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。     

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。     

多目标遗传算法探究及其工程案例应用

针对多目标优化问题,本文提出一种多目标遗传算法(MOGA)。该算法引入重启动策略,从而来避免进化种群过早的收敛到某一局部Pareto最优解。一旦进化种群早熟,则在设计变量空间中重新生成一个进化种群,同时提出一种探测算子在非支配解的设计空间中进行探测性的搜索,以提高收敛效率。采用非支配解排序,将每代中的非支配解集存入一外部种群中,同时为了保持外部非支配个体分布的均匀性,进一步根据个体拥挤距离进行同一非支配级个体的比较和选择。最后将该算法用于求解汽车被动悬架结构的多目标优化设计案例,求解结果表明其具有较强的求解工程问题的能力。     

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.     

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。     

一种三站时差定位的布站优化算法

测量站的布站直接影响时差定位目标的定位精度。针对一定区域目标整体定位精度 的优化,提出了一种三站时差定位的布站优化算法。以水平定位精度因子(HDOP)为定位精度 的 度量准则,建立布站优化问题的多目标规划数学模型,通过构造最小最大评价函数,求解模 型的最优解,从而得到三站时差定位的最优布站。仿真给出了该布站优化算法对某种初始布 站进行优化前后两种布站的HDOP分布图。由仿真结果可以看出,相对于初始布站,最优布站 对目标区定位精度的提高较为明显,验证了这种布站优化算法的有效性。     

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。     

基于混合蚁群算法的物流配送路径优化问题的研究

建立优化物流配送路径的数学模型,然后构造求解该问题的混合蚁群算法。进行多次实验和计算,证明用混合蚁群算法优化物流配送路径,可以有效地求得问题的最优解或近似最优解。     

一类具有上限约束的广义指派问题的求解算法

本文对一类具有上限约束的广义指派问题进行研究,并且给出了一个新的启发式算法。通过实例证明该算法是有效的。该算法简单、易懂、易于编程,且适用于求解较大规模的具有上限约束的广义指派问题。     

脉冲多普勒雷达速度模糊的求解

对于脉冲多谱勒雷达，在模糊阶数较大时，本文提出了两个算法求解速度模糊，并给出了模拟结果。这两个算法具有计算量小，解模糊能力强的特点。     

基于博弈论的多基站协作波束成形

为抑制小区间干扰,提出了一种基于博弈论的多基站协作波束成形算法,并将该算法应用于多基站协作通信系统模型。该算法是在已知其他小区策略选择的情况下,最大化自身利益的迭代算法。在此基础上研究了将最大化用户速率问题转化为效用函数优化问题进行求解,然后证明其纳什均衡的存在性和唯一性,最后给出求解纳什均衡的步骤。仿真结果表明,相对于非协作算法,所提算法在期望用户方向上保持较高的增益,同时有效地零陷干扰用户,达到抑制小区间干扰的目的,并且具有很好的收敛性。     

采用种群迁移策略的战场频率动态分配

给出了战场频率分配问题的形式化定义,并提出了一类标准问题测试集。针对问题特点,指出了现有频率分配策略的局限性,提出了一种基于种群迁移策略的战场频率动态分配新算法。新策略中,算法每一次迭代结束前,都以随机候选解和基于上一代最优解生成的候选解作为迁移种群来替换当前种群中较差的解,其中,迁移种群的生成过程受当前可用频率资源的限制。仿真结果表明,新提出的算法能够有效求解战场频率动态分配问题。     

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。     

基于两步分布协同拍卖的多机协同任务分配

针对多异构机载平台对不同类型的地面目标执行攻击任务的协同任务分配问题,以平台载弹量以及摧毁任务目标的需弹量建立平台与任务之间的关系,以各平台的任务序列以及执行任务时的武器使用量序列作为决策变量,在基地-任务航路矩阵和任务-任务航路矩阵的基础上,综合考虑平台武器约束、平台航程约束、任务需弹量等约束,建立多机协同任务分配模型。设计了两步分布协同拍卖算法,通过多次生成任务的拍卖招标顺序和基地的拍卖竞标顺序,实现了多机协同任务分配问题的优化求解。仿真结果表明,所建模型和求解算法能够有效合理地解决多机协同对地攻击的任务分配问题。     

车辆调度问题的全局—局部最优信息比粒子群算法研究

文章提出了一种新的改进标准粒子群算法即全局—局部最优信息比粒子群算法。该算法与标准粒子群算法和全局—局部最优最小值粒子群优化算法作了比较,仿真实验结果表明,该算法在收敛速度、解的质量和鲁棒性上都表现出了较优的性能,是求解车辆调度问题的一种较好方法。     

一种基于二阶锥规划的新时差定位算法

针对传统时差定位算法在量测噪声较大情况下定位性能不佳的缺点,提出了一种基 于二阶锥规划的新时差定位算法。该算法通过凸松弛和引入惩罚项,将难以求解的用户位置 最大似然估计问题转换为一个易于求解的二阶锥规划问题,并将松弛问题的最优解作为用户 位置的初始估计,利用传统的泰勒级数展开法得到最终定位结果。仿真给出了不同基站数目 及量测噪声下算法的定位性能。仿真结果表明,在量测噪声较大的情况下,新算法的定位精 度 仍可以逼近理论克拉美罗下限, 而且算法中惩罚因子的选取范围易于确定。     

无穷范数松弛的低复杂度超奈奎斯特检测

超奈奎斯特(Faster-than-Nyquist,FTN)速率传输可以有效提高频谱效率，但这种非正交传输方式引入的严重码间串扰相应提高了接收端的处理难度。针对该问题，设计了一种基于循环成块传输的低复杂度检测算法。最优检测被建模为无约束的二元二次规划(Boolean Quadratic Program,BQP)问题，为了求解该NP-hard问题，采用无穷范数约束松弛原问题的非凸可行解集，并基于次梯度下降法提出松弛问题的有效优化算法。数值仿真结果表明，所提算法在误比特率(Bit Error Rate,BER)性能上优于频域均衡，且在可接受的性能损失范围内算法执行效率远高于理论最优的最大似然序列估计(Maximum Likelihood Sequence Estimation,MLSE)。     

智能天线数字波束形成的LMS-DRMTCMA算法

本文提出一种适用于TD-SCDMA智能天线系统数字波束形成的LMS(最小均方)解扩重扩多目标恒模阵列(LMS-DRMTCMA)算法。该算法通过将Z.Rong等提出的LS解扩重扩多目标恒模阵列(LS-DRMTCMA)参考信号形成方法应用到LMS算法,并将TD-SCDMA标准提供的训练序列用于加速算法的收敛,使运算量远低于LS-DRMTCMA算法,明显低于导频LMS解扩重扩多目标阵列(LMS-DRMTA)算法。LMS-DRMTCMA算法还适用于激活用户数远大于天线阵元数的移动通信系统。仿真实验表明,LMS-DRMTCMA算法比LS-DRMTCMA算法和导频LMS-DRMTA算法具有更低的误码率,适合在极低信噪比环境中工作。LMS-DRMTCMA算法具有运算量低、易于实时实现的特点。