税收CGE模型发展动态及启示

在参考大量相关文献的基础上，介绍和评价了国外税收CGE模型，并对我国税收CGE模型研究工作的主要内容以及应该注意的主要问题进行了探讨，以推动我国这一领域的研究工作。     

大型问题的计算模型与优化算法

针对工程和科学计算中解决大型问题所采用的梯度法和拟定Newton法计算量大和存储量大的特点，引入了MATLAB来求解大型问题．介绍了在MATLAB中能求解的大型问题的数学模型和对应函数，并对用MATLAB解决问题的方法进行了可行性分析．最后以雅可比矩阵的非线性等式为例来说明用MATLAB求解问题的方法．     

校准方法与计量经济方法的比较

介绍了可计算的一般均衡（CGE）模型中确定参数的两种主要方法：校准方法与计算经济方法,并对两种方法进行了比较,分别论述了它们的优缺点。得到的结论是在CGE模型中进行参数估计时采用“校准”方法和计量经济学方法相结合：对于刻画行为人的行为并对结果有重要影响的参数（如各种弹性）采用计量经济学方法来估计,其他的参数则利用所构造的社会核算矩阵（SAM）通过校准方法而得到。     

多部门经济的CGE模型研究

本文在一个人工税收两部门经济可计算一般均衡模型的基础上，将其扩展为三部门、四部门经济CGE模型。在此基础上，求得三部门、四部门模型的均衡解。同时，对CGE模型结构、模型数据处理进行了更深层次的探讨。     

改进的Logit随机路径选择模型及其算法实现

在交通分配问题中，路径出行成本是与流量相关的函数，使用Logit随机路径选择模型进行配流计算会带来一定的误差，而随机均衡配流模型及算法都比较复杂，模型的应用受到一定的限制。因此对Logit随机路径选择模型进行了改进，并用逐次分配算法成功实现求解，还对求解结果进行了对比分析。改进后的模型同原模型相比，简单直观、假设合理、易于求解，同时考虑了出行成本与流量的关系，对于交通拥挤的配流问题同样适用，因而具有广泛的应用前景。     

LINGO模型语言及其在机械优化设计中的应用

运用LINGO6 .0模型语言优化算法 ,对机械工程中的优化问题进行了优化研究 ,得到了可靠且比常规优化更为有效的优化结果 ,LINGO模型语言不仅能求连续变量的优化问题 ,且能更方便地求解工程中更为需求的整型优化问题。本文在对软件简单介绍后 ,给出优化实例予以说明     

一种极小化两个凸函数之和的混合近似邻近点算法

本文提出一种混合近似邻近点算法以求解极小化两个凸函数之和的无约束优化问题。通过将邻近点算法中的优化问题转化为一系列极小化近似函数的子问题来求解,以得到此优化问题的最优解。在子问题中用线性模型来取代原问题目标函数中非线性程度较低的函数,而在下一个子问题中,用二次模型来取代非线性程度较高的函数,进行交替运算。在临近点算法的框架下,求出原问题的解。最后给出3个算例以说明本文所给出的算法是有效的。     

多资源约束批量拆卸优化模型及算法

针对环境意识制造研究领域的废旧产品拆卸，提出了一类多资源约束批量拆卸优化方法.以拆卸时间最小为优化目标，建立了该方法的数学模型，采用CPLEX软件对模型进行求解，通过多组随机算例的仿真实验验证了该模型在求解此类批量拆卸优化问题的有效性.实验结果表明，所提方法和模型能够求解该问题的最优拆卸数量和购买数量，确定每类零部件是否进行拆卸，同时满足每个零部件的外部需求；节点的入度/出度和共有部件所占的百分数对问题求解难度有一定的影响.     

二次最小化问题的有限时间递归神经网络求解

利用一类递归神经网络模型来求解二次最小化问题，在该模型的基础上加入双符号幂激励函数，以加快递归神经网络的收敛速度，甚至达到有限时间收敛.通过调节设计参数λ的取值，递归神经网络的收敛性能可进一步提高.利用MATLAB软件对有限递归神经网络模型进行仿真，数值仿真结果验证了模型求解二次最小化问题的有效性和优越性.     

