基于SAEM-HMM的设备状态诊断模型研究

针对设备状态诊断问题,提出了基于模拟退火和期望最大化算法的隐马尔可夫模型(SAEMHMM).该模型针对改进传统隐马尔可夫模型对初值敏感及期望最大化算法容易陷入局部最优的不足,将模拟退火算法与期望最大化算法结合,利用前者具有概率的全局收敛性,克服局部最优问题,实现隐马尔可夫模型参数估计过程的优化.最后通过算例分析验证了该模型的可行性与有效性.     

非线性规划的混合遗传算法

遗传算法是一类模拟自然界生物进化过程与机制、求解问题的自组织和自适应的人工智能技术,是非常好的求解优化问题的算法,但是它也容易产生早熟现象,且局部搜索能力较差。因此,在分析传统的非线性规划方法的基础上,针对传统方法的局限性,为非线性规划模型设计了一种新的启发式算法,即结合遗传算法、模拟退火算法和动态惩罚函数法的混合遗传算法,以发挥各算法处理问题的优势。对算法的过程进行了分析。通过实例说明,该算法对于求解所建立的问题是有效的。     

一般两层非线性规划问题的模拟退火全局优化

提出了一种基于模拟退火算法求解一般两层非线性规划问题的全局优化策略.采用模拟退火算法è求解上层问题,用精确惩罚函数处理约束,保证了算法稳定迅速地收敛于全局最优解.为了提高算法的效率,对标准模拟退火算法采取了一些改进措施.下层的非线性规划问题则采用可变容差单纯型算法完成求解.所设计的组合算法思路清晰,编程简单,数值计算结果表明,该算法有着良好的全局收敛可靠性和较高的收敛速度,是求解一般两层非线性规划问题的一种有效算法.     

两层非线性规划问题的并行模拟退火全局优化

两层非线性规划问题的非凸性和非可微性给全局最优解的求解带来了较大的困难，目前还缺乏成熟的全局优化策略，同时其易并行计算特性未得到重视。提出了基于模拟退火算法的两层非线性规划问题的并行全局优化策略。融合单纯形法和模拟退火算法设计了一种并行模拟退火算法，用来求解上层问题，用精确惩罚函数处理约束。下层的非线性规划问题则采用可变容差单纯形算法完成求解。所设计的组合算法有效地结合了两层非线性规划问题的易并行性，便于实现网络并行计算。计算表明算法有着可靠的全局收敛性和较高的收敛速度。     

大型活动的安保警力部署和调度优化研究

近些年,我国大型活动(特别是大型体育活动)数量逐渐增多,规模日益扩大,活动中潜在的风险和威胁也随之增加,由此衍生出巨大的活动安保警力需求,这与有限的警力资源之间产生的矛盾就成为亟需解决的问题.通过对大型活动安保实践的调研,构建了警力部署点的数量与风险损失的函数关系,并建立了最小化预期风险损失的静态警力部署模型,以及在风险发生后有效调度警力的动态警力调度模型,准确刻画了大型活动中的警力初始部署和变动情况.两种模型可以分别用动态规划算法和线性规划算法求解.为使模型在实践中更易推广使用,依据贪婪算法为大型活动的安保警力部署和调度设计了一套优化规则.数值实验结果表明,对于静态警力部署模型,我们给出的优化规则和通过动态规划算法得到的精确解具有良好的近似程度;而对于动态调度模型,优化规则得到的解和线性规划算法得到的精确解在99.5%的情况下完全一致.研究丰富和发展了大型活动中安保警力优化调度的相关理论,也为公安部门的安保实践和相关规则的制定提供了理论基础.     

互联网能耗和性能优化的权衡模型

互联网能耗和性能互为矛盾已经成为网络研究人员的广泛共识. 目前的研究方法通常仅将其中一个方面作为主要问题，而将另外一方面作为次要问题来解决. 因此，如何将互联网能耗和性能作为同等重要的指标进行协同优化，是本文所要研究的问题. 本文提出了一种通用优化模型来实现减小互联网能耗的同时提升网络性能. 为将其应用于实际，本文通过引入并定义代价函数和功率-带宽函数，将该通用模型具体化为一个线性规划模型. 评估结果显示，该线性规划模型的最优解能够同时降低网络的最大链路利用率和能耗，并且使得这两者中的每一个指标均近似于对其进行单一优化的模型的最优解，从而实现了对网络能耗和性能的协同优化. 与当前互联网相比，在最大链路利用率方面，本文所提出模型的最优解最多可将其减小60.6%，最少减小45.8%；在能耗方面，该模型的最优解最多可将其减小83.3%，最少减小56.7%.     

