经济政策不确定性与资本结构非线性动态调整

基于动态面板阈值模型,利用480家非金融类A股上市公司1999～2016年的平衡面板数据,深入研究了经济政策不确定性与公司资本结构非线性动态调整的关系。研究发现:以经济政策不确定性为转移变量,资本结构调整存在两个区制,具有显著的非线性特征,并且资本结构动态调整速度在经济政策不确定性较高时将变慢;在市场化程度较低的中西部地区,资本结构调整速度受到经济政策不确定性的影响更大;相比非制造业公司,制造业公司的资本结构调整速度更容易受到经济政策不确定性的影响。

基于改进粒子群算法优化LSTM的短期电力负荷预测

电力负荷数据具备时序性和非线性特征,长短时记忆神经网络(LSTM,long short-term memory)可以有效处理上述数据特性。然而LSTM算法性能对预置参数具有极大的依赖性,依靠经验设定的参数会使模型具有较低的泛化性能,降低了预测效果。为解决上述问题,提出非线性动态调整惯性权重粒子群算法(NIWPSO,nonlinear dynamic inertia weight strategy particle swarm optimization)与LSTM相结合的预测模型NIWPSO-LSTM。利用非线性动态调整惯性权重的方法来提升PSO的全局寻优能力,再通过NIWPSO对LSTM的参数进行优化。实验结果表明,NIWPSO-LSTM预测精度要远高于其他模型,验证了所提方案的可行性。

基于CAS理论的改进PSO算法

针对粒子群优化(PSO)算法易陷入局部最优,发生早熟这一问题,借鉴复杂适应系统(CAS)理论,将混沌和自适应引入到基本PSO中,形成一种双重自适应PSO算法(DAPSO)。该算法在初始化种群时,采用Logisitic方程产生混沌序列;在迭代过程中,通过非线性动态调整策略调整粒子个体学习因子和社会学习因子的大小,采用(0,1)随机均匀分布代替惯性权重递减的方法对w进行自适应取值来更新粒子的速度和位移,最终实现算法求解全局最优的目标。最后运用六个高维单模态和多模态Benchmark测试函数对该算法进行仿真,并与PSO,2PSO,KPSO算法进行对比。对比结果表明,该算法在求解全局最优解时,效果明显优于其他粒子群算法,在精确性和寻优效率上较其他算法表现尤为突出。

考虑障碍物避让的水下滑翔机局部路径规划方法

针对水下滑翔机"V"形轨迹的周期性运动特点,提出一种适用于水下滑翔机在三维路径中避让障碍物的粒子群优化(PSO)算法。根据水下滑翔机的运动特征,给出水下工作环境的三维空间建模方法。结合水下滑翔机能耗问题,选择用规划路径的长度、障碍物的危险度和路径平滑度来制定适应度函数。提出一种惯性权重的非线性动态调整策略,提高了算法的全局搜寻能力。将优化后的算法与基本粒子群算法比较,结果表明:优化后的算法可以生成质量更高的路径,并且可以在更少的迭代次数下收敛到全局最优,有效地提高了粒子群算法应用在水下滑翔机路径规划的算法速度和能耗效率。

基于MATLAB的几种图像增强算法

简要介绍图像增强的概念和一些图像增强的算法,从图像的直方图均衡化、对比度线性展宽、动态范围非线性调整和伪彩色增强等几个方面对图像增强算法进行讨论和研究,并通过MATLAB软件平台,给出各种算法的处理效果。