非线性互补问题计算机实现

分析了非线性互补问题求解困难，利用粒子群算法并结合极大熵函数法给出了该类问题的一种新的有效算法。该算法首先利用极大熵函数将非线性互补问题转化为一个无约束最优化问题，然后应用粒子群算法来优化该问题，计算机程序实现表明该算法是有效的。     

基于熵思想的改进型TOPSIS法在财务评价中的应用

针对传统逼近理想解排序法(TOPSIS法)存在的缺陷和局限性,本文提出了一种改进型TOPSIS法:补充关于区间型指标的处理,以弥补传统TOPSIS法对方案排序的不足,并运用熵思想进行各项指标权重的确定;同时结合实例,说明如何应用基于熵思想的TOPSIS法来评价企业财务管理效果。     

基于结构熵模型的汽车生产设施布局优化评价研究

对汽车生产设施布局优化是汽车制造企业提高运作效率、降低成本、减少物料搬运距离和时间的有效途径之一。而对汽车生产设施布局优化进行评价研究可验证其优化的有效性。本文以某整车制造企业生产设施布局为研究对象,首先通过SLP法对现有计划方案的布局进行优化,然后运用结构熵模型对优化前后的生产设施布局进行评价对比,根据其时效熵、质量熵和有序度的计算结果证明优化的有效性。     

基于熵权的TOPSIS供应链合作伙伴选择方法

在给定供应链合作伙伴选择指标体系的基础上,提出基于熵权的TOPSIS供应链合作伙伴选择方法,该方法对指标中的主观指标与客观指标的熵权进行计算,并在计算主观指标熵权时引入了度量犹豫度的参数,提高了对主观指标评价的准确性,然后通过给出主观指标和客观指标的权数确定各个指标的最终权值,在此基础上建立逼近理想解的排序方法的评价模型,从而实现对供应链中各合作伙伴的评价并从中选择出最优的合作伙伴。     

三因素常替换弹性生产函数研究

目前,在我国广泛应用着两种类型的生产函数。一类是分析固定资产和劳力两因素对产值影响的柯布——道格拉斯(C—D)生产函数;另一类是投入产出分析中应用的列昂节夫生产函数,或称固定比例生产函数。实际上这两类生产函数都是常替换弹性生产函数(CES)的特例。当固定资产和劳力之间的替换弹性趋于1或0时,可以分别得到C—D或列昂节夫生产函数。     

从学品看人品——点滴追忆刘源张先生

因为工作的关系，曾有两次请刘老为译著作序的经历。 第一次大概十几年前了吧，中国质协组织翻译美国质量学会《注册质量经理手册》，厚厚的一本英文书。我们按一般请“大家”作序的惯例，草拟了书序的内容，送到刘老家里，原想请刘老看看稍做修改就定稿签名了，没想到刘老看都不看就要原著，并很严肃地表示自己写东西从不用人代笔，而且不研读原著也不能作序。     

张量方法在无约束优化中的一种有效应用

将目标函数是二次模型的范数的优化问题转化成四次张量优化问题,以便用相应的张量方法求解。     

基于RBF神经网络的负荷预测研究综述

负荷预测是实现电力系统优化运行的基础,对于电力系统的安全性、可靠性和经济性都有着显著的影响。RBF是一种三层前馈神经网络,具有良好的函数逼近性能,已被广泛应用到电力负荷预测中,并取得良好的效果。本文主要整理并介绍当前基于RFB神经网的负荷预测方法,对存在的问题进行了分析,并对未来的发展进行了展望。     

非均衡数据下基于BPNN-LDAMCE的信用评级模型设计及应用

研究目标:非均衡样本信用风险的有效预测。研究方法:针对反向传播神经网络BPNN交叉熵损失函数在非均衡样本信用评级中对非违约样本识别过度、违约样本识别不足的现象,利用标签分布交叉熵(Label Distribution Aware Margin Cross Entropy,简记LDAMCE)函数对交叉熵损失函数进行改进,并采用两阶段方式对BPNN模型进行训练,构建基于BPNN-LDAMCE的信用评级模型;基于多模型对比思路,验证BPNN-LDAMCE模型对中国某金融机构1298笔真实贷款数据信用风险预测的有效性;利用UCI公开的A地区、B地区信贷数据,检验BPNN-LDAMCE模型的稳健性。研究发现:BPNN-LDAMCE在保证对非违约样本识别力的同时,提升了对违约样本的预测准确率。研究创新:通过测算非违约、违约样本到分类面的“最优分类间隔”γ₁~*、γ₂~*,利用γ₁~*、γ₂~*对交叉熵损失函数进行改进,构建基于“最优分类间隔”的BPNN-LDAMCE信用风险评价模型,既可提升BPNN信用评价模型...     

多层框架抗震最优设计

关于结构抗震最优设计的一般概念可见文献[1].通常,在采用非线性规划方法以获取最优解时,需要选用合适的优化方法.目前解决工程非线性问题的方式,大致有三类途径:第一类是用线性规划去逐次逼近原来的问题,叫做序列线性化(SLP);第二类是直接处理约束,例如可行方向法、梯度法等;第三类是将约束问题转比为一系列无约束最优化问题(SUMT).各类方法的选用要尽量使设计的结构在优化进程中精度高、收敛快,同时又要顾及目标函数不易求得,甚至导数不存在时,就需要采用所谓“直接搜索法”去寻找最优解,或是用差分去接近导数,但一般情况下它的精度与收敛程度较差,同时不允许结构具有太多的设计变量,因而在工程应用上往往会受到一定的限制.     

