基于随机动态规划法的系统集成项目的经济分析

在系统集成项目经济分析中,引入了随机动态规划法以建立其经济评价模型;给出了项目的投资决策临界值解,并详细探讨了技术与成本的不确定性对项目经济性的影响。该分析模型扩展已有的研究,更加符合系统集成项目的实际情况,从而更能准确地评估系统集成项目中内含的期权价值和投资机会价值。

基于随机动态规划法的IT项目经济评价

传统的项目经济评价方法———TOC和RO I法不能有效地分析IT项目的投资价值,还可能导致错误的投资决策。通过引入随机动态规划法,可导出两类IT项目(购置型项目和自主开发项目)的经济评价模型,给出项目的投资决策临界值解,并进行详细的影响因素敏感性分析。该评价模型放松了金融期权定价模型的假设前提,更符合IT项目的实际情况,从而能准确地评估IT项目中内含的期权价值和投资机会价值。

随机动态经济调度问题的存储器建模及近似动态规划算法

将含有风电场和抽水蓄能电站的电力系统随机动态经济调度问题描述为随机型存储器问题,以考虑风电场出力所具有的随机性。该模型含数学期望的计算,且实际问题状态空间、决策空间都是高维的,难以对其准确求解。因此,采用近似动态规划算法将值函数近似表示成分段线性函数的逼近形式,从而将随机存储器问题转化为一系列多阶段线性规划问题。通过扫描误差场景并相应求解所对应的线性规划问题,可实现对值函数进行训练,逐次修正各分段斜率值,直至值函数收敛后,再用来对预测场景下的线性规划问题进行求解,即得动态经济调度结果。该算法避免了求解准确解时面临的"维数灾"问题,具有较快的计算速度。以含风电场和抽水蓄能电站的小型测试系统和某省级实际电力系统为例,验证了所提模型与算法的可行性与有效性。

求解含风电场随机机组组合问题的动态削减多切割方法

风电大规模集中并网使得实际大电网机组组合问题变得更加难以求解。以场景法为基础,文中提出了动态削减多切割方法。该方法首先将模型分解为用于求解机组的开停机方案和预测场景下机组出力方案的主问题和用于求解误差场景下机组出力方案的子问题;然后通过最优切割将主问题和子问题联系起来,实现交替求解。在迭代过程中,通过动态削减对主问题约束较弱的最优切割,使得迭代进入某一个阶段后最优切割数目保持不变,从而降低了主问题求解规模,并解决了多切割方法随着迭代次数增多主问题规模急剧增大的问题。最后采用含大型风电场和180台火电机组的某省级电力系统进行计算,结果表明所提出的方法在收敛性、计算速度方面均具有优越性。

时变波动率和随机利率模型下的动态投资研究

在金融市场中,假设风险资产价格的波动率随时间的变化而变化,它的函数表达式由随机环境下的波动率去掉随机项的部分确定,无风险利率是随机的,用Hull-White随机利率模型来刻画,根据动态规划中的Bellman最优性原理,建立了基于幂效用函数的风险资产和无风险资产的动态投资组合模型,给出了使期望效用最大化的最优投资策略.

具有条件马尔科夫结构的离散随机系统最优控制

基于Bellman随机非线性动态规划法,提出了具有条件马尔科夫跳变结构的离散随机系统的最优控制方法,应用随机变结构系统的性质对最优控制算法进行了简化处理,并将后验概率密度函数用条件高斯函数来逼近,针对一类具有条件马尔科夫跳变结构的线性离散随机系统,给出了其逼近最优控制算法.

求解随机时变背包问题的确定性算法

随机时变背包问题(RTVKP)是智能计算领域中的一个动态组合优化问题,具有重要的理论与应用价值.对于背包载重随机变化的RTVKP问题(记为RTVKP3),首先利用改进的动态规划法提出了一种适于求解具有较小物品价值和较大背包载重的RTVKP3的确定性算法(记为MDP-RTVKP),给出了MDP-RTVKP可成功求解RTVKP3的必要条件;然后,基于MDPRTVKP和DPforRTVKP的不同适用性提出了一种适于求解任意RTVKP3实例的有效方法 GenericDPfRTVKP,并通过对大规模RTVKP3实例的仿真计算验证了GenericDPfRTVKP的通用性与高效性.

