基于AdaBoost组合算法的衍生金融工具风险预测

文章构建了衍生金融工具风险预测的AdaBoost组合算法的单属性测试和决策树模型;详细论述了单属性测试和决策树与AdaBoost算法的分类器组合机制,同时界定了12个风险检测变量指标,运用252个我国上市公司作为初始样本,分别进行了一年、两年和三年的26次衍生金融工具风险预测的AdaBoost组合算法的单属性测试(SAT),AdaBoost组合算法的决策树(DT)、单决策树和单支持向量机(SVM)实验,结果表明,基于AdaBoost组合算法的衍生金融工具风险预测模型可以对公司衍生金融工具风险进有效的预测。

钻孔瞬变电磁法扫描探测RCQPSO-LMO组合算法2.5D反演

利用钻孔进行超前探测地质构造及含水体是地下开挖工程中的常规手段,如何利用这些钻孔进行钻孔瞬变电磁法扫描探测,从而实现钻孔孔壁外围地质异常体的精细探测,对实现地下工程地质透明化具有重要的指导意义.本文提出钻孔瞬变电磁法扫描探测2.5D反演的数据解译方法,首先针对随机性反演算法时效性低,易陷入局部最优解,而确定性反演算法依赖初始模型的问题,提出了组合策略的量子粒子群优化算法用来随机搜索最优初始模型.在此基础上,利用Levenberg-Marquarat方法求解Occam反演的目标函数,形成了RCQPSO-LMO组合算法进行2.5D反演,通过对比组合算法和单一算法,验证了组合算法具有更精确的反演结果.其次结合屏蔽条件下扫描探测,对比分析了有无屏蔽的2.5D反演结果,通过设定屏蔽系数对非探测方向信号进行部分压制,可以较好地解决钻孔径向扫描探测中对非探测方向信号部分屏蔽下的反演及成像.最后建立三组理论模型进行组合算法2.5D反演,结果表明:组合算法反演结果与理论模型的一致性较好,对低阻异常体的反演精度较高,验证了组合算法对钻孔孔壁外围低阻异常体具有较高的反演精度和分辨能力.

最省刻度尺设计的组合差集递推算法

在长度为n(n≥2为正整数)的直尺上最少刻多少个刻度就能度量1到n的所有长度,这便是至今未解决的最省刻度尺问题。阐明了最省刻度尺与极小优美图之间的关系,给出了计算最省刻度尺的所有最省刻度值的组合差集递推算法,得到长度为3~40的最省刻度尺的所有最省刻度值,同时,结合图论模型,给出了长度为41~82的最省刻度尺的最省刻度值。

基于GA-SA组合算法的山区复杂环境无人机起降点选址

针对山区复杂环境下的物流链前端无人机货运起降点选址和任务分配进行研究。首先以建设成本最小和运输时间满意度最大为目标,综合考虑无人机自身性能和禁飞空域等因素,构建多约束条件下多目标函数的起降点选址和任务分配模型。采用遗传算法(genetic algorithm, GA)和模拟退火算法(simulated annealing algorithm, SA)的组合算法进行求解,首先通过遗传算法得出较优的可行解,再以此解作为退火算法的初始解进行模型求解。仿真结果表明,构建的多约束模型能够实现预期效果,并且采用的算法解决此类问题时具有良好的适用性。

两阶段云服务组合优化算法及其应用研究

针对目前云服务市场中如何快速有效为客户提供最优组合云服务问题,提出一种包括灰色关联和自适应遗传算法的两阶段云服务组合优化算法。首先根据用户云服务需求,利用灰色关联分析对云服务进行初步筛选形成候选云服务集;其次建立时间最短、成本最低、可用性、互操作性、可扩展性和满意度最佳的多目标决策模型,采用自适应遗传算法求解模型,确定最优云服务组合方案;最后通过算例证明该算法在解决最佳云服务组合方面的合理性和科学性。