模拟退火算法的一种参数设定方法研究

模拟退火算法在有限计算量条件下的收敛性能对自身参数有很大的依赖性,这使得参数设定问题成了算法应用过程中的一个关键环节。考虑到模拟退火算法本身的随机性,将其参数设定问题描述为随机优化问题,提出一种系统可靠地解决该问题的混合优化算法,即基于序的巢分区算法,该算法继承了序优化算法的快速收敛性及巢分区算法的全局搜索特性,能够有效解决复杂的随机组合优化问题。以典型旅行商问题为算例的仿真结果检验了方法的高效性与可靠性。     

基于遗传模拟退火算法的判断矩阵一致性修正

分析了判断矩阵一致性修正中存在的问题.把专家判断矩阵的不一致性看成在其特征矩阵受到扰动后形成的,在达到满意一致性阈值的前提下使扰动量修改最小,最终建立了专家判断矩阵一致性修正的一个非线性规划模型.设计了相应的遗传模拟退火算法用于求解这个非线性规划,并和已有的方法进行比较,数值计算证明模型是更有效的方法.     

供应链多产品产供销风险协调模型

基于条件风险值(简称CVaR)模型,研究了在单周期下供应链多产品产供销一体化模式的多产品产供销风险协调模型.首先,运用CVaR模型建立了供应链中销售商、生产和供应商的多产品产供销一体化风险协调模型.然后, 从供应链的终端市场需求出发,分别建立了零售商的订购风险决策线性规划模型、生产商的生产风险决策线性规划模型和供应商的供应风险决策线性规划模型,由此得到了多产品产供销一体化的风险协调线性规划模型. 最后,模型的数值实验结果表明所建模型得到的协调策略可以有效的减少供应链企业的经营风险和市场风险;同时,对模型的灵敏度分析表明可以通过控制供应链的成本结构、价格和资金等指标的变化来减少供应链风险.     

考虑随机需求和库存决策的多商品物流网络设计的优化模型与算法

提出一种将库存控制决策和设施选址模型相结合的优化方法,用来解决一类多商品物流网络优化设计问题, 网络内的用户需求是随机的且服从正态分布,优化设计的目的是在满足一定服务水平的前提下,最小化物流网络内包括建设费用、储存费用 和运输费用在内的总成本费用,建立了一个能同时描述设施选址决策和库存决策的多商品物流网络设计问题的非线性混合整数优化模型,并使用组合模拟退火算法对其进行求解分析,最后的算例计算结果验证了模型和算法的有效性.     

基于等熵一致性风险测度的组合选择

本文基于一种新的一致性风险测度——等熵风险测度，进行组合优化，以检验其择股能力，从而检验其风险识别能力. 先就风险识别能力，尤其随机占优一致性对三种基于分位数的风险测度：VaR，ES（expected shortfall）和等熵风险测度进行了介绍与对比. VaR具有一阶随机占优一致性，而ES具有二阶随机占优一致性；等熵风险测度利用了整个分布的信息，不再是简单的0-1风险测度，这与VaR和ES显著不同. 而且，等熵风险测度具有更高阶的随机占优一致性，这使得该风险测度具有更好的风险分辨能力. 而后采用Spearman秩检验方法来检验和预测不同风险测度的风险识别能力，这与随机占优一致性阶数相呼应. 最后，在上证50指数成份股中采用组合优化方法，考察标准差，VaR，ES以及等熵风险测度情况下，优化组合持有期的不同业绩指标. 结果表明，等熵风险测度优化组合的业绩指标最好，表明该测度风险识别能力最高.     

基于随机模拟和VaR模型的投资组合优化研究

投资组合的优化旨在对资金进行分配组合,得到各项资产的最优分配权重,并在权衡投资收益和风险的基础上使投资达到期望效用最大化.在研究过程中,首先运用Monte Carlo随机模拟方法预测各资产的收益率期望值,计算出收益率标准差和各资产间的相关系数,进而求解资产的组合风险.然后将VaR(Value at Risk)条件引入到模型中,建立以资产组合收益为最大目标,以资产组合的VAR为约束条件的投资组合优化模型,计算出资产分配比重.最后通过实例分析资产价格走势和检验分布假设,验证模型的合理性和可行性,为投资者的决策提供理论和应用依据.     

