基于粒子群算法的证券组合投资模型的研究

从证券组合模型的概念,给出证券组合多目标决策模型。并用模糊优选法将证券组合多目标优化转化为单目标优化。同时,重点描述了粒子群算法,并采用自适应变异的粒子群算法对证券组合投资模型进行求解,最后编程实现证券组合模型的最优解,试验结果表明此方法取得了较好的效果。     

武器目标分配决策的粒子群优化算法探讨——基于多层防御模式下

武器目标分配(WTA)是军事运筹学中经典的NP完全问题,迄今为止未找到求精确解的多项式时间算法。针对武器数量、布防空间、运行维护成本以及人力资源等多约束下的多层防御WTA问题,采用粒子群优化(PSO)算法求解。给出了PSO算法实现方案,通过一个算例评估该算法的性能。结果表明,该算法能给出高质量的近似最优解,对求解WTA问题是有效的,且该算法具有较高的鲁棒性和计算效率。     

用蚁群算法求解带交易成本的投资组合模型

证券投资组合优化问题的实质就是有限的资产在具有不同风险收益特征的证券之间的优化配置问题。本文在经典马科维茨投资组合的均值-方差模型框架下,将蚁群算法引入模型求解,提出考虑交易成本的股票投资组合模型。实证结果表明,蚁群算法是一种解决股票投资组合优化问题的有效算法,不同的参数设置对算法运行结果有显著影响。     

演化计算在多目标优化问题中的应用

多目标优化问题是一类很普遍的问题。演化算法是一种通过模拟自然界的生物演化过程搜索最优解的方法．用于求解多目标优化问题有其独特的优势。系统介绍了多目标演化算法特点、需要解决的关键问题、算法框架、算法实现及应用趋势。     

基于DNA进化算法的多目标物流配送路径优化

本文基于建立一种多目标物流配送车辆调度模型的基础上,采用DNA进化算法求解该问题,克服传统算法的求解速率低,易陷入局部最优的问题,为进一步研究物流配送优化调度问题提供参考。     

粒子群优化算法的研究现状与发展概述

粒子群优化算法(PSO)是基于群体智能的一种优化算法。该算法简单易于实现,可调参数少,得到了广泛的研究和飞速发展。介绍了PSO提出的背景、PSO的思想和原理,分析并总结了PSO的优缺点。根据PSO算法研究侧重点的不同,总结了PSO算法的发展现状及特点,分析并展望了PSO还需要完善或继续研究的问题,展望了PSO的研究热点及发展趋势。     

基于偏度的多期证券投资组合模型研究

在考虑资产收益率分布中正的偏度水平前提下,以风险价值VaR为约束条件,并引入非线性交易费用、税收等市场摩擦因素,建立以累积偏度最大为目标函数的多期投资组合优化模型,用罚函数法和PSO算法结合求解此模型,并给出实证分析。考虑到在买卖资产风险时交易费用等对投资收益的影响,投资者应该在每一期都对其资产组合进行调整分析,确保在每一期的开始都建立起符合需要的最优资产组合,这对投资者的连续投资行为具有一定的指导意义。     

多站多星任务调度模型及求解

针对遥感卫星数据接收任务的特征,提出了多站多星任务调度的主要约束条件和优化目标函 数,建立了基于约束满足优化问题的多站多星任务调度模型,采用贪婪算法和约束传播相结 合的方法对多站多星任务调度进行了求解。该优化调度模型及求解算法已成功运用于遥感卫 星数据接收站的日常运行工作中。     

基于混合粒子群优化的编队防空目标分配

针对防空作战中的多批次目标分配问题进行了研究。首先,建立了目标分配的约束 优化模型;其次,提出了一种混合式粒子群优化算法用于问题的求解;然后,给出了问题求 解的详细步骤和粒子群算法的应用规则;最后,基于仿真算法验证了模型的正确性和算法的 有效性及计算实时性。     

基于信用风险修正的多阶段银行贷款组合优化决策模型

针对银行的信用风险和贷款的周期性等问题,建立一个基于信用风险修正的多阶段银行贷款组合优化决策模型,该模型在多阶段模型中考虑了信用风险修正问题,根据模型的特点给出了把Monte Carlo模拟的动态算法和差分进化的多阶段算法相结合的求解方法,前者求解银行各类贷款的期望收益率,后者求解每一阶段银行对各类贷款的最优投资比重。数值试验表明所建立的模型是合理的且符合商业银行的实际操作要求,给出的方法是有效的和可行的。     

