期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
限制资产数目的双重期望效用的投资组合优化模型
1
作者 杨应娟 高岳林 《兰州文理学院学报(自然科学版)》 2016年第4期10-15,65,共7页
在证券收益率服从正态分布的条件下,以一种非传统期望效用函数度量风险,在增加资产数目限制的条件下,建立一种新的非线性整数规划的投资组合优化模型;构造出符合该模型的改进的教与学优化算法,并选取10只股票进行仿真实验,结果表明模型... 在证券收益率服从正态分布的条件下,以一种非传统期望效用函数度量风险,在增加资产数目限制的条件下,建立一种新的非线性整数规划的投资组合优化模型;构造出符合该模型的改进的教与学优化算法,并选取10只股票进行仿真实验,结果表明模型是合理的、算法是有效的. 展开更多
关键词 投资组合 限制资产数目 双重期望效用 非线性整数规划 教与学优化算法
下载PDF
一种基于双重期望效用的投资组合模型
2
作者 李超一 王晓琴 高岳林 《兰州文理学院学报(自然科学版)》 2019年第6期22-27,31,共7页
考虑目前中国市场要求证券交易为整手交易和不允许卖空等实际情况,增加基数约束、单个资产投资上限等约束条件,分析了一种在非传统期望效用理论下包含交易费用的投资组合问题,用效用风险来度量投资组合的风险,在假定证券收益率服从正态... 考虑目前中国市场要求证券交易为整手交易和不允许卖空等实际情况,增加基数约束、单个资产投资上限等约束条件,分析了一种在非传统期望效用理论下包含交易费用的投资组合问题,用效用风险来度量投资组合的风险,在假定证券收益率服从正态分布的情况下,建立了一个新的投资组合模型,运用差分进化算法对其求解,数值实验表明模型的合理性及算法的有效性. 展开更多
关键词 投资组合优化 双重期望效用 基数约束 非线性整数规划 差分进化算法
下载PDF
单次多阶段服务下顾客累积满意度动态变化的测量模型 被引量:15
3
作者 左文明 王旭 毕凌燕 《管理工程学报》 CSSCI CSCD 北大核心 2017年第4期123-130,共8页
为了反映单次服务中顾客的实际心理变化,顾客满意度的测量应当充分考虑顾客的需求权重以及双重期望的动态变化。首先,将单次服务按流程拆分,揭示顾客满意度在不同阶段的变化规律。然后,通过质量功能展开将顾客需求映射为不同服务特性并... 为了反映单次服务中顾客的实际心理变化,顾客满意度的测量应当充分考虑顾客的需求权重以及双重期望的动态变化。首先,将单次服务按流程拆分,揭示顾客满意度在不同阶段的变化规律。然后,通过质量功能展开将顾客需求映射为不同服务特性并确定对应权重,从而反映出顾客需求对满意度的影响。随后,考虑顾客的双重期望,建立分段函数讨论顾客感知参照不同期望值对顾客满意度的影响,进而构建结合顾客需求和双重期望、反映顾客累积满意度动态变化的测量模型。最后,将模型应用于B2C电子商务,优化得到最佳的资源配置方案。结果表明,基于当前的B2C电子商务服务流程,改善物流环节的服务质量对提升顾客满意度有显著作用。同时,在资源有限的环境下,企业可以运用服务补救悖论在顾客需求分散的环节制造轻微的失误,而在顾客需求集中的环节进行高质量的补救,从而大幅提升顾客的整体满意度。 展开更多
关键词 服务流程 顾客满意度 顾客需求 双重期望 测量模型
下载PDF
跨学科教育中博士生面临的挑战及其应对 被引量:3
4
作者 包水梅 《高教探索》 CSSCI 北大核心 2016年第3期98-103,共6页
跨学科研究项目是实施博士生跨学科教育的重要载体。伴随着跨学科项目的起始、发展和结束,博士生在这三个阶段相应地也会体验到学科认同危机与学科之间的理解和沟通压力,平衡来自学科和跨学科项目双重期望的压力,整合研究成果与寻求职... 跨学科研究项目是实施博士生跨学科教育的重要载体。伴随着跨学科项目的起始、发展和结束,博士生在这三个阶段相应地也会体验到学科认同危机与学科之间的理解和沟通压力,平衡来自学科和跨学科项目双重期望的压力,整合研究成果与寻求职业发展的困境等阶段性挑战和困惑,并且,这种挑战在整个跨学科项目中既是线性出现的也是不断反复的。要有效促进博士生的跨学科学习与研究,需要培养学生的团队归属感,在团队成员之间建立起研究共识和有效的沟通机制,对跨学科项目提供必要的财政和制度支持,博士生要自我规划和管理学业进展并对其他学科进行欣赏式探寻等。 展开更多
关键词 跨学科教育 归属感 理解压力 双重期望 整合性
下载PDF
基于双重权约束期望改进策略的多目标并行代理优化方法 被引量:1
5
作者 林成龙 马义中 +1 位作者 刘丽君 肖甜丽 《控制与决策》 EI CSCD 北大核心 2022年第12期3149-3159,共11页
针对多目标仿真优化的高昂成本及黑箱函数难以获取问题,提出基于双重权约束期望改进策略的多目标并行代理优化方法.首先,建立Kriging模型获取未试验点的预测不确定性;其次,构建双重权约束期望改进策略,并利用填充策略矩阵及距离聚合方... 针对多目标仿真优化的高昂成本及黑箱函数难以获取问题,提出基于双重权约束期望改进策略的多目标并行代理优化方法.首先,建立Kriging模型获取未试验点的预测不确定性;其次,构建双重权约束期望改进策略,并利用填充策略矩阵及距离聚合方法实现新改进策略的聚合;然后,最大化聚合双重权约束期望改进策略实现多目标并行优化;最后,达到终止条件,获得Pareto最优解集.选取测试函数及铰接夹芯梁设计案例进行优化验证.验证对比结果表明:所提方法可有效提升多目标问题优化效率,减少昂贵仿真成本;与同类方法相比,低维问题中获取Pareto最优解集的收敛性、多样性及分布性更优. 展开更多
关键词 双重权约束期望改进策略 填充策略矩阵 距离聚合方法 KRIGING模型 并行代理优化方法
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部