基于最大熵原理的地铁换乘站乘客流线优化模型

合理的乘客流线设计是地铁换乘站客流组织的关键技术之一。通过引入乘客流线优化测度熵的概念,基于最大熵原理,将乘客流线优化抽象为最大化测度熵的非线性约束优化问题,并构建了乘客流线优化模型。算例结果表明,不同O-D需求下,由于流线方案与换乘站建筑空间布局匹配程度的不同,导致流线方案集合Г的概率分布p(xj)差异显著。     

利用人工序列多次分辨谱分析方法对中国国内生产总值进行波动分析

本文首先介绍人工序列多次分辨谱分析方法,然后将该方法应用于对中国GDP的研究,建立中国GDP的时间序列模型,并对中国GDP指数进行预测。 一、人工序列多次分辨谱分析方法 我们知道,确定性的周期函数在一定条件下可以由一些正弦函数和余弦函数叠加而     

基于支持向量机的非线性系统多步预测控制

以支持向量机实现的递推多步预测输出值为基础,将系统的实际多步预测输出值按泰勒公式展开,实现对预测输出值的二次逼近。通过对目标函数极小化,求得相应的多步预测控制值。在辨识与迭代预测时,采用最小二乘支持向量机。分析了闭环系统的稳定性,仿真实验表明该方法实现简单,具有很好的快速性和稳定性。     

生态系统稳定性统计模型分析运用

本文通过应用熵及熵生产率的原理,采用矩阵,李亚普诺夫函数和微分方程来测定生态系统的线性系统与非线性系统的稳定性,并应用农业生态系统稳定性测算案全来说明该原理的具体应用。     

GM(1,1)预测模型中原始数据的函数变换研究

灰色预测模型是灰色系统理论的重要内容之一,也是预测理论中被广泛使用的一种预测方法。为了提高预测精度,需要对原始数据序列作数据处理,提高数据序列的光滑度,本文主要是对灰色预测GM(1,1)模型利用函数变换理论对其原始数据函数变换处理进行研究,并对进过函数变换原的数据精度进行比较。     

熵权模糊综合评价方法在环境会计计量中的应用

环境会计要素的准确计量是环境会计实施的关键,文章在考虑熵优化理论及模糊数学相关理论的基础上,提出了基于熵权值的模糊综合评价模型;利用熵优化理论确定了各指标的权值,同时运用模糊综合评价方法对相关指标进行了模糊处理,为环境会计的计量提供一种参考;最后通过对辽宁省鞍山市水资源价值的计算,证明了该模型在实践中的可行性.     

基于齿轮阶次密度优化的变速器降噪研究

研究了齿轮阶次密度对变速器噪音品质影响程度,在此基础上,结合阶次密度与转速、频率、阶次之间的函数关系,建立了阶次密度求解数学模型。结合实例,对变速器噪音性能进行数值计算与试验分析,对比表明所建模型的有效性,分析了优化齿轮阶次密度前后变速器噪音性能的变化,进一步揭示出优化齿轮阶次密度的深远意义,为研究和提升变速器整体NVH性能提供了重要的理论依据。     

基于混合智能算法的仓库有限容量下随机存贮模型

针对仓库容量有限条件下的随机存贮管理问题,通过找出商品在销售进货过程中会出现的全部可能,确定得到总损失最小的方法,然后以最优订货点作为决策变量并确定约束条件,建立优化决策模型。采用基于随机模拟的混合智能算法对该决策模型进行求解。对模型中的不确定函数进行随机模拟,使用由其产生的一组输入输出数据来训练神经网络对该不确定函数进行逼近,然后将该神经网络作为适应度函数嵌套于遗传算法中,最后应用遗传算法解得模型的最优解。通过计算机仿真得到所需要的最优方案。实验表明,文中提出的基于混合智能算法的仓库随机存贮模型,较好地解决了实际应用中的仓库容量有限的随机存贮问题,具有很强的普遍性和实用性。     

基于最大熵原理的地铁换乘站乘客流线优化模型

合理的乘客流线设计是地铁换乘站客流组织的关键技术之一.通过引入乘客流线优化测度熵的概念,基于最大熵原理,将乘客流线优化抽象为最大化测度熵的非线性约束优化问题,并构建了乘客流线优化模型.算例结果表明,不同O-D需求下,由于流线方案与换乘站建筑空间布局匹配程度的不同,导致流线方案集合T的概率分布p(xj)差异显著.     

高频数据波动率建模——基于厚尾分布的Realized GARCH模型

"厚尾现象"是金融时间序列分布的一个普遍特征,本文将RealizedGARCH模型推广到容纳厚尾分布的情形,并将杠杆函数的幂次放松为待估参数。结果显示,使用Skewed-t分布的模型能够较好地反映收益率序列的厚尾和偏峰性质,放松的幂次参数可以给出更贴合数据的"信息冲击曲线"。引入厚尾分布亦可用改进Realized GARCH模型对实现测度的预测,其中使用标准t分布的模型给出的预测精度最高。