A mixture of Gaussians approach to mathematical portfolio oversight: the EF3M algorithm

An analogue can be made between: (a) the slow pace at which species adapt to an environment, which often results in the emergence of a new distinct species out of a once homogeneous genetic pool and (b) the slow changes that take place over time within a fund, mutating its investment style. A fund’s track record provides a sort of genetic marker, which we can use to identify mutations. This has motivated our use of a biometric procedure to detect the emergence of a new investment style within a fund’s track record. In doing so, we answer the question: What is the probability that a particular PM’s performance is departing from the reference distribution used to allocate her capital? The EF3M algorithm, inspired by evolutionary biology, may help detect early stages of an evolutionary divergence in an investment style and trigger a decision to review a fund’s capital allocation.     

列车运行图冗余时间布局优化方法

列车运行图的动态性能是衡量列车运行图的一项重要指标,冗余时间的布局是影响列车运行图动态性能的关键因素之一。在考虑相关作业的冗余时间之间关系的基础上,从提高列车运行图动态性能和缩短列车旅行时间两方面出发建立了冗余时间布局的优化模型。针对该模型,给出了改进的遗传算法进行求解,并编程实现。最后以优化武汉至广州客运专线列车运行图冗余时间布局问题为例来验证该模型与算法,结果表明通过该模型和算法取得的满意解能够将目标函数值降低10％,在一定程度上优化冗余时间的布局。     

基于免疫遗传算法的物流业路径规划

为了克服遗传算法的缺陷,将生物学中的免疫机制与标准遗传算法结合,提出一种基于免疫遗传算法的物流业路径规划方法.仿真实验结果显示:该方法能够有效求解大规模的路径优化问题,相比遗传算法,免疫遗传算法具有更快的收敛速度.     

基于分层遗传算法的一类非线性规划问题的新解法

关于非线性规划的问题的诸多传统解法中都存在效率较低、容易达到局部最优、甚至找不到最优解的局限性。而基本遗传算法也常常由于本身算法的局限性,在搜索最优解的过程中易早熟,局部搜索能力弱,后期收敛过慢。源于这些缺陷,本论文提出使用分层遗传算法来求解一类非线性规划问题,并通过数值实验,结果表明基于分层遗传算法求解一类非线性规划问题是非常有效的。     

差异演化算法优化灰色模型的负荷预测

传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果会变差,为克服这一缺陷,首先对原始数据进行开次方处理使数据增长变平稳,再将差异演化算法与GM(1,1)模型相结合,利用差异演化算法求解GM(1,1)模型中的参数。电力负荷预测实例结果表明该模型具有较高的预测精度和较广的应用范围。     

Aprior算法的改进及其在高职学生就业中的应用

Apriori算法是一种最具有影响力的挖掘布尔关联规则频繁项集的算法。然而,在产生频繁项集时,需要多次扫描事务数据库,并产生庞大的候选集。为了降低算法的时间复杂度,提高程序运行效率,提出了一种改进的Apriori算法。同时,以某一高职院校中已毕业学生和在校生的就业信息为基础,建立了就业事务数据库,运用改进的Apriori算法对就业数据进行处理,产生了频繁项集。根据最小支持度和最小置信度的定义,找出强关联规则。并引入重要性对强关联规则进行分析,发现具有实际意义的信息,为高职学校就业指导提供决策,为学生就业提供了若干意见。     

基于文化基因算法的组合拍卖竞胜标决定问题研究

针对组合拍卖竞胜标决定问题(WDP)这一NP难题,提出利用文化基因算法(Memetic Algorithm)对其进行求解。结果表明其在求解该问题上相比遗传算法、模拟退火算法具有稳定性好,求解质量高,收敛速度快,运算效率高的特点,能够提高组合拍卖的效率。     

采用压缩感知的直扩测控信号处理

鉴于扩频测控系统宽带化带来的高速采样压力和高数据率问题,研究了基于压缩感知的直扩测控信号处理方法。通过深入分析直扩测控信号稀疏性,构造了延时-多普勒基字典,提出了基于压缩感知直扩测控信号处理框架,并针对直扩测控信号特点给出了改进正交匹配追踪重构算法,最后针对该信号处理方法的可行性和性能分别进行了仿真实验。仿真结果不仅验证了方法的可行性,同时表明可以在不影响解调性能条件下大幅度降低采样率或数据率,并具有一定的降噪效果,这将为直扩测控通信系统提供一种高效的模数转换和同步解调处理方式。     

基于MAMP模型的HVU算法

提出利用混合P2P（Mixed Peer to Peer）架构结合MA（Mobil e Agent）技术解决移动计算环境下数据可靠收敛问题,在此基础上建立了MAMP（Mobile Agent and Mixed Peer Model）模型。分析了模型的系统结构和核心技术,重点阐述了MAMP模型的同步策 略——HVU( Highest Votes to Update)算法,给出了严格的数学证明。实验结果表明, 该模型基础下的算法具有较高的可靠性。     

一种适用于大数逻辑可译LDPC码的自适应译码算法

大数逻辑可译低密度奇偶校验(LDPC)码是一类具有较大列重的码,针对此类特殊的LDPC码,提出了一种基于整数可靠度的低复杂度自适应译码算法。在译码的过程中,算法对每个校验节点分别引入不同的自适应修正因子对外信息进行修正。仿真表明提出的自适应译码算法的性能与和积译码算法的性能相当,在误码率(BER)约为10－5时两种算法性能之间仅有0.1 dB的差异。所提算法具有复杂度低、可并行操作、全整数的信息传递等优点,十分有利于工程实现。