交影响力……5.行为偏好（25%）账户活跃度消费层次缴费层次消费偏好……关于数据来源：1.当然是阿里的生态系统喽：阿里小贷、淘宝、天猫、B2B业务、新浪微博数据；2.政府公共部门：公安、工商、税务、移动……等；3.合作机构：金融机构、同业征信等具体有哪些数据源我真不知道，目前看来1、2为主，3不多，详细的还请芝麻说说；具体的数据分布：550-560大致2%左右，陡峭上升；610-620大致占在14%左右，最多；然后平缓下降，740以上的就很小了所以350-550属于较差；550-600属于一般；600-650属于良好；650-700属于优秀；700以上就是极好，极好；根据与外部信用卡账单数据和其他数据对比，分值越高，违约率越低；（所以还是有一定区分能力）除了芝麻分，应该还会有其他查询的，甚至包括可信环境的查询，包括你提供的信息是否真实都是通过数据预测的，以及这些信息的使用场景，还有各种黑名单喽；题外话，目前好像还能通过运营商的数据（基站、通话记录）做更多的预测；当然未来这些东西自然要你授权才能使用，这是基本原则；目前看来芝麻信用还是要做成独立的征信平台，他们也很乐意开展深度合作，安全的问题，和具体的评分细节，以及具体的数据来源我真的不知道，我也是透露点大家都能知道的信息。总而言之，守信的人才是值得交往的人，商业是、做朋友亦是，比较欣赏芝麻说的，让信用成为财富！谢谢！
放一坨PPT吧，据说是给马云汇报用的。金大胖，微信公众号：money-ball ，一枚搞金融和大数据的胖子，关注我会发财哦~
先亮观点，我个人认为芝麻信用是做了比较多原创的东西，因为芝麻信用其实是没有经验可以借鉴的。芝麻信用做的事情是个人征信。按照技术和所用数据的不同，个人征信可以分为传统模式和大数据/互联网模式。FICO的模式就是传统模式，芝麻信用的模式就是大数据/互联网模式。这两种模式都是啥？我举个栗子。比如说，传统征信的逻辑是：你管张三银行借了5000块钱没还+你最近一个月新办了四张信用卡+信用卡总计套现8次，那么你八成是个坏人，负分滚粗；而互联网征信的逻辑是：你微博粉丝9000人+经常在淘宝买书+总是及时确认收货+你的常用收货地址是北京市西城区金融街的高档写字楼，噢，八成是个好人，约吗？归纳总结一下，这两种模式的主要区别（是模式的区别不是芝麻和FICO的区别）：（1）数据来源炒鸡不一样。传统征信是以小数据为基础，主要对财务信息（信贷信息）进行分析，得出信用评分；大数据征信，使用的数据范围非常广：交易、社交、行为……用这些数据对信用主体进行全面深入的分析。另外由于美国传统征信行业的发达，社会各部门之间数据的沟通共享非常顺畅，银行啦信用卡公司啦零售企业啦租赁商啦住房抵押贷款机构啦这些授信机构提供的消费者信用交易和付款记录都是征信机构比较方便能够拿到的。在中国，你猜，阿里能拿到中农工建交的数据嘛？（2）覆盖人群炒鸡不一样。传统征信的覆盖面有一定的局限性。央行征信中心8亿人中，有5亿是没有金融信贷信息（如我，我打工的堂弟，我留英归国不久的老师），大数据征信可以弥补央行征信系统缺少的这部分人群（央行征信是典型的传统征信）。（3）评出来的分数的用途也炒鸡不一样。FICO是金融服务机构，消费者需要FICO分的目的是去银行借钱，而芝麻信用现在都在跟谁合作呢？租车公司，相亲网站，外国海关——芝麻并不局限于帮助客户得到金融服务（甚至它并没有帮客户得到金融服务），而是着力于为大众提供更贴近生活化、日常化的服务，信用评分就好比一张生活中的信用证书。在这个时代，这张信用证书的用途不可估量。我个人的观点是，哪里有O2O，哪里就需要信用证书。需要特别说明的是，以上栗子完全是随便举的，首先要实现这种算法是需要强大的技术支持的，其次理论上可行不代表实践中就可行。具体到芝麻信用，就更不一定了。芝麻信用现有的五个维度楼上的答主们(如) 已经分析得十分清楚明了了，并且我个人认为在芝麻信用分计算过程中权重最大的应该还是支付宝余额宝所呈现的个人财务信息。有答主说希望芝麻公布自己的评分系统，这个我恐怕，芝麻自己估计也还在不断调整自己的评价模型的吧？来来来我引导大家胡猜一下，芝麻推出信用评分产品的MVP是什么呢？在简单模型的基础上，不断调整试错呗。