差分进化算法的参数研究

简要介绍了差分进化算法,对影响算法性能的主要参数种群规模,缩放因子和交叉因子进行了系统的实验,分析了各个参数对算法性能的影响及其最优选取问题,并给出了一些有益的结论,对运用差分进化算法时的参数选取有参考价值。

基于VaR约束的均值-绝对偏差投资组合优化模型及实证研究

文章在均值-绝对偏差投资组合优化模型中,加入风险价值约束,给出了基于VaR约束的投资组合优化模型,以增强对投资风险的控制能力,然后利用一个自适应的粒子群算法对这个模型进行求解,实证研究表明模型是合理且风险控制能力更强,能够更好地为投资者提供决策依据。

基于偏度的多期证券投资组合模型研究

在考虑资产收益率分布中正的偏度水平前提下,以风险价值VaR为约束条件,并引入非线性交易费用、税收等市场摩擦因素,建立以累积偏度最大为目标函数的多期投资组合优化模型,用罚函数法和PSO算法结合求解此模型,并给出实证分析。考虑到在买卖资产风险时交易费用等对投资收益的影响,投资者应该在每一期都对其资产组合进行调整分析,确保在每一期的开始都建立起符合需要的最优资产组合,这对投资者的连续投资行为具有一定的指导意义。

一致性风险测度下的VaR和CVaR对比研究

文章在一致性风险测度理论和谱风险测度理论下比较了VaR与CVaR性质的优劣,得出CVaR在性质上优于VaR的结论。同时也指出VaR在损益满足椭圆分布时具有CVaR同样的性质,因此VaR仍然可以描述尾部风险。此外,文章还进一步地探讨了在实际应用中VaR和CVaR的监管问题。

基于蚁群信息机制的粒子群算法

针对粒子群算法应用于复杂函数优化时可能出现过早收敛于局部最优解的情况,提出了一种改进的算法。通过构造单个粒子的多个进化方向和类似于蚂蚁群算法信息素表的选择机制,保留了粒子的多种可能进化方向。提高了粒子间的多样性差异,从而改善算法能力。改进后的混合粒子群算法的性能优于带线性递减权重的粒子群算法。

考虑交易费用的投资组合优化模型研究

交易费用对投资组合具有影响,以下半绝对偏差作为风险度量,建立一种考虑交易费用的单位风险收益最大投资组合优化模型(一个非线性的0-1分式整数规划),可以为管理者提供组合投资和控制风险的决策参考。

基于CVaR度量的投资组合优化研究

基于条件风险价值计量技术,首先考虑不允许卖空的情况下,以期望收益为约束,建立了以风险最小化为目标函数的投资组合优化模型。其次,针对该模型运用差分进化法进行求解,利用罚函数方法处理模型中的收益约束。最后,选取沪市和深市的8支股票以及银行存款利率数据进行实证分析,结果表明了模型的合理性和算法的可行性。

专题研究型教学模式的探讨与应用

专题研究型教学模式能够培养学生的创新能力和创新思维。文章介绍专题研究型教学模式的含义与特点,从教学方法过程和步骤两方面详细阐述如何将其应用到"智能优化计算"课程教学改革之中。

带有种群平均信息和保持活性策略的粒子群优化算法

利用种群的平均信息和保持活性策略,试图改变粒子群优化算法的性能,从而提出了一种带有种群平均信息和保持活性策略的粒子群优化算法,对典型优化问题的实例仿真说明带有种群平均信息和保持活性策略的粒子群优化算法比保持活性的粒子群优化算法具有更好的性能和全局搜索能力.

带有存量的贷款组合优化决策模型及智能算法研究

带有存量的贷款组合优化决策模型是在模型中考虑存量贷款和增量贷款的关系,控制了银行全部贷款的组合风险。鉴于提出的模型是一个非线性的0-1分式整数规划问题,给出了一种混合改进贪婪变换的遗传算法,数值结果表明该算是有效的,可以求解中大规模问题,同时也说明所提出的模型是合理的。

基于信用迁移的贷款组合多目标优化问题研究

针对现有研究大都仅对单个目标进行优化的现状,提出一种优化决策模型,即将企业信用风险迁移引入到贷款收益率的计算中,以限制资产数目、决策变量上下界等为约束条件,建立组合投资的收益最大、同时方差风险最小的优化决策模型。该模型是一个混合0-1变量的多目标规划问题,提出求解该模型的一种自适应改变惯性权重的离散粒子群算法,数值结果表明该算法是有效的,模型是合理的。