基于Adaboost算法的沉积微相自动识别--以陇东气田Q区山西组为例

在油气田开发中,沉积微相识别对于明确沉积背景及单砂体刻画起着重要的作用。陇东气田地质条件复杂,主力气藏深度大、产层单一,仅山1段底部产气,对于多种资料交叉共同分析沉积微相,仅依靠人工判别沉积微相,过程复杂且容易出错,很难在沉积微相和测井数据之间建立精确的对应关系。为了充分利用测井资料,提高沉积微相划分的效率,提出一种基于Adaboost算法的沉积微相自动识别方法,为后期气田开发沉积背景及单砂体刻画提供更准确的依据。在研究中,对测井曲线进行优选,并进行预处理,运用数学统计法提取了6个特征参数作为训练的输入集,把沉积微相的类型作为训练的输出结果标签,从已解释的沉积微相数据中选取共1210组作为训练样本,其中组建的训练样本共约968组,组建测试样本242组。研究结果显示,应用该方法的训练效果和测试结果的准确性分别达到96.45%,90.4%,可以验证该方法在陇东气田Q区应用效果较好。

质量感知的多目标云制造服务组合优化算法

云制造服务组合问题往往存在多个优化目标且各目标权重难以事先确定,为了显著提高进化算法在求解过程中的种群多样性,并有效平衡进化算法的全局与局部搜索能力,提出一种基于自适应选择和反向学习策略的进化算法,同时优化时间、成本、可靠性、可用性和信誉度。首先为了缩短求解组合方案的时间,采用K-means方法基于服务质量对候选服务进行聚类,去除质量较差的服务;然后采用反向学习策略提高全局搜索性能,再通过选择策略和概率更新策略有效平衡算法的全局与局部搜索能力;最后与4种先进算法进行实验对比表明,所提算法具有更好的综合性能。

基于多目标优化算法NSGA-Ⅱ的软件多样化组合方法

软件多样化因能有效提升系统弹性、增加恶意二进制分析的成本而被广泛应用于软件开发等场景中。而如何对现有软件多样化技术进行组合部署,以在获得更高安全增益的同时保持较低的性能开销,是当前软件多样化研究的核心问题之一。针对现有软件多样化组合方法中搜索算法效率低、搜索空间小、安全性评估指标不全面、难以综合考量软件多样化对各类攻击的影响等问题,提出了一种基于多目标优化算法的软件多样化组合方法,将软件多样化组合问题构建为综合考量TLSH相似度、gadget质量分数和CPU时钟周期数指标的多目标优化模型,并设计了包括染色体编码、自适应交叉和变异算子,以及针对组合方案的有效性验证算法等在内的NSGA-Ⅱ求解算法。最后,在GNU核心工具组数据集上进行实验,结果表明,该组合方法可有效生成高安全增益、低性能开销的软件多样化组合方案。

组合八邻域跟踪算法监测全闪电雷暴活动时空演变过程及特征

雷暴是威胁电力系统安全可靠运行的重要因素,监测雷暴活动可以为电力系统雷电防护提供雷暴活动路径及预警信息。该文提出一种组合八邻域雷暴跟踪算法及跟踪结果评估指标,并采用该算法对珠三角地区九次雷暴活动进行时空演变特征分析和定量评估。结果表明,九个雷暴活动共识别出大于18 min的轨迹1490条,其中简单轨迹和含分裂合并过程的复杂轨迹各占一半。雷暴活动平均速度为51.4 km/h,速度中值为43.0 km/h,简单轨迹平均速度比复杂轨迹慢。评估指标命中率(POD)、虚假警报率(FAR)和临界成功指数(CSI)分别为64.3%、40.4%和42.7%,轨迹时长中值、平均轨迹偏差、非连贯性和平均合并分裂次数分别为24 min、2.80 km、0.0327 s^(-1)和2.51次。该方法可以很好地描述雷暴活动时空演变过程和评估跟踪结果,为雷电预警提供了有效手段。

基于邻域互信息的组合预测最优子集选择算法

为在候选模型集中高效地选择时间序列组合预测的最优子集,提出一种CSPSO-NMI-MRMR最优子集选择算法。利用邻域互信息(neighborhood mutual information, NMI)度量相关性和冗余度,避免数值型数据的离散化,按最大相关最小冗余原则(minimal redundancy and maximal relevance, MRMR)筛选最优子集;邻域互信息中的邻域参数与子集选择效果密切相关,采用CSPSO算法寻找最优邻域参数,充分利用布谷鸟算法(cuckoo search, CS)和粒子群优化算法(particle swarm optimization, PSO)的优势,兼顾搜索效率和全局搜索能力;在寻参过程中设计一种淘汰策略,优化邻域参数的寻优区间并淘汰部分单模型,减少计算量。仿真结果表明,所提方法在预测精度、运行时间和稳健性上效果更优。