两种外汇期权市场风险非线性VaR计算方法

引入金融参数Delta、Gamma、Theta，将外汇期权近似表达式拓展成Delta-Gamma-Theta模型(简称DGT模型)，分别运用了Cornish-Fisher方法、Fourier-Inversion方法来计算外汇期权组合的风险度，并且对各自估计出的结果进行了比较分析，结果表明Comish-Fisher方法计算简单，且能很快地计算出结果，而Fourier-Inversion比Cornish-Fisher方法更合理地度量VaR值，是一个较好的度量外汇期权风险的方法。     

多风险控制目标下的资产配置模型

相比于VaR风险测度,CVaR风险测度因满足次可加性能够更好地描述金融资产组合风险,而广义极值分布和Copula函数较好地拟合了金融资产收益率的厚尾特征和相依性。本文尝试使用CVaR风险测度和Copula-GEV分布描述金融资产组合的极端值风险,并将其作为风险控制目标引入传统均值-方差模型,构建多风险控制目标下的资产配置优化模型,实现在金融资产配置决策中综合考虑期望收益、波动性风险和极端值风险,并设计PSO-MC优化算法对模型进行求解。通过对我国上市公司股票收益率数据的实证分析,验证了模型及求解算法的有效性。     

基于种族优生的进化规划用于混合非线性整数规划

混合非线性整数规划是在许多工程应用中经常遇到的重要问题。本文提出一种基于种族优生的进化规划算法用于求解混合非线性整数规划。一方面，该算法基于多种群并且每一代都选择各种群的最优秀个体作为下一代的种群祖先。另一方面，该算法的进化步长、种群规模和处理约束条件时所取的参数在进化过程中是动态变化的。实验表明该方法求解混合非线性整数规划问题的仿真结果优于现有的研究成果(GA，ES，SA)。     

金融风险管理中ES度量的非参数方法的比较及其应用

预期不足(ES)是近几年发展起来的用于测量和控制金融风险的量化工具.在金融时间序列中, 将两步核估计应用于两步ES非参数估计之中,得到了ES模型的两步核光滑估计. 通过计算其期望和方差,比较了两步核光滑ES估计与ES完全经验估计及一步核光滑估计的优劣,得到了有趣的结论: 与VaR模型不同, 两步光滑化并不能减小ES估计的方差,反而会增大其方差, 并通过计算机模拟证实了理论获得的结论.对国内沪深两市中的封闭式基金进行了实证分析,计算了样本基金的ES完全经验估计、一步核光滑估计和两步核光滑估计,并计算了样本基金基于周收益率和ES的两步核光滑估计的风险调整收益(RAROC),以此对样本基金的业绩做出了评价. 实证分析表明: 在不同的置信水平下,基于周收益率和ES计算的风险调整收益排名比基于周收益率和VaR计算的风险调整收益排名要更加稳定.     

尾部相关性对投资组合VaR的影响分析

通过随机模拟,研究两种不同的风险度量(VaR和方差)与相关性之间的关系.当用方差度量风险时,资产收益率之间的线性相关性越小,资产组合的风险就越小.当用VaR度量风险时,收益率间的尾部相关性对VaR也有显著影响.如果资产收益率之间的线性相关性较小,而尾部相关性较大,则风险可能较大.     

基于Delta-Gamma-Theta-Fourier-Inversion 模型的外汇期权风险度量

本文引入金融参数Delta、Gamma、Theta,将外汇期权近似表达式拓展成Delta-Gamma-Theta (DGT)模型,运用Fourier-Inversion方法计算外汇期权组合的风险度,估算出VaR值并与基于Delta正态分布模型、Cornish-Fisher模型进行了比较,结果表明,该模型是一种较好的度量外汇期权风险的方法和工具.     

基于高阶矩风险控制的贷款组合优化模型

以银行各项资产组合收益率最大化为目标函数, 以VaR来控制贷款组合的风险价值, 以偏度约束来控制贷款组合收益率的整体分布向大于均值的方向倾斜、以减少发生总体损失的单侧风险, 以峰度来控制贷款组合收益率分布出现极端情况的双侧风险, 建立了资产分配的收益率均值-方差-偏度-峰度模型.本模型的创新与特色是通过峰度约束控制了贷款组合收益率向极端损失偏离的程度.在马可维茨均值-方差模型的基础上, 增加了偏度和峰度参数, 建立了收益率均值-方差-偏度-峰度模型.模型通过方差约束, 控制了组合收益率偏离均值的离散程度: 通过偏度约束, 控制了组合收益率总体分布向损失一侧偏离的程度: 通过峰度约束, 控制了组合收益率出现极端损失或收益的可能性. 模型从多个角度控制了贷款组合的风险, 拓展了经典的均值-方差优化组合思路.     

股市风险VaR与ES的动态度量与分析

首先描述金融时间序列的一般特性，从收益率的波动性与分布两方面进行考虑，建立起计算时变风险值VaR和ES的模型，并在多种分布情形下动态测算上证综合指数的风险，结果表明基于GED分布的VaR模型能够较好地刻画高频时间序列的尖峰肥尾性及杠杆效应等特性，而ES模型则有效地弥补了VaR模型的不足之处。