（个人观点，欢迎批评指正~~） 因此，与FICO相比，与芝麻信用真正有可比意义的是硅谷的Zest Finance这种同属于大数据征信的金融机构。但它们其实又有很大不同，这里不细说啦。我一直都觉得，对国家的整个征信体系来说，Zest Finance是锦上添花，而芝麻信用则是雪中送炭。（求阿里给广告费）最后我想说，在传统征信领域，我们国家落后美国几十年，但在互联网征信领域，由于有阿里和腾讯这种互联网巨头的寻在，我们与美国不分伯仲，甚至具备领先世界的可能。（求国务院爱国主义教育办公室给宣传费）是的，据说腾讯的个人征信产品也很快要推出了哦，经常摇一摇的泥萌怕了吗O(∩_∩)O~~、最后的最后我想说，O2O和共享经济一起，推进了这个属于信用的时代。最后的最后的最后，祝我为中国社会信用体系呕心沥血半生的吴老大，身体快快康复起来。
谢邀！在国外，已经有部分国家拥有比较完善且成熟的信用评分系统，我们将美国最为知名的FICO评分与芝麻信用进行对比说明。我们可以先简要比较一下二者的评分标准，芝麻信用分和国外FICO信用评分还是比较相像的，评分规则分别为：先来说说FICO，FICO评分系统设定的信用分数范围在300~850分之间，分数越高说明客户的信用风险越小，但是分数并不能完全说明一个客户信用的好坏。贷款人通常会将FICO评分作为参考，来进行贷款决策。每个贷款人都会有自己的贷款策略和标准，加之根据不同贷款项目产品的不同风险水平，从而决定了可以接受的信用分数水平。一般来说，如果借款人的信用评分达到680分以上，贷款人就可以认为借款人的信用卓著，可以较为容易地同意发放款，如果借款人的信用评分低于620分，贷款人则一般会要求借款人增加担保，或者直接拒绝贷款，如果借款人的信用评分介于620~680分之间，贷款人就要作进一步的调查核实，采用其它的信用分析工具，作个案处理。影响FICO评分的还有几个重要因素：1）偿还历史 影响FICO得分的最重要的因素是客户的信用偿还历史，大约占总影响因素的35%。支付历史主要显示客户的历史偿还情况，以帮助贷款人了解该客户是否存在历史的逾期还款记录。这些记录主要包括：（1）各种信用账户的还款记录，包括信用卡（例如：Visa、MasterCard、American、Express、Discover）、零售账户（直接从商户获得的信用）、分期偿还贷款、金融公司账户、抵押贷款等；（2）公开记录及支票存款记录，该类记录主要包括破产记录、丧失抵押品赎回权记录、法律诉讼事件、留置权记录及判决。其中，涉及金额大的事件比金额小的事件对FICO得分的影响大。在同样的额度下，晚发生的事件要比早发生的事件对得分的影响大。例如，一个发生在上个月逾期60天的记录对FICO得分的影响会大于一个发生在5年前的逾期90天的记录。（3）逾期偿还的具体情况，包括：逾期的天数、未偿还的金额、逾期还款的次数和逾期发生时距现在的时间长度等。据统计，大约有不足50%的人有逾期30天还款的记录，大约只有30%的人有逾期60天以上还款的记录，而77%的人从来没有过逾期，90天以上不还款的，仅有低于20%的人有过违约行为而被银行强行关闭信用账户。2）信用账户数 该因素仅次于还款历史记录对得分的影响，占总影响因素的30%。对于贷款人来讲，一个客户有信用账户需要偿还贷款，并不意味着这个客户的信用风险高，相反地，如果一个客户有限的还款能力被用尽，则说明这个客户存在很高的信用风险，有过度使用信用的可能，同时也就意味着他具有更高的逾期还款可能性。该类因素主要是用于分析对于一个客户，究竟多少个信用账户是足够多的，从而能够准确反应出客户的还款能力。3）使用信用的年限 该项因素占总影响因素的15%。一般来讲，使用信用的历史越长，越能增加FICO信用得分。该项因素主要指信用账户的账龄，既考虑最早开立的账户的账龄，也包括新开立的信用账户的账龄，以及平均信用账户账龄。据信用报告反映，美国最早开立的信用账户的平均账龄是14年，超过25%的客户的信用历史长于20年，只有不足5%的客户的信用历史小于2年。4）新开立的信用账户 该项因素占总影响因素的10%。在现今的经济生活中，人们总是倾向于开立更多的信用账户，以及选择信用购物的消费方式，FICO 评分系统也将这种倾向体现在信用评分维度中。据调查，在很短时间内开立多个信用账户的客户具有更高的信用风险，尤其是那些信用历史不长的人。这项因素主要考察内容包括：（1）新开立的信用账户数，系统将记录客户新开立的账户类型及总数；
