渐进式分组狩猎的灰狼优化算法及其工程应用

针对灰狼优化算法(GWO)在求解复杂优化问题时存在后期收敛速度慢、易陷入局部最优的不足,提出了一种渐进式分组狩猎的灰狼优化算法(PGGWO)。首先,设计了非线性多收敛因子以增强全局勘探能力、避免局部最优;其次,提出了渐进式位置更新策略,该策略引入长鼻浣熊的包围策略和动态权重因子,前者在提高收敛精度和速度的同时避免局部最优,后者则动态地提升算法的收敛速度及全局寻优性能;最后,通过与标准GWO、4个GWO先进变体以及4个竞争力较强的新型进化算法对比,验证了PGGWO的有效性和先进性。在24个Benchmark函数和3个实际工程优化问题上的实验结果表明,PGGWO在收敛精度和收敛速度上具有明显优势,并且对约束优化问题也是有效的。

基于改进粒子群优化的投资组合模型研究

金融市场中投资者在应对不确定性风险的同时还要面临自身因素所导致的背景风险,在投资过程中存在许多不确定因素,而这些因素往往是模糊的.该文利用模糊集和可能性理论建立不同风险态度下含有背景风险的模糊不确定投资组合;同时考虑投资者对风险的喜好、交易费用等,建立了不同风险态度下含有背景风险和交易费用的可能性均值-下半方差模型,并提出一种求解该模型的带有选择规则的粒子群算法.以上海证券交易所180指数随机选取的8支证券为例组成投资组合,给出数值算例,数值实验仿真结果表明了所提出的模型和方法的有效性、可靠性.

一种求解二次约束二次规划问题的自适应全局优化算法

为了更好地解决二次约束二次规划问题(QCQP),本文基于分支定界算法框架提出了自适应线性松弛技术,在理论上证明了这种新的定界技术对于解决(QCQP)是可观的。文中分支操作采用条件二分法便于对矩形进行有效剖分;通过缩减技术删除不包含全局最优解的部分区域,以加快算法的收敛速度。最后,通过数值结果表明提出的算法是有效可行的。

考虑交易成本和基数约束的可能性均值-下半方差多期投资组合模型

目的提出一个改进的差分进化算法,求解在模糊环境下建立的可能性均值-下半方差多期投资组合模型。方法考虑模糊环境下多个摩擦因素,利用交易限制引入资产的基数约束,构建一个可能性均值-下半方差多期投资组合模型。在标准的DE算法中引入levy飞行随机游走策略增强算法寻优能力。结果与结论数值实验和仿真结果表明,利用改进的DE算法得到的投资收益比标准的DE算法高,且风险值比标准的DE算法低,同时也验证了建立的模型的合理性和实用性。

基于DPSO-RK算法解带有交易成本的投资组合选择问题

目的在Markowitz均值-方差模型的基础上,建立带有交易成本且期望收益和风险都有一定误差的投资组合选择模型,即乐观情况下期望收益最大风险最小模型和悲观情况下期望收益最小风险最大模型。方法根据模型特点,设计了基于Runge-Kutta法的差分进化粒子群优化(Differential PSO with Runge-Kutta,DPSO-RK)算法。结果与结论数值试验表明用DPSO-RK算法求解该模型是有效的,模型符合实际,与改进的粒子群优化算法(Improved Particle Swarm Optimization,IPSO)相比,本文所提出的算法具有更好的仿真结果。

基于收益权重的多期投资组合优化模型

为解决经典均值-方差模型对收益率的假设不能完全适应于实际证券市场的问题,引入收益权重计算每个时间段收益占总时间段收益的比重。考虑模糊环境下多重摩擦因素,提出了一种可能性均值-下半方差-熵多周期投资组合优化模型。利用外点罚函数法将其转化为无约束优化问题。在标准的遗传算法中引入混沌映射改变种群提取过程,扩大种群多样性以便寻到更优个体。数值实验和仿真结果表明建立的模型是合理的,改进的算法是有效可行的。

自可逆矩阵在Hill密码算法中的应用

分别提出了自可逆矩阵作为加密密钥的改进Hill密码及仿射Hill密码算法,并给出了一种自可逆矩阵的构造方法.密钥矩阵的自可逆性避免了解密中逆矩阵的计算过程,降低了计算复杂度,并且改进的仿射Hill同样弥补了已知明文攻击的缺陷.