带到达时间分批排序问题的数学模型

建立数学规划模型来研究排序问题是一件有意义的工作．本对单机分批带到达时间的最大完工时间排序问题1|B，rj|Cmax(属NP-困难，LIUZH等)建立了它的0-1整数规划模型；利用统计软件SAS中的LP过程编程对此模型进行了数值求解实验，得到了按此数学模型计算机能求得最优解的该问题的规模．     

非线性电路的ACNGA求解方法研究

在非线性电路的研究中，非线性电路的全解集的求解方法研究是非线性电路理论的重要研究领域之一。遗传算法是一种模拟生物进化的最优化搜索方法，因其稳定性好、不需要计算目标函数的能处理多维数值问题，遗传算法在科学研究和工程技术中得到广泛运用。针对非线性电路的全解集的求解要求，本文提出了一种改进的具有自适应交叉算子的小生境遗传算法，成功地应用于非线性电路的全解集的求解，结果表明了具有自适应交叉算子的小生境遗传算法（ACNGA）对非线性电路求解的有效性和实用性。     

求解旅行商问题的几种算法的比较研究

旅行商问题具有重要的理论和实际研究价值,在工程实践中应用广泛.采用遗传算法、蚁群算法和模拟退火算法对旅行商问题进行求解,并选取中国旅行商问题进行仿真,比较了3种算法的优劣,得出了它们各自不同的适用范围:蚁群算法适用于缓慢地较精确的求解场合;模拟退火算法适用于快速精确的求解;遗传算法适用于快速求解,但结果准备度要求不高的情况.     

用分块加权平均的不精确Newton法计算潮流问题

为研究电力系统中潮流方程的快速算法,将求解大型稀疏线性方程组的componentaveraging(CAV)方法应用于电力系统潮流方程的计算,提出了一种分块加权平均的不精确Newton法,给出了算法收敛性的证明。该方法的特点是易于组织并行计算,且算法灵活,无需对方程进行特殊处理,运算效率高,适应于解大型潮流方程。用IEEE662节点的电力系统对算法进行了串行实现,结果表明:该算法是可行的和快速的。     

一类特殊规划的求解算法

二次规划问题是一类重要的优化问题,是NP困难的.通过对已有算法的理解与分析,在假设原问题的Hessian矩阵正定的条件下,作者给出了求解二次规划问题的一种新算法,并讨论了算法的收敛性.     

非线性方程在线连续求解及工业应用

讨论化工过程软仪表构造中具有Ｆ（ｘ（ｔ）,Ｖ（ｔ）,ｔ）＝０形式的非线性方程在Ｖ（ｔ）连续变化条伯下,ｘ（ｔ）的实时连续数值求解问题,针对该非线性方程在线求解的特点,提出有限搜索遗传算法及其改进算法,并引入自适应因子解决初始值问题,给出实际工业模型的仿真结果说明所给出的算法的可行性和鲁棒性。     

基于MapReduce和Spark的大数据模糊K-means算法比较

从原理和实验2方面对基于MapReduce和Spark的大数据模糊K-均值算法进行分析比较,并对2种大数据开源平台的优缺点进行了总结.由于模糊K-均值算法是一种迭代算法,需要对部分数据进行重复操作以得到最终聚类结果,因此主要从算法执行时间、同步次数、文件数目、容错性能、资源消耗这5方面进行比较,得出的结论对从事大数据研究的人员具有较高的参考价值.     

遗传算法在CDMA/PRMA协议中的应用

为了在参数众多、分析复杂的最优信道接入求解问题中找到一个简单、直观的解决方法。提出了采用遗传算法与码分多址／分组预约多址协议相结合的方法解决最优信道接入函数的问题，它只依赖于对业务特性的模拟程度，避免繁琐的数学推导。计算机仿真证明，这种解决方案是直接而有效的，并且可以保证结果的最优性。     

一种求解TSP问题的混合算法

结合粒子群算法、蚁群算法、重力搜索算法提出了一种新的混合算法——TSP-GPAA.该算法将粒子群算法和重力搜索算法加入到蚁群算法中,利用粒子群算法的全局搜索能力解决了蚁群算法的初始信息素匮乏的问题,并且重力搜索算法将粒子群算法和蚁群算法参数进行优化,明显提高了蚁群算法的优化性能.实验表明新算法对于解决TSP问题是有效的...     

一种求解TSP问题的均匀设计抽样混合遗传算法

旅行商问题是经典的NP-hard组合优化问题,在许多领域有着重要应用。近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想。基于理想浓度模型的机理分析,利用均匀设计抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在旅行商问题特点的基础上,结合2-opt局部搜索策略,给出了一个解决旅行商问题的新的遗传算法。通过将该算法与简单遗传算法和佳点集遗传算法进行实例仿真比较,可以看出新算法在求解旅行商问题上提高了求解的质量、速度和精度,而且避免了其它方法常有的早期收敛现象。     

基于随机均衡配流的O-D量估计双层规划模型及算法

在传统随机均衡配流模型的基础上,提出了一种增广的随机用户均衡配流模型及其求解算法。在此基础上构造了一个双层规划模型,用以描述基于随机用户均衡原则的从路段观测流量估计O-D交通量的问题,并给出了相应的求解算法。该模型及其求解算法对于解决O-D估计问题是可行有效的。