基于遗传算法的武器系统组合优化方法

组合多样化的武器系统,达到使用效能最优,已成为打赢信息化条件下局部战争亟待解决的一个核心问题。本文采用改进的遗传算法解决了武器系统组合优化问题:采用字符串编码方式,设计应用DP算法、单点交换等规则,为解决武器系统组合优化问题提供了有益的借鉴。将此模型应用于一个实际武器系统组合优化问题,获得了非常满意的结果,证明了算法的可行性。     

基于改进GA神经网络的可持续发展水平研究

提出了基于改进遗传算法神经网络的可持续发展水平评估模型,该模型利用遗传算法辅助网络训练,克服了传统评价体系中权重确定带有主观性、评价结果缺乏公允等缺陷。建立了适合我国国情的可持续发展评价指标体系,并在此基础上利用样本数据对该模型的评分效果进行了实证研究,结果表明该模型具有良好的应用性。     

基于个人信息化水平评价的企业人才甄选模型

传统企业在甄选人才时，或者没有标准，或者制定的标准过时，或者标准过于复杂，因而导致企业无法甄选到合适的人才。从信息化硬件投入、信息化知识、信息化设备利用率3个角度出发，建立了个人信息化水平评价指标体系，提出个人信息化水平评价的企业人才甄选模型，并且运用遗传算法加以求解，得到的结果更具有客观性：该模型可以用来指导现代企业进行人才甄选或企业内部人才评价，从而帮助企业找出其员工的个人信息化水平差异的原因．最终达到提高企业信息化水平和整体效益的目标。     

提高用电效率的智能配电网协调规划技术探讨

本文研究了智能配电网的发展模式,通过将传统配电网与有分布式电源加入的智能配电网进行比较,得出分布式电源并网对规划模型的影响。考虑分布式电源的配电网扩展规划,运用智能算法得出可以满足负荷增长需要的系统最佳增容方案。在现有电力网络布点规划基础上,合理加入分布式电源,提高用电效率。最后辅以遗传算法算例说明提高用电效率的可能性。     

基于前景理论的电动汽车配送路径优化

针对带时间窗的电动汽车物流配送路径优化问题,基于前景理论的价值函数量化了客户对电量补给的行为感知,由此设计了超时配送的补偿费用函数;并以补偿费用、充电费用、车辆行驶费用组成的配送总成本最低为目标,构建了决策模型,采用改进的遗传算法进行求解;最后通过Solomon-R101算例对模型及算法进行验证,得到的配送方案可以兼顾客户高满意度、高时效性、高载重量和低成本四个方面。     

基于GRA-GA-BP神经网络的港口集装箱吞吐量预测模型

港口集装箱吞吐量的准确预测对于港口的未来发展规划及该港口所属腹地的经济发展具有重要的指导意义。为实现输入变量的降维,提高预测精度,避免出现局部最优解,借助灰色关联分析对输入变量进行筛选和排序,引入遗传算法作为优化BP神经网络内初始权值及阈值的工具,并基于此建立模型对环渤海港口群三大代表港口2016-2019年集装箱吞吐量进行实证对比分析。最后横向比较传统BP模型和GA-BP模型的预测结果,研究结果表明：经GRA-GA算法优化BP神经网络模型相较于GA-BP神经网络模型与未经过改善的传统的BP神经网络模型其预测结果更为理想,研究结果对港口的战略规划及发展具有一定的参考价值。     

基于遗传算法的供应链分销网络模型及其求解

本文研究了由多个厂商、多个分销中心和零售商组成的供应链分销网络,建立了综合考虑库存成本、订货成本和运输成本的分销网络优化模型。该模型是一个整数规划问题,采用遗传算法,并建立一个有效的编码方式来进行快速求解。最后通过一个实例验证了该模型的有效性和实用性。     

科研事业单位设备资源自适应调控机制研究

针对科研事业单位在设备购置和配置中存在的成本意识淡薄、重复购置、新增与闲置并存等问题,探索、建立一种单位内部设备资源自适应调控机制,在设备配置与管理上挖潜增效,实现“限制增量、用好存量”的效果,达到节约科研成本、提高设备利用率、促进单位长期健康发展的目的。     

基于两层架构协调的应急物资分配与车辆调度集成优化方法

针对突发事件下的应急物资调运问题，考虑了多个地区同时受灾以及多个出救点需要对其进行救灾并且各出救点的运力有限的情况，以最小化总的车辆运输费用，最大化救灾效率、各受灾点的救灾满意度，以及各受灾点得到救助的公平性为目标，建立了该问题的多目标混合整数非线性规划模型，并提出了一个基于两层架构协调的迭代式遗传算法进行求解。基于仿真数据的实验结果证明了所提出的模型和算法的有效性。     

基于AMA的均值—方差模型在大类资产配置中的应用

随着FOF基金逐步进入投资者的视野,关于大类资产配置的方法和策略越来越被重视。首先,文章对H.M.Markowitz在1952年提出的均值—方差模型进行了阐述和分析,总结其优点和缺陷。其次,针对经典模型存在的缺陷,文章引入考夫曼自适应移动平均线,建立了基于AMA的均值—方差模型。改进后的模型可以有效降低经典模型对历史数据的依赖性。最后,文章运用该模型对中证全指、中证全债、Wind商品指数进行资产配置,回测期为2007年1月1日到2016年12月31日,3个月换仓一次,取得了年化21.46%的收益,最大回撤率为19.79%,夏普比率为1.43,整体回测结果理想。