Copula EDA与BP结合优化神经网络

分布估计算法是一种新的种群进化算法,通过建立概率模型得到新的个体,copula分布估计算法是将copula理论与分布估计算法结合,提高估计的精确性和效率。针对分布估计算法全局收敛的特点,与BP算法结合可以避免BP算法易陷入局部极值点的缺陷,同时可以使优化结果更加精确。本文采用copula EDA与BP算法的两种结合模式来优化神经网络的权值和阈值,并且比较两种结合模式。可以得出,copula分布估计算法与BP算法融合可以提高收敛速度和精确性。     

Copula在构造联合分布函数中的应用

利用copula构造了具有相同边缘分布的分布函数,讨论了在给定的联合分布和边缘分布的基础上如何构造新的copula的方法,并用构造的copula得到一个二维分布函数。     

基于G-H分布的copula-SMR方法

将阿基米德copula应用于谱风险度量（SMR）,提出了一种新的风险度量方法（copula-SMR方法）。选取G-H分布对边缘分布进行建模,采用极大似然估计对给定的阿基米德copula进行参数估计,选择能更好拟合实际数据的copula函数,运用二次规划方法,计算相应的谱风险值,确定了在不同期望收益率下最优投资组合。     

一种融合分布估计的离散粒子群优化算法的配电网重构

将基于分布估计的离散粒子群优化算法运用于配电网重构,以降低网损为目标函数,对于新的种群,随机从概率模型和至今全局最优信息项中获取解信息。仿真实验结果表明提出的关于配电网重构的新算法优于其他几种优化算法。     

一种基于罚函数的混合分布估计算法

分布估计算法是一种新型的基于概率模型的进化计算方法,已在许多领域得到了非常成功的应用.借签罚函数根本思想,把非线性约束优化转变为无约束优化,并利用多变量相关的MIMIC算法对所得的无约束问题进化求解,提出的新算法突破了传统基于约束保持法或可行规则法的约束处理,且分布估计算法是基于可行解的宏观层面的随机进化算法,具有较强全局寻优能力和较高的收敛率.数值试验表明该算法具有很强的全局寻优能力和有效性.     

基于Kendall’s τ的连接函数分布估计算法求解云计算中SaaS部署问题(英文)

分布估计算法的性能高度依赖于如何估计和采样概率分布,连接函数(Copula)是构建概率分布模型的强有力的工具.论文给出了一个基于Kendall’s τ的正态连接函数分布估计算法,算法通过估计Kendall’s τ和利用Kendall’s τ与相关矩阵的关系首先估计正态连接函数中的相关矩阵,由此估计出联合分布.然后,Cholesky分解算法被用于该矩阵生成新的个体.由于正态连接函数的简单性,使得该算法具有简单明了的优点.算法被应用于一些测试函数和云计算中的SaaS部署问题,实验结果表明了算法的有效性.     

求解多目标优化问题的分布估计算法

通过对多目标优化方法研究现状的分析,针对多目标优化问题的特点提出一种基于联合正态分布的求解多目标优化问题的分布估计算法。该算法将不同目标函数的自变量作为不同的随机变量,用联合正态分布对扩充的解空间进行估计,并用投影的方式将采样点映射到解空间中。仿真结果表明了该算法的有效性。     

组合粒子群优化和分布估计的多目标优化算法

提出组合粒子群优化和分布估计的多目标优化算法。在寻优迭代过程中,一半的后代由粒子群算法产生,带有变异操作的粒子群优化算法具有全局搜索能力;另一半后代采用分布估计算法来产生,分布估计算法具有良好的学习和局部搜索能力,由其提取决策空间的信息并建立期望解的概率分布模型,对这个分布模型进行采样而产生下一代的解。与多种多目标优化算法的比较实验表明,组合算法在基准函数ZDT1～ZDT3,ZDT6和ZDT6-1上获得的Pareto解集具有较好的收敛性与多样性,在ZDT4实例上的性能适中。     

MIMIC算法在非线性多约束机械优化问题中的应用

将双变量相关的分布估计算法与惩罚函数法相结合,用于解决机械工程上非线性多约束优化设计问题.算法对每一次迭代寻优后的变量进行保留,建立概率模型,通过正态分布发生函数对变量重新取值,并采用惩罚函数来处理变量约束条件.仿真结果表明,该算法能有效防止早熟收敛,提高算法的全局搜索能力,具有较好的应用前景.     

