证券投资组合优化问题研究——基于资产定价理论

资产定价理论的核心问题是如何确定资产的期望收益和风险。其中,资本资产定价模型和套利定价理论是常见的模型和方法。在基于资产定价理论的证券投资组合中,需要考虑资产类别选择和投资比例限制,并定义目标函数。优化算法包括均值—方差模型和更高级的算法,如进化算法和粒子群优化算法。改进方向包括考虑非理性行为因素、市场微结构因素和动态调整的优化模型。     

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。     

基于理想有效解分析的证券组合投资模型研究

证券投资问题通过数学建模大多转化为多目标优化问题,而求解这些多目标优化问题,目前还没有有效的方法。本文提出在PSO算法中加入惩罚项,同时对局部极值与全局极值作进一步的调整,使PSO算法适用于求多目标优化问题理想有效解,该算法为证券组合投资分析提供了一种全新的途径,最后结合实际数据,利用Matlab语言编程仿真求解并取得了良好的效果。     

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。     

MIMO系统中改进的二进制粒子群天线选择算法

在多输入多输出系统中,发射端和接收端的多天线配置提高了信道容量和传输可靠性,而天线选择技术能在保持系统优点的同时有效地降低运算复杂度以及硬件成本。为了能在时变的信道条件下快速地选择出一组最优的天线子集,提出了一种基于二进制粒子群算法的改进的天线选择算法。推导出了二进制粒子群联合收发端天线选择的信道容量公式,并将其作为粒子群算法的适应度函数,使天线选择问题转换成二进制编码串的组合优化问题。通过改进模糊函数提高粒子群算法的收敛性,让二进制粒子群尽可能地收敛于全局最优位置。仿真结果表明,改进的算法能在降低运算复杂度的同时提高收敛性,且系统信道容量趋近于最优算法。     

墙体参数模糊下穿墙雷达运动目标成像

针对墙参数模糊条件下运动目标成像速度慢、墙参数重建精度差等问题,提出了一种改进拟牛顿-粒子群优化(Limited Broyden Fletcher Goldfarb Shanno-Particle Swarm Optimization,LBFGS-PSO)算法,建立了LBFGS-PSO算法模型,解决了传统拟牛顿算法和粒子群算法计算速度慢、误差较大等问题。该算法与块正交匹配追踪（Block Orthogonal Matching Pursuit,BOMP）算法相结合不仅可以精确重建边墙位置,还能够准确地重建多径效应环境中的运动目标和静止目标,算法的计算速度和精度得到了一定程度的提高。仿真结果和数据分析验证了所提方法的性能。     

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。     

基于离散粒子群算法的快递公司城市多级配送网络布局优化

以总费用最小化为目标,综合考虑配送时效性要求和逆向物流,建立了针对城市多级配送中心的布局优化模型,并设计了运用GIS空间数据和离散粒子群算法的求解过程。     

改进的粒子群算法在VRP中的应用

运输调度问题在理论和实践方面都是一个难题。粒子群算法是一种可以解决复杂组合优化问题的有效求解算法。提出了改变惯性权重的粒子群算法,并应用该方法用于求解典型的运输调度问题,结果表明,所提出的方法不仅能得到理想的结果,而且减少运算时间。     

抗震救灾应急物流配送中心布局动态优化研究

深入分析抗震救灾应急物资需求的动态变化,以投入最小配送力量规模为目标,构建了抗震救灾应急物流配送中心布局动态优化模型,设计了运用GIS空间数据和离散粒子群算法的求解过程。     

多信道认知用户能量高效的最优功率分配

针对多信道认知用户能量效率问题,提出认知用户能量效率优化模型,进而优化传输功率和感知帧长。首先,多信道认知用户基于多带宽联合能量检测方案,在一定传输功率和干扰功率限制下,建立了以单位数据能耗为目标的最优化问题;其次,通过非线性分式规划的对偶优化将目标函数转换为内点法求解形式;然后,结合内点法和二分法给出算法流程,进而配置最优功率和感知时间。仿真结果表明,对应不同通信环境采用该优化方法都能通过配置最优功率和感知时间达到能量效率最优。     

A NOTE ON THE QUANTILE FORMULATION

Many investment models in discrete or continuous‐time settings boil down to maximizing an objective of the quantile function of the decision variable. This quantile optimization problem is known as the quantile formulation of the original investment problem. Under certain monotonicity assumptions, several schemes to solve such quantile optimization problems have been proposed in the literature. In this paper, we propose a change‐of‐variable and relaxation method to solve the quantile optimization problems without using the calculus of variations or making any monotonicity assumptions. The method is demonstrated through a portfolio choice problem under rank‐dependent utility theory (RDUT). We show that this problem is equivalent to a classical Merton's portfolio choice problem under expected utility theory with the same utility function but a different pricing kernel explicitly determined by the given pricing kernel and probability weighting function. With this result, the feasibility, well‐posedness, attainability, and uniqueness issues for the portfolio choice problem under RDUT are solved. It is also shown that solving functional optimization problems may reduce to solving probabilistic optimization problems. The method is applicable to general models with law‐invariant preference measures including portfolio choice models under cumulative prospect theory (CPT) or RDUT, Yaari's dual model, Lopes' SP/A model, and optimal stopping models under CPT or RDUT.     