基于遗传算法的单位风险收益最大投资组合模型研究

文章根据中国证券市场的实际要求,考虑了交易费用、交易量以及最大投资上限等实际因素,以投资组合的收益为分子,以投资组合的风险价值为分母,建立了一个单位风险收益最大投资组合的非线性整数规划模型,给出了该模型的基于整数编码的遗传算法。实证分析表明,该模型是合理的并且给出的算法是有效的。

专题研究型教学在《神经网络计算》课程中的课堂教学实例——以“感知器”模型教学为例

以"感知器模型"的课堂教学为出发点,详细的介绍专题研究型教学模式在《神经网络计算》课程中的应用,从学生的实验结果可以看出,该方法可以提高学生的学习积极性,有一定的研究价值。

贝叶斯推断下的条件风险价值研究

基于假设的金融资产收益分布,建立了条件风险价值CVaR计算模型,并对分布的参数采用贝叶斯统计推断进行估计,然后利用蒙特卡洛模拟计算CVaR。选取沪深300中的股票数据进行实证分析,并与经典统计方法作比较研究,研究结果表明:应用贝叶斯推断估计的分布参数更精确,拟合的分布更符合数据的真实波动,提高了CVaR度量的准确性。

SOA和BMO的柔性分层次车间调度研究

针对加工路径和加工车间,提出一种基于SOA和BMO的柔性分层次车间调度优化问题。通过结合SOA中解决离散型优化问题的原则和BMO中由四种策略产生子代的交配原则,保证了该方法的多样性并避免了过早收敛。通过以3个柔性多车间的调度优化问题为例给出甘特图,验证了该方法的有效性和可行性。实验结果表明:该方法能够很好地分配工件的加工车间,并能合理地规划工件的加工路径。

基于CVaR的多品种期货套期保值研究

以最小化条件风险价值CVaR为目标函数,考虑资金限制,建立套期保值模型来研究多品种期货套期保值的套保比率问题。以资金限制为约束,避免了套期保值者因资金短缺而强制平仓造成的套保失败。实证结果表明,多品种的单位风险收益比单品种的大,说明多品种较单品种能更好地实现套期保值。

云环境下的任务调度研究综述

在今天这样的大数据时代,云计算显得十分重要。目前云计算被应用到各行各业中,因而提高云计算系统的整体性能,提高云计算的服务质量成为了研究的热点。本文详细的介绍了云环境下任务调度的特点和调度目标,总结了启发式智能算法在云环境下任务调度策略研究中的应用,明确了多目标约束条件是云环境下任务调度研究的重点,为更深入的研究提出了方向。

混沌粒子群优化算法

将混沌融入到传统粒子群提出了混沌粒子群算法。该方法利用了混沌运动的遍历性、随机性以及对初值的敏感性等特性,根据早熟判断机制,在基本粒子群算法陷入早熟时,进行群体的混沌搜索.数值仿真结果表明该方法能跳出局部最优,进一步提高了计算精度和收敛速度,以及全局寻优能力。

和声搜索—分布估计混合算法求解多目标优化问题

针对和声搜索算法不能很好地求解多目标优化问题的缺陷,提出一种多目标和声搜索—分布估计混合算法(MHS-EDA)。该算法一方面利用分布估计的采样操作对和声记忆库内进行搜索,拓宽了和声记忆库内空间;另一方面对和声记忆库外进行外部档案搜索,实现群体间信息交换,从而提高了多目标和声算法的全局搜索能力。数值实验选取六个常用测试函数,并与多目标遗传算法、多目标分布估计算法、多目标和声搜索算法进行比较,测试结果表明提出的混合算法能够有效地解决多目标优化问题。

小波阈值去噪算法的新改进

在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的阈值函数。与传统的硬阈值、软阈值、半软阈值以及已有的改进阈值函数相比,该函数不仅易于计算,而且具有优越的数学特性。通过Heavisine和Drop-pler信号的仿真实验表明,新的阈值函数可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上,均优于上述几种去噪方法,具有较高的实用价值。