基于混合copula函数的沪深股市与香港股市一体化趋势分析

沪深股市与香港股市近年来分割状况改善,出现"一体化"发展趋势.测定两市相依结构和波动溢出效应对于市场参与各方具有重要意义.结合传统的协整检验、Granger因果检验和VEC模型,引入混合copula函数对两市代表性指数——沪深300指数和恒生中国企业指数进行相关性分析.参数估计方面,利用非参数核密度方法估计边缘分布,结合EM算法计算混合copula的参数.实证结果表明两个市场具有显著相关性,且上尾相关性大于下尾相关性;混合copula函数与单copula函数分析结果一致,拟合效果优于单copula函数.     

基于FPSO-SA算法的威布尔分布参数估计研究

为解决威布尔分布等复杂分布模型采用常规方法很难直接进行参数估计的问题, 提出了基于模糊粒子群模拟退火算法的威布尔分布参数估计。该算法根据粒子个体纵向和横向运动特性, 引入模糊逻辑推理动态调整惯性权值因子, 提高了粒子群算法(PSO: Particle Swarm Optimization)的收敛速率; 将上述模糊粒子群算法(FPSO: Fuzzy Particle Swarm Pptimization)与模拟退火算法(SA: Simulated Annealing)结合, 以FPSO算法的速度位置更新公式作为SA算法的状态生成函数, 再运用Metropolis算法以概率接受新状态, 获得全局最优参数估计值。将基于上述智能算法的参数估计法运用到威布尔分布参数估计中, 提高了参数估计精度。实际应用表明, 该参数估计方法在复杂分布模型参数估计中具有可行性和有效性。     

均匀分布位置参数一种估计的渐近分布及应用

对区间长度为定值均匀分布位置参数的点估计量进行了研究,得到位置参数点估计量的渐近分布,讨论了渐近分布的相关性质,给出了位置参数的区间估计及其假设检验方法.     

边缘分布确定的多元Copula函数构建

从二维随机变量(TRV)的边缘分布函数(MDF)与其联合分布函数(JDF)的关系出发,研究如何构建多维随机变量(MRV)的联合分布Copula函数,并对构建的函数进行拟合与检验。首先,简单介绍Copula函数的定义、SKlar定理和常用的函数类型;然后将TRV变量的MDF函数与其JDF函数的关系扩展到MRV变量;最后研究了TRV变量的MDF函数已知时,构建其JDF函数的方法,同时将其扩展到MRV变量,提出了新的构建MRV变量的JDF函数的方法,对构建的函数提出了相应的拟合方法和参数估计方法。     

Copula熵方法及其在三变量洪水频率计算中的应用

为解决传统Copula方法在进行联合概率分布拟合过程中要先进行函数类型选择的问题,将Copula函数和最大熵原理进行耦合,通过求解具有最大熵的Copula方程,求得二维联合分布函数,即Copula熵方法。用求得的Copula函数对洪水事件的3个相关变量(洪峰流量、洪水总量和洪水历时)进行两两配对的二维联合分布拟合,并利用Gibbs采样方法和Copula函数实现三变量洪水事件的随机模拟。以淮河鲁台子水文站的实测洪水资料为研究对象,进行实例分析,并通过拟合优度的计算,证明Copula熵方法对多维相关变量概率拟合的有效性以及Gibbs采样方法在三变量洪水事件模拟过程中的有效性。     

基于广义伽玛分布的灵活独立分量分析算法

针对基于拉普拉斯分布灵活独立分量分析算法收敛速度较慢的问题,提出了一种基于广义伽玛分布的灵活独立分量分析算法,该算法把广义伽玛分布概率密度函数作为语音信号概率密度函数的估计,得到一个更加适合语音信号分离的激活函数。将推导出的激活函数应用于独立分量分析(ICA)的自然梯度算法中进行了计算机仿真实验,验证了算法的收敛性能和分离性能。     

基于Matlab和GM（1,1）模型的Weibull分布参数估计

介绍了随机截尾情况下计算样本失效概率的Johnson算法和GM（1,1）模型估计三参数Weibull分布参数的方法;提出了结合Johnson算法和GM（1,1）模型估计随机截尾情况下Weibull分布参数的方法,编写了相应的Matlab函数,实例计算表明这种方法的计算精度可满足工程需要。     

复合泊松分布参数估计的EM算法

复合泊松分布是非寿险精算中的重要理赔模型,利用正规的统计方法(如极大似然估计)估计模型的参数往往比较困难,而矩估计的精度在大样本下才能有令人满意的结果.本文应用EM算法研究了复合泊松分布的参数估计问题,给出了参数满足的方程,并给出了参数的矩估结果,对两种参数估计结果,通过计算机模拟,表明EM算法对参数的估计更为有效,且EM算法在小样本下就能得到较好的估计效果.