基于NSGA-Ⅱ算法的制造资源组合优化

为解决定制产品制造过程中的资源组合优化问题,建立基于制造需求的制造资源组合优化模型,将制造资源的组合优化描述为多目标优化问题,提出了机械加工总时间、机械加工总成本、机械加工总能耗3个优化目标,建立数学模型并采用NSGA-Ⅱ遗传算法进行求解。计算结果表明,多目标优化算法结果相较于传统的单个决策原则下的方案实现了时间、成本、能耗3者的最佳平衡,并且结合MOPSO算法结果进行对比分析,得出NSGA-Ⅱ算法在目标函数上的分布性和优化效果更好。

基于二次分解和乌鸦搜索算法优化组合模型的超短期风速预测

针对风速的波动性和随机性等特点,提出一种基于二次分解和乌鸦搜索算法优化组合模型的超短期风速预测方法。该方法的基本思路是构造基于变分模态分解、样本熵和奇异谱分析的二次分解的方法,将原始风速序列分解为不同的子序列,并对这些子序列分别建立预测模型,最后重构。对变分模态分解的子序列建立基于长短时记忆网络的深度学习模型预测,而残差序列进行二次分解后的子序列建立乌鸦搜索算法优化的组合预测模型预测。最后,对子序列进行重构并得到最终的预测结果。使用实际的风速观测资料开展模拟实验,结果表明:在3个风电场中,所提模型与其他模型相比平均相对误差分别提升了30.07%、37.56%和37.40%,验证了混合模型在超短期风速预测中的有效性和稳定性,以及在不同数据集上的泛化性能。

基于单类支持向量机的组合导航容错算法

提出了一种基于单类支持向量机(OCSVM)的组合导航容错算法。针对组合导航系统中子系统出现故障会影响整个导航系统精度的问题,采用基于单类支持向量机的方法,对故障进行检测和隔离,并对容错性能进行分析。仿真结果表明:在应用基于单类支持向量机的容错算法后,系统的故障检测模块可以有效地隔离故障数据,降低了多源组合导航系统的位置误差,其可靠性和稳定性也得到了提高。

基于改良蜂群算法的Web服务组合优化方法

为提高Web组合优化算法的开发能力和运行结果的适应度、稳定性,以满足用户对Web服务的服务质量(Quality of Service,QoS)需求,提出了一种基于QoS模型和改良蜂群算法(modified Artificial Bee Colony,mABC)的Web服务组合优化方法。构建应用于Web服务组合优化问题的QoS顺序数学模型,使用基于混沌的对立学习方法,在进程运行的初始化阶段生成更好的初始群体,在蜂群算法的雇佣蜂阶段和围观蜂阶段使用新的相位搜索方程和围观搜索策略,有效地提高蜂群算法的探测能力和开发能力。将改良蜂群算法与人工蜂群算法(Artificial Bee Colony,ABC)、差分进化算法(Differential Evolution,DE)、改进灰狼优化算法(Modified Grey Wolf Optimizer,MGWO)、最优导向人工蜂群算法(Guided-best Artificial Bee Colony,GABC)和改进人工蜂群算法(Improved Artificial Bee Colony,IABC)进行了多次对比实验。实验结果表明,改良蜂群算法尽管在执行时间方面比其余算法都要略微长一些,但它在更为重要的适应度、稳定性方面都优于其余几种对比算法。

