多目标组合优化的城市骑行路网规划设计

【目的】骑行路网作为城市重要的绿色基础设施之一,是居民绿色出行的重要载体。以城市骑行路网规划设计为目标,提出一种基于多源数据的城市骑行路网规划设计方法。【方法】首先,利用兴趣点和骑行大数据实现对城市道路空间特征和骑行使用特性的量化刻画。其次,综合考虑骑行路网使用现状、潜在需求、规划预算以及道路连通性等因素,对骑行路网规划问题进行多目标组合优化建模。最后,针对性地提出一种改进蚁群算法对该问题进行求解,并以宁波市中心五区为例,对该方法进行验证。【结果】该方法有效地识别出在未来骑行路网规划中应着重考虑的城市道路与功能节点,展示了不同目标、不同情景下的差异化骑行路网规划方案。【结论】该方法可有效解决骑行路网规划问题,为构建便利、高效的绿色骑行网络提供基于数据驱动化的技术支持,得出的规划政策建议对提高城市存量道路空间利用效率、指导城市绿色交通规划具有重要的实践意义。

求解多目标组合优化的改进Pareto适应度遗传算法

将Pareto适应度遗传算法(PFGA)与局部搜索相结合,提出了一种用于求解多目标组合优化问题的改进算法IPFGA,该算法基于Pareto支配关系对遗传操作产生的每一个个体进行局部搜索,并采取在外部群体中引入拥挤距离的精英选择策略。实验结果表明,与PFGA相比,IPFGA有更快的收敛速度。

多目标组合决策方法研究

针对采用几种不同方法确定指标权系数的多目标决策问题 ,证明了由期望效益法优化模型确定的综合权系数为几种方法确定的权系数的平均值 ,并构造了一种具有兼顾不同方法确定的权系数的综合决策模型。该模型通过假定待确定的权系数为由几种方法确定的权系数的线性组合 ,构建每一指标下任一方案与其它方案的离差 ,进而构建最优模型 ,求解最优模型得到权系数。该模型对群决策同样适用。实例应用说明 ,该方法可行、有效 ,可应用于经济决策的实际问题中。

一种求解多目标组合优化的遗传局部搜索算法

为改善遗传算法求解多目标组合优化问题的搜索效率,提出一种新的遗传局部搜索算法。算法采取非劣解并行局部搜索策略以及基于分散度的精英选择策略,并采用基于NSGA-Ⅱ的适应度赋值方式和二元赌轮选择操作,以提高算法收敛性,保持群体多样性。实验结果表明,新算法能够产生数量较多分布较广的近似Pareto最优解。

基于预测精度的多目标组合预测优化模型研究

考虑了组合预测精度的数学期望和预测精度的标准差这两个指标 ,建立了多目标规划组合预测最优化模型 ,并给出其数学规划的解法 .最后进行实例分析 ,结果令人满意 .

一种用于求解多目标组合优化的混合遗传算法

为高效求解多目标组合优化问题,提出一种进化计算与局部搜索结合的多目标算法。此算法基于个体排序数和密度值进行适应度赋值,采用非劣解并行局部搜索策略,在解的适应度赋值和局部搜索过程中使用Pa-reto支配的概念。实验结果表明,新算法不仅提高了优化搜索的效率,且能够找到更多的近似Pareto最优解。

多目标组合优化的旅游线路推荐系统

笔者搭建了一个旅游电子商务系统,将协同过滤和多目标组合优化算法应用于用户的个性化旅游线路推荐,方便为用户制定旅游方案,增加了各个景点的曝光率,从而能吸引用户注册、商家入驻。算法的最终结果是为用户推荐自动规划的旅游路线,路线中的多个节点是算法搜索的多目标,节点之间的连接关系是算法组合优化计算的结果。