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。     

Time-dependent demand and utility-sensitive sale price in a retailing system

In this paper, we address a variation of economic order quantity model where product has an expiration date and its demand is a descending function of product's lifetime. In addition, sale price of product is considered as a descending function of the product's lifetime which is derived from its continuous utility deterioration. This model is useful for retailing managers in dealing with perishable goods such as vegetables, fruits, etc. Because of the parameters-dependent structure of the developed model, the closed form of the optimal ordering policy may not be derived. General optimization on the objective function can be done by any mathematical optimization software or numerical methods. Effectiveness of the proposed model is presented through several numerical examples and sensitivity of the key parameters of the model is analyzed.     

无线网络自动优化模型的知识获取

给出了移动通信无线网络自动优化系统的体系结构，提出了一种知识获取，即利用贝 叶斯概率模型构建无线网络自动优化模型的方法和过程。理论分析表明，该方法是可行的。 对于当前和未来移动通信无线网络自动优化的实现，该方法具有一定的理论指导意义和 实际应用价值。     

应用萤火虫算法的混沌信号盲源分离

针对现有的独立成分分析法分离混合混沌信号精度不理想的问题,提出了一种新的混沌信号盲分离方法。该方法以求解最优解混矩阵为目标,利用峭度构造目标函数,将混沌信号的盲源分离转化为一个优化问题,并用萤火虫算法求解。同时,通过预白化和正交矩阵的参数化表示降低优化问题的维数,能有效提高分离精度。仿真结果表明,无论是处理混合的混沌映射信号还是混合的混沌流信号,该方法都能快速收敛,并且其分离精度在各项实验中都优于独立成分分析法等现有的盲源分离方法。     

基于攻击策略的复杂网络拓扑结构优化模型

针对不考虑攻击策略时以自然连通度作为复杂网络抗毁性测度存在的缺陷,用节点的改进总连通度作为目标函数建立了基于按度攻击策略的复杂网络拓扑结构优化模型,并运用收敛速度较快的自适应局部增强微分进化算法（ADMPDE）对复杂网络的拓扑结构优化进行仿真分析。仿真结果验证了该模型的合理性和算法的适用性,优化后的复杂网络的度大节点比例提高了32%,其抗毁性得到明显改进,并得到一些有意义的结论。相关内容可为该领域的进一步研究提供有价值的参考。     

一种改进的大规模MIMO发射天线选择算法

为了降低天线选择算法在大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统下的误码率和复杂度，以用户端接收的总功率为优化目标，提出一种最大化所有用户接收总功率的天线选择算法。该算法将优化目标函数转化为凸函数，并利用凸优化方法求得其有效解。仿真结果表明，所提天线选择算法与传统的最大和容量算法相比，具有较好的系统误码率性能，且运算复杂度低，但系统容量有所降低。     

计算机综合性能估计及评价

为使计算机的系统综合性能实现优化,需对其总体性能进行定量检验与评价,在众多测试方法中,本文推荐使用基准程序法(Benchmarking),此种方法能对系统性能作出比较切合实际和比较客观的评价.通过一些资料所公布的,关于一个逐步升级的实用系统的测试结果,可体会到不同的系统资源搭配可能对系统的影响.从中可找到系统内部信息传输过程可能遇到的局部"瓶颈"效应.并可预计应采取何种措施予以克服.     

一种大规模发射阵列的稀布方法

为了提高大规模发射阵列的优化效率和降低大规模发射阵列的散热压力,提出了一种基于子阵和交替迭代的大规模发射阵列稀布阵方法。首先给出了大规模发射阵列基本子阵结构的确定原则,接着建立基于基本子阵结构的优化模型,之后交替迭代地对基本子阵结构的中心位置进行优化,在优化过程中各基本子阵结构的中心位置的移动总是使得发射阵列方向图函数的最大旁瓣最小。仿真实验表明,提出的大规模发射阵列稀布阵方法能够较快地收敛到较优的结果。