离散投资组合问题的一种基于Bundle对偶搜索的精确算法

本文提出了离散均值一方差投资组合模型的一种新的精确算法.该算法是一个基于拉格朗日松弛和Bundle对偶搜索的分枝定界算法.我们分别用随机产生的数据和美国股票市场的真实数据进行了数值实验,并与传统次梯度对偶搜索进行了比较,数值结果表明本文提出的算法对解决中小规模的离散投资组合问题是有效的.

一种基于潜变量的Ranking模型构造算法

现有的Ranking算法获得的模型全部来自训练数据,因为很多模型的有用信息并不能完全从训练数据中得到,因此这样得到的模型不够精确,对此,提出一种基于潜变量的Ranking算法。该算法以结构化SVM为学习工具,将除训练数据外的其他有用信息以潜变量形式引入算法的框架中,并在此基础上定义了面向NDCG的目标函数。针对该目标函数非凸非平滑,首先使用"凹-凸过程"进行逼近,然后用"近似Bundle法"展开优化计算。基准数据集上的实验结果表明:相比完全依靠训练数据的Ranking算法,本文算法获得的模型更为精确。

管间机器人定位机构的误差分析

介绍了管间机器人的功能、结构及其定位机构的工作原理.用全微分方法对定位机构的误差进行了分析,求出了管间机器人的位置误差与原动件位置误差和构件长度误差的关系,为零件公差的分配提供了理论依据.根据分析结果对实验样机的定位误差进行了计算.