基于拟广义哈密顿系统的随机电力系统可靠度最大化控制

随着电力系统中随机因素的增多,研究随机因素作用下的电力系统控制十分必要。建立了励磁控制下简单随机电力系统的拟广义哈密顿系统方程,基于拟广义哈密顿系统的随机平均法,获得受控情况下基于能量函数的简单随机电力系统的平均伊藤方程,根据Bellman随机动态规划原理,以系统有界波动的可靠度最大为控制目标建立动态规划方程,得到系统的最优控制律。引入条件可靠性函数衡量有界波动可靠度,以解析的方法计算最优控制律下系统的可靠度,并与蒙特卡洛解进行对比,仿真结果验证了所提控制方法的有效性。

基于强化学习的增量配电网实时随机调度方法

电动汽车(electric vehicle,EV)及其他分布式资源正大规模地渗透到增量配电网中,使其调度问题成为一个充满随机性、高维的多阶段优化问题。因此基于强化学习框架,提出一种增量配电网实时随机优化调度算法。首先,将增量配电网的实时调度描述成一个多阶段随机序贯决策问题,并提出原问题的动态规划公式,构造表征当前决策对后续所有时段影响的值函数;利用决策后状态值函数代替期望值的计算,从而避免了增量配电网的随机性;利用基于时序差分TD(1)的策略迭代算法在大量模拟场景下训练值函数,得到收敛的近似值函数;将近似值函数投入在线运行进而得出配电网每时刻的近似全局最优调度方案。该算法避免了EV、可再生能源等数据预测误差的影响,有效应对各类能源随机性给优化调度带来的挑战。仿真算例表明,该算法收敛速度快,鲁棒性强,计算时间不受EV接入数量的影响,与其他算法对比更具可行性和经济性。

数学模拟在企业干部资源规划工作中的应用

讨论了数学模拟在企业干部资源规划工作中的应用。干部资源规划是保证企业在一定时间和一定岗位上具有所需数量和必要业务水平职工的一种过程。指出，已花费很大力量来制定帮助人力资源经理进行这项规划工作的方法。讨论了马尔柯夫随机过程方法在干部资源规划中的应用。指出，为了将一方法有效地用于干部资源规划中去．需要具有必要数学修养的专家，否则很难利用这种方法。提出了一种使未经专门数学教育的经理可以应用马尔柯夫随机过程理论进行干部资源规划工作的方法。介绍了为什么能够利用马尔柯夫随机过程进行干部资源规划工作。在该数学模型中，把企业看做是一个等级结构，在其中工作的职工，随着时间的推移，可以取得更高的职位。对干部资源的需求可以用由于职工由一个职位转到另一个职位而出现的可能空额数来表示。所以需要进行规划工作是由于在企业的一定等级需要有高水平的干部资源。作者认为，马尔柯夫随机过程理论对干部资源规划工作很理想，因为在干部资源规划工作中明显规定从一组已知初始状态的可能过渡。还介绍了动态规划法在干部资源规划工作中的应用。

乘性/加性噪声Markov跳变系统线性均方最优控制

针对具有乘性/加性噪声的离散时间Markov跳变线性系统,运用Bellamn随机动态规划法,对于噪声相互独立和相关两种情形推导了有限终止时间和无限终止时间的随机LQ最优控制算法,控制器的求解归结为求一组代数R iccati方程解。与不含有乘性噪声的系统相比较,此R iccati方程中多了包含噪声强度的项,反映了噪声对控制器的影响,从而改善了系统的性能。仿真结果与名义系统相比较,表明了本文所设计的控制器使系统具有更优的性能。

水电站调度运行评价指标及若干调度方式评价分析

该文为全面评价水电站调度方法或模型,探索建立水电站多目标评价指标体系,结合水电站实际来水资料,综合评价了实际调度及两种模拟调度方法的优劣性,重点检验了基于时历法的调度图和基于随机动态规划法的调度图对日常运行的模拟应用效果,并深入分析两种方法的优劣及其原因。