库存分配的Agent合作求解算法研究

供应链环境下的库存分配问题是一类典型的组合优化问题,人工智能中的Agent技术为该类问题的求解提供了一种新的思路。本文利用抽象后的多Agent间协调机制描述系统库存分配的运行机制,通过构造的多Agent合作求解算法,实现整体目标与局部目标之间的协调与平衡,达到库存分配系统最优。     

机间数据链系统的功率分配控制方法

针对想定战场中机间数据链网络通信模型的上行链路功率控制问题，采用了一种基于多目标灰狼算法(Multi-objective Grey Wolf Optimizer,MOGWO)的功率控制方法。将功率控制建模为多目标优化问题，以最小化上行链路中各节点功率、使各节点在接收机处的信干噪比值(Signal-to-Interference plus Noise Ratio,SINR)接近目标SINR和最小化通信时截获概率为多目标优化问题建立模型，利用MOGWO求解问题模型Pareto前沿，依据系统选解准则求得最佳解。结果表明，MOGWO、多目标粒子群算法、基于分解的多目标进化算法与多目标蚁狮算法所得解对应各节点SINR的平均标准偏差分别为0.096 8、0.354 4、1.090 0和0.308 3。在恒定功率方法下最远节点处SINR已不满足正常通信需求，验证了MOGWO功率控制方法有更好的稳定性与寻优能力。     

基于GIS和多目标进化算法的应急疏散路径优化

针对现有应急疏散路径规划较少考虑多个决策目标和可视化能力不足的问题,提出一种将GIS(地理信息系统)技术和多目标进化算法结合的模型,建立可以优化应急疏散路径的方案。建立空间多目标优化模型,并用NSGA-Ⅱ多目标进化算法来求解,得出一组疏散路径最优方案。结果表明:该模型在进行应急疏散路径规划上具有可行性,并且有很好的可视化效果,其疏散路径优化结果可直接为决策者制定疏散方案提供参考。     

依据信噪比的雷达信号质量估计

在选取信噪比作为信号质量指标的增强技术领域中，针对如何准确快速对复杂交叠的雷达信号进行信噪比估计的问题，改进了子空间分解算法，并且在求解自相关矩阵特征值时引入了结构简单、迭代速度快的粒子群优化(PSO)算法。通过设置不同的电磁环境场景，分别验证了算法的有效性。对比分析表明算法在低信噪比条件下具有明显的优势，为检验信号增强技术的效果提供了有力支撑。     

一种适用于多信道联合组网的时隙分配新算法

分析了多信道联合组网时隙分配问题的特点,提出分配时隙时应该综合考虑容量需求、负载均衡和分配均匀度三方面因素,并设计了估计该三方面需求满足程度的方法。基于遗传算法,提出了适用于求解该问题的优化算法。仿真试验表明,提出的新算法能够有效求解多信道联合组网环境下的时隙分配问题。     

TD-SCDMA通信基站架设的分层多目标优化模型

从.TD-SCDMA通信基站架设中所涉及的架设成本、通信容量,以及架设时间三方面的不同要求入手,建立经济效益与时间优化的具有优先级的分层多目标非线性规划模型,并给出求解该问题的宽容分层序列算法.最后进行试验,得到了问题的弱有效解,验证了此模型的可行性.     

基于线性加权算法的粮油交易系统设计

在粮油电子商务交易中,用户考虑的因素不仅局限于价格和质量,还有信誉和交通等,这是一个典型的多目标问题。现有的多目标决策的基本方法就是把求解多目标问题转化为求解单目标问题,线性加权算法就是其中的一种。文章结合粮油交易特点,利用 JAVA 开源项目框架技术,实现了一种基于线性加权算法的粮油交易信息查询和决策系统。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上，针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题，提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值，易形成局部极值，同时学习次数较多，需先通过粒子群算法进行优化。为了提高定位精度，首先采用速度常量法滤波处理，然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化，并分析算法的性能。试验中隐层节点个数采用试错法，从12到19变化，以确定合适数目。实验结果表明，与一般加权算法和传统BP算法相比，改进的混合优化算法可大幅改善测距误差对定位误差的影响，同时可使25 m内最小定位误差小于0.27m     

基于改进遗传算法的库存与配送系统联合优化研究

库存与配送联合优化可以提高物流运作效率,有效降低成本,本文基于供应商管理库存构建了一个但供应商对多零售商配送模型,并结合C—W算法,对遗传算法进行改进运用于构建的模型求解,实例验证说明了改进算法对库存一配送问题求解的有效性。     

电网物资仓库选址规划研究

本文以电网物资仓库选址优化为主要研究内容,建立以运费、固定投资费、周转费之和为目标函数,供需关系、辐射范围为约束条件的数学模型,通过遗传算法进行求解,并通过实例分析验证了模型和算法的有效性.