（2）新开立的信用账户账龄；（3）目前的信用申请数量：该项内容主要根据用户被查询信用的次数得出，查询次数在信用报告中只保存两年；
（4）贷款人查询客户信用的时间长度；
（5）最近的信用状况：对于新开立的信用账户及时还款，会在一段时间后，提高客户的FICO 得分。
5）用户正在使用的信用类型 该项因素占总影响因素的10%。主要分析客户的信用卡账户、零售账户、分期付款账户、金融公司账户和抵押贷款账户的混合使用情况，具体包括用户持有的信用账户类型和每种类型的信用账户数。FICO分的区间在300~850分之间，不同的得分档次意味着不同的风险。体现在违约率上，FICO分低于600分，贷款违约比例为1：8；信用分数在700~800，违约比例为1：123；信用分大于800分的借款人，违约比例仅为1：1292再来看看芝麻分芝麻分综合考虑了个人用户的信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度的信息。具体如下： 1）信用历史：过往信用账户还款记录及信用账户历史。比如房贷、车贷、信用卡是否按时还款；预定酒店，打车是否未告知商家而擅自取消；
2）行为偏好：在购物、缴费、转账、理财等活动中的偏好及稳定性。互联网的购物行为也会影响芝麻分，比如是否有按时交纳水电费，爱心捐赠记录等；
3）履约能力：享用各类信用服务并确保及时履约。考量的主要是：用户是否具有足够的财富和综合能力来偿还贷款或履行约定。
4）身份特质：在使用相关服务过程中留下的足够丰富和可靠的个人基本信息。你的身份信息是否真实全面可靠，比如学历、职业资格、消费记录等。
5）人脉关系：好友的身份特征以及跟好友互动程度。参考用户好友是否也具有良好的信用记录。按照目前已有的信息来看，芝麻分是通过支付宝积累或者从第三方获取的用户个人数据，按照一定的模型计算得出，不会有任何一个单项信息能够直接或完全决定个人的芝麻分。较高的芝麻分可以帮助个人获得更高效、更优质的服务，像免押金租车、免押金住宿等。对比FICO和芝麻分，我们不难看出二者侧重的不同，FICO评分更多的倾向于依据用户的各项金融行为数据进行判断，芝麻分则更多的参考了用户的互联网行为，拥有更为具体的用户肖像描写。对企业而言，信用评分能够帮助企业实现有效的用户识别，例如互联网金融行业的P2P信用借款服务就参考了FICO的信用评分模式，利用大数据建模和信用评分进行风控，也成为P2P行业的趋势。目前国内知名的P2P平台，如宜信宜人贷等，都对利用大数据技术进行用户信用评级，进而提高风控水平方面进行了卓有成效的探索。实际上，信用评分的意义不仅仅在于准确识别优质用户，更重要的是帮助企业培养出风险定价的能力，从而帮助平台在风险和收益之间找到平衡，实现风险可控。对个人而言，个人信用评分对于现代社会中的个人金融行为有着重要的意义，除了银行，和我们直接打交道的金融机构和金融服务企业将会越来越多。
我是觉得阿里现在未必要现在就对所有人有全面的评分，也不可能做到。目前的内涵应该是“阿里生态圈内评分”，高分其实就是把高富帅从海量屌丝中筛选出来。等以后数据量大了来源广了或者圈子全覆盖了，那时候才有普遍意义。从这个角度来讲，仍然路漫漫。但是一旦真实现了，那也是社会数据全面打通的时候。当然，短期内的目标估计是“想要高信用么？来用我家的产品吧”这点银行应该学习。===================================我是这么理解，目前人行的征信系统还是只限于已经发生的资金方面的问题，对预判方面没有做；新发放贷款都是依靠人工来进行判别风险。而现在的互联网企业搞的信用评估都是根据自己拿到的数据自己建设模型然后预测从未有过信贷业务的人的违约概率，其实更类似于保险公司所遵循的大数定律，在小额信贷方面还是有很大意义的。而且也为这部分客户进入人行征信的视野打造了基础。
