基于动态平衡的多目标粒子群优化算法

传统粒子群优化算法在求解动态优化问题时,种群将逐渐收敛,从而在问题变化后无法进一步寻优,针对上述问题,提出了一种基于动态平衡的多目标粒子群优化算法.采用双种群策略以动态平衡算法的探索能力与开发强度,其中一个子种群在动态调整的网格中运行混沌搜索,确保种群多样性符合要求的同时,能够有效提升搜索的效率.利用快速收缩多目标粒子群算法,对另外的子种群进行计算,收敛到Pareto前沿.通过一组标准测试问题对所提方法进行了验证,实验结果显示所提算法无论在收敛速度还是在优化精度上都优于其它典型多目标进化算法.

基于哈佛分析框架的MY公司财务分析

本文结合哈佛分析框架,对MY公司进行了财务分析,很好地避免了传统财务分析方法只就数据而分析的片面性。该框架从战略角度、会计分析、财务分析、发展前景4个方面全面分析了MY公司的财务状况及存在的问题。