联合火力打击中的多目标组合排序算法

针对联合火力打击中的目标排序问题,建立多目标组合火力打击排序数学模型。通过对比和借鉴同类的体系评估算法,设计基于信息流循环效率的多目标组合排序算法,研究多目标组合在联合火力打击中的体系价值及在火力打击排序中的规律特点;按照固定目标组合和动态目标组合方式分别设计仿真模型,提出并验证联合火力打击目标排序的基本原则。实验结果表明:基于信息流循环算法的多目标组合排序符合联合火力打击的目标排序战场需求,具备战场普遍性和应用性。

融合分解和自适应邻域的多目标离散组合优化算法

为了高效获取现实中大规模多目标优化问题解决方案,实现收敛性、多样性和均匀性的平衡逐渐发展为多目标优化的重要目标之一。针对复杂多目标离散组合优化问题,提出了融合分解和自适应邻域的多目标离散组合优化算法(MOALNS)。该算法在问题分解的基础上为各子问题的寻优进程引入大邻域搜索策略与自适应调整机制,形成一套新型的收敛指导准则突破寻优阻力,进而使各子问题在搜索多维解空间的过程中达到全局搜索与局部搜索的平衡。同时,提出为各子问题配置独立算子积分库可有效地调整各子问题的寻优方向,解决由于目标权重不同而造成的求解方向偏差问题,以此实现更为高效、稳定的多目标优化进程。数值实验表明,提出的新型多目标离散组合优化算法在多组标准测试算例与真实案例中均展现出了在收敛性、多样性、均匀性和延展性等方面的良好性能,相较于其他经典多目标优化算法而言更具优势。

直觉模糊多目标证券投资组合决策

针对证券投资产品收益的直觉模糊不确定性,运用直觉模糊数来弹性评估投资产品预期收益,并通过直觉模糊可能性均值和方差来度量投资组合收益和风险。接着基于投资组合收益最大和风险最小及信息熵最小等多个目标构建一个新的直觉模糊投资组合决策模型,进而再运用线性加权方法将其转化为单目标模型来快速获取最优投资组合策略。最后通过真实股票投资实例表明该投资组合模型方法的有效性,且投资者可根据不同目标偏好适时调整优化投资策略。

一种用于多目标组合优化的三阶段混合蛙跳框架

提出一种用于求解多目标组合优化问题的3阶段混合蛙跳框架.该框架采用阶段化、模块化的设计思想,将种群的进化过程分为快速收敛、探索扩展、极值挖掘3个阶段.在快速收敛阶段,迅速定位Pareto前沿,使整个群体快速地聚集在前沿附近;在探索扩展阶段,进一步提升解的精度并让种群均匀地分布在前沿上;在极值挖掘阶段,搜寻各目标上的边界极值,增强分布性能.对于不同阶段的不同模块,采用不同的策略以提升框架的求解性能.所提出框架对于多目标组合优化问题具有良好的通用性,在解决不同类型的问题时仅需设计相应的编码方式、个体生成算子和约束处理机制.采用经典的多目标背包问题作为测试问题,与五种已有算法进行对比,结果表明,所提出框架具有良好性能,基于该框架设计的混合蛙跳算法具有更好的收敛性和分布性.

基于模糊优化的多目标投资组合选择模型研究

将模糊集合的概念引入投资组合模型中 ,并将多目标投资组合模型中的收益、方差和偏度三个目标模糊化 ,用逻辑隶属函数作为新的目标函数 .针对该模糊多目标投资组合模型 ,提出了一个动态遗传算法 ,算例给出了该模型的一个实例的最优解 ,并进一步解释了模糊尺度随决定逻辑隶属函数形状的参数的变化而反向变化的规律 .