芝麻信用评判的五个维度　　1、信用历史：过往信用账户还款记录及信用账户历史　　2、行为偏好：在购物、缴费、转账、理财等活动中的偏好及稳定性　　3、履约能力：享用各类信用服务并确保及时履约　　4、身份特质：在使用相关服务过程中留下的足够丰富和可靠的个人基本信息　　5、人脉关系：好友的身份特征以及跟好友互动程度　　网购消费的偏好、上网行为的习惯……网上留下的这些蛛丝马迹也将成为打分时的依据。　　和传统征信数据主要来源于借贷领域有所不同，脱胎于互联网的芝麻信用数据涵盖了信用卡还款、网购、转账、理财、水电煤缴费、租房信息、住址搬迁历史、社交关系等方方面面。人们在日常生活中点点滴滴的行为，都与信用息息相关。通过长期的积累，这些行为轨迹和细节，都会有助于更全面判断其信用状况。　　据了解，目前，芝麻信用的数据主要有阿里巴巴集团的电商数据和蚂蚁金融服务集团的互联网金融数据，此外，公安网等一些公共机构的数据也会被纳入。　　未来更多个人信息将可以进一步提高信用评分与个人信用状况的吻合度。
不用管它是怎么算出来的，想提高，很简单，投其所好。阿里想推广什么，我们就去使用什么，保证分数提高的快。比如支付宝现在主推社交功能，那就多在支付宝上添加好友，尤其是芝麻信用分高的好友。多跟好友在支付宝上转账、付款、发红包。比如，你可以给朋友转一笔钱，朋友收到账款后立即将款项原封不动转回给你，反复这样刷，分数很快能提升上来。还有，支付宝推出了好友借条，也能刷分，方法和上面的一样。还有，可以多用支付宝交水电煤气电话费，尽量不要更换电话号码和住址。等于告诉阿里，咱们有车有房收入稳定，特别靠谱。多使用阿里系的理财产品，比如余额宝、招财宝，多用支付宝还信用卡。越女用招财宝套现一次，分数提高了30多分。多在天猫、淘宝、聚划算等购物消费，消费时多使用花呗。收货之后及时评价，不要等系统扣款。多使用支付宝钱包上的各种消费应用。比如出去旅游的话，可以用“去啊”。我一个朋友在阿里去啊买了机票，订了酒店房间，出去玩了一圈回来，芝麻信用分就从634涨到了700多。如果你是爱心人士的话，使用阿里爱心捐赠，也可以提高芝麻分。提高花呗额度，还有一个见效特别快的方法——关了再开，越女直接提额2000元。当然，也有个别倒霉蛋儿，听说关了之后再也找不到入口了…为什么咱们要专注的提升信用分呢？这个信用分有什么用？去查查美国的FICO评分吧，很牛的。芝麻信用的目标是做中国的FICO。越女觉得，成功的可能性很大。不过再怎么牛掰，都是以后的事，咱们不做预测。目前来说，芝麻信用分最明显的好处是，可以用来提升花呗额度。开通了芝麻信用，才能用花呗。有了花呗，可以借钱用支付宝买东西，而且免息30天。芝麻信用分越高，花呗额度就会越高，最高可以借到5万块。对于没有信用卡的朋友，这是个很好的福利。另一个好处是，芝麻分在700分以上，可以直接申请新加坡签证，不用再提交资产证明、在职证明、户口本等等一大堆资料了。750分以上可以申请卢森堡申根签证，能在欧盟申根国家自由出入。而且，据说以后英国、韩国、日本等国家，也有希望用这样的办法申请签证。这个福利真是直击痛点。出国旅游过的朋友，应该都懂的。话说，要不是家属签证苛刻，我今天本来应该和妈妈在日本悠哉的旅游才对…….所以，不管是为了现在多弄点花呗额度，还是为了未来的生活便利，都建议你尽可能的提高芝麻信用分。{理财必备·越女读财}微信公众号：ynducai欢迎与我沟通交流，作者是一枚资深“财女”，在财经媒体、金融机构工作多年，理财投资，必须关注！
一，消费二，支付宝的使用频率三，资金流量四，银行信息我主观判断是这样，因为你的银行在支付宝是透明的。
信用评分体系要真正发挥作用，需要有几个基本条件：（一）信用评分体系，这个只是信用评分的基础，这也就是为什么FICO即使公布了它的评分体系一般公司仍然很难与其竞争的原因（二）信用评分数据的整合能力，这个是信用评分最核心的东西，谁掌握的基础数据越准确丰富，谁就真正能赢得优势（三）大环境检查能力，这点可能很容易为大家忽视，比如08年金融危机时，实际上信用评分的效果大大降低了，很多信用积分高的人违约率也大大上升了，因此一个更专业的信用评分公司要建立起对金融市场的监测能力。
已有帐号？
无法登录？
社交帐号登录}