一种改进组合加权的TDOA室内二维定位算法

针对现有组合加权算法对定位区域边缘的目标定位时精度较低的问题,在现有组合加权算法的基础上提出了一种改进算法。首先,将基站分组,以到达时差算法得到目标位置的多个估计结果;其次,计算各估计结果之间距离值并排序,以滑动窗口法判断是否存在基站组出现异常定位估计;最后,当任意基站组的定位结果发生异常时,使用目标位置估计结果及其估计克拉美罗下界值设计两个加权步骤的权值,通过二步组合加权算法得到最终定位结果。仿真结果表明,所提算法有效减少了原组合加权算法对定位区域边缘的目标定位时的误差,当测量噪声标准差为0.8 m时,所提算法相较于原算法在正方形边缘区域定位均方根误差减小了0.35 m;在定位狭窄矩形区域时,所提算法平均定位均方根误差减小了0.11 m。

基于遗传算法的槽型钢-混组合梁优化设计

槽型钢-混组合梁是当前应用较为广泛的一种桥结构形式。该研究以提升槽型钢-混组合梁设计效率为目标,采用创新的人工智能遗传算法,通过Python平台编译。该文针对钢-混组合梁进行全面优化,专注于13个关键截面设计参数,如钢板宽度与厚度、加劲肋个数、梁高等。通过合理选择遗传算法参数,实现快速、规范且经济的设计。研究创新之处在于将人工智能算法应用于桥梁设计,为设计工程师提供高效可靠的工具,显著提升设计效益。通过关键参数的优化,该文为槽型钢-混组合梁设计领域作出有益贡献,同时展示遗传算法在解决多目标、多参数工程优化问题中的显著便利。

基于Shapley值与全局和声搜索算法的电网投资组合策略

随着新型电力系统建设的加速推进,电网投资的力度持续攀升,企业须探索更加合理高效的电网投资策略,以实现最优的综合效益。为此,从经济、社会、环保和安全的维度出发,以电网项目投资的综合效益为优化目标,对投资组合策略进行研究。首先,应用Shapley值法对各效益函数的占比进行分摊,以呈现不同效益指标的特性。其次,在考虑投资能力、负荷需求等关键约束的基础上,设计了电网项目投资组合优化模型,并采用全局和声搜索算法进行求解。最后,构建算例对投资组合策略进行验证。算例结果表明,所提方法能够协助决策者在新形势下制定最优的电网投资策略。

一种针对组合导航滤波发散问题的改进算法

为解决车载组合导航系统中卡尔曼滤波器发散、无法准确跟踪误差变化等问题,设计了一种改进的自适应滤波算法。算法从原理上推导了滤波发散判断依据,结合了Sage-Husa滤波与渐消因子算法,在滤波过程中引入了新息衰减因子,通过对新息协方差进行判断,切换滤波器均方误差阵的更新策略,当出现滤波发散时采用多重渐消因子算法使滤波状态回归正常。对改进后的算法进行了捷联惯导/里程计组合导航仿真试验及实际跑车试验,试验结果表明改进后的自适应滤波算法可以抑制组合导航滤波发散,滤波器适应能力与稳定性得到增强。

基于加权组合算法的点云孔洞修补

为了对无人机航测数据中的点云孔洞进行修补,将最小二乘支持向量机算法LS-SVM和遗传算法GA优化的反向传播神经网络算法BP进行线性组合,构建一种加权组合模型,用于散乱点云数据中的孔洞修补。通过两种修补方法的误差进行两者的加权组合,建立出与两种修补方法误差相关的加权组合模型,并将加权组合模型的修补结果与单一使用最小二乘支持向量机、遗传算法优化的BP神经网络两种修补方法的修补结果进行残差和内外符合精度的比较与分析。结果表明:采用加权组合模型得到的点云修补结果内外符合精度较高,且具有更强的稳定性,为无人机获取的点云数据提供了一种有效的孔洞修补方法。

基于改进型哈里斯鹰算法的云制造服务组合优化方法研究

云制造环境下,云平台以制造服务组合的形式为个性化需求提供按需服务,可显著提升订单响应速度与提高资源利用率。采用哈里斯鹰算法构建制造服务组合,针对制造服务间物流转运问题,建立独特的编码与解码机制。为解决该算法存在早熟收敛问题,引入Logistic一维混沌系统,设计非线性逃逸能量更新机制和3种邻域搜索策略。通过实验验证了改进后的哈里斯鹰算法在解决云制造服务组合优化问题时具有显著优越性。