含随机风电的大规模多目标机组组合问题的向量序优化方法

向量序优化是一种新的解决多目标、超大计算量、复杂优化问题的有效方法。文中以煤耗量、购电费用、SO2排放量为优化目标,首次引入向量序优化理论求解含大规模随机风电的多目标机组组合问题。以含大型风电场及水、火、核、气、生物质能等复杂电源的某省级电力系统为例,将所提算法的优化结果与基于GAMS-BARON求解器的混合整数非线性规划法(mixed integer nonlinear programming,MINLP)进行对比分析,结果表明所提算法的求解速度大大优于传统的MINLP且优化结果偏差很小,验证了采用向量序优化方法求解含随机风电的大规模多目标机组组合问题的有效性。

基于二次规划的多目标投资组合模型

在现代投资组合理论中经常使用多目标投资组合模型,但这些模型的缺陷是明显的。其一是对投资者的风险偏好难于体现出来;二是模型的求解都面临困难。为此引入偏好参数θ将多目标问题转化为单个目标的二次规划问题,既能弥补以前的模型的缺陷,又使得能寻找到更好的解法来获得有效投资组合。

损失厌恶下的多期多目标不确定投资组合模型及算法

金融市场具有复杂性和多态性,为了能够合理表达投资者所面临的主观不确定性,利用不确定变量刻画资产收益和风险的不确定特征,利用损失厌恶效用函数考虑投资者损失厌恶的心理,并同时考虑组合的流动性风险以及组合的多样性,构建损失厌恶下的多期多目标不确定投资组合模型。利用不确定理论,将不确定投资组合模型转换为确定型投资组合问题。由于所构建的投资组合模型是一个带约束的复杂非线性优化问题,传统的优化方法难以在有效的时间内得到模型的最优解。在已有的随机排序方法的基础上引入自适应机制,提出改进的粒子群算法。利用算例分析方法,检验改进粒子群算法的性能及投资组合模型在投资决策中的有效性。研究结果表明:改进的粒子群算法能够有效提高算法的求解精度,满足多期投资决策的要求;考虑损失厌恶下的多期多目标不确定投资组合模型能够反映不同投资者对投资目标的差异偏好。

基于进化规划的多目标投资组合选择模型研究

在Markowitz的均值 方差模型的基础上 ,讨论了股票价格中偏度的重要性 ,并由此引出了一个同时考虑均值、方差和偏度的多目标投资组合选择模型 .提出了对该模型进行求解的进化规划算法 ,同时也说明了用进化规划方法处理多目标优化问题的合理性 .用一个算例验证了采用进化规划技术求解多目标投资组合选择模型是有效的 .

疫情防控背景下多目标投资组合选择之回顾与展望

当前新冠肺炎疫情仍在全球肆虐,面对复杂的投资环境,投资者在决策时需考虑实体经济的抗疫能力、发展方向和金融风险的多维属性,多目标投资组合选择可以满足投资者这一多元化需求。因此,本文回顾多目标投资组合选择的创新路径,理清未来研究趋势;证明投资组合的降低多维风险性,提出关注疫情防控和绿色经济、控制风险的建议。

多目标投资组合优化

马柯维茨的均值—方差(MV)理论奠定了现代投资组合理论的基石,通过对MV-模型的研究发现,马柯维茨投资组合模型建立在单目标规划基础之上,即风险既定条件下的收益最大化或者收益既定条件下的风险最小化。实际投资过程中,投资者面临多种约束如资金、交易费用、个人偏好等,不容忽视。本文从微观层面将个人投资者的关注因子纳入模型即形成多目标投资组合优化模型,主要探究在兼顾风险、收益情形下的投资组合优化问题。同时本文采取线性加权和法并引入转换因子——风险价格将双目标函数转化为单一目标函数,并运用matlab给予求解。

多车场多目标开放式物流配送车辆调度问题的研究

为了优化现代物流中的车辆调度问题,文章针对多车场开放式物流配送车辆调度问题,建立了一种灵活的多目标组合优化模型,此模型可以方便地增减优化目标值;设计了适合多车场开放式车辆路径问题的通用染色体编码方案,并对遗传算法中的交叉变异操作做了详细说明,最终得到了多车场多目标开放式物流配送中车辆调度的优化策略;通过真实的测试用例验证了项目设计的优化模型和遗传算法在解决多车场多目标开放式物流配送车辆调度问题中的可行性。