网络环境下广告资源优化决策模型

研究了网络环境下优化配置有限广告资源的问题.在最大化总体点击率的基础上引入了定价模型,提出了在企业广告预算一定的条件下,基于混合定价的最大化网站收入的决策模型.目标函数是有约束的优化问题,采用罚函数法转换为无约束优化问题,针对无约束问题采用遗传算法进行求解,仿真结果说明了模型和算法的可行性.     

户外广告资源配置优化模型及算法研究

针对户外媒体广告的特点,提出了一个户外广告资源配置优化模型,将其建模为一个带约束的整数优化问题,最大化户外广告的总收益。通过罚函数法进行约束处理,提出了一种协同混合粒子群算法进行求解,仿真结果表明了该算法的有效性。将这种模型运用于户外广告进行综合定价,能够较好地解决广告主和相关广告运营企业的共同利益互存,使双方的利益最大化。     

服从ARCH模型的风险资产定价模型

考虑服从ARCH模型的风险资产的定价问题,研究了投资者在具有二次效用函数下的最优投资组合问题。利用无套利原理给出了投资者在效用最大化条件下风险资产的定价问题,给出了最优投资组合的定价模型,并对不同形式下的定价公式进行了讨论。     

基于消费形态条件下的电力运营定价模型

提出在电力运营部门定价过程中,首要的问题是选择指定的用户类型及用户消费形态,并且在自选择约束条件下达到福利优化的目的．运用计量经济学的方法建立了电力运营定价模型,在模型中,通过确定用户目标函数对电力运营部门的供给状况、福利最大化问题、需求函数原则和有效的电价条件进行了分析,并就如何确定正常的消费形态和相应的电力价格以及自选择约束条件进行了实证分析．结果表明,在基于消费形态的定价模型中,问题的关键是价格形态应同时对不同用户群达到有效、可行和公平的目的     

CIR短期利率下养老金的优化控制模型

讨论带有收益保障的养老金计划在随机利率模型下的优化管理问题。通过分解养老金，将有下限约束的退休收益优化问题转化为无约束的自融资基金优化问题，并在Cox-Ingersoll-Ross(CIR)利率模型下得到微分方程。     

基于简单锥模型的带线搜索的新信赖域算法

对于无约束优化问题,提出了一类基于简单锥模型的带线搜索的新信赖域算法。该算法采用大步长Armijo线搜索技术获得迭代步长,克服了每次迭代求解信赖域子问题时计算量较大的缺点,适用于求解大型优化问题。在适当的条件下,证明了该算法的全局收敛性。     

最小收益约束下的最优投资问题

在最优投资问题的约束条件为收益不低于市场组合收益(随机收益)与固定保本收益最大者的情况下,采用Black-Scholes期权定价框架,构造等价鞅测度求解得到该优化问题的最优投资策略,同时在HARA效用函数下分析该投资问题的性质,发现在不同条件下,该投资策略可以退化为无约束最优投资策略、基于欧式看跌期权及两资产交换期权的套期保值策略．     

基于拉姆齐模型的高速铁路营销方法研究

本文结合成本理论、弹性理论和福利经济理论,采用统计分析法和实物模拟分析法,对拉姆齐定价模型进行了深入探讨。对拉姆齐指数的取值区间进行了拓展,结果表明拉姆齐指数取值范围比传统更广。针对不同弹性旅客类别建立了差异化定价模型和营销优化取值。假设单位营销投入变动弹性一定,表明当需求价格弹性不同时,定价方法和单位营销投入变动也不同。企业可根据不同的运营目标采取不同的定价方法和营销策略:在追求社会福利最大化时,实行统一定价和无差异营销;在追求企业利润最大化时,企业实行差异化营销,根据不同需求价格弹性采取不同的营销和定价方法。本研究为呼包动车的定价提供了定性及定量的参考。     

寡头垄断市场下的广告竞争策略研究

在寡头垄断市场条件下 ,给出了广告竞争下进行同时决策及两阶段决策时的广告策略模型 ,得出了厂商利润最大化时的广告策略 ,通过对结果的分析 ,说明了在不同情况下广告策略的选择 ,并在此基础上 ,分析了利润最大化时的市场份额的确定。     

一类新的带线搜索的自适应非单调信赖域算法

对于无约束优化问题提出了一类基于新锥模型的带线搜索的信赖域算法。利用自适应技术,当试探步不成功时,不需重新求解子问题,而采用Armijo线搜索,以减少计算量。在适当的条件下,证明了算法的全局收敛性。     

一类求解极小极大问题的算法

无约束非线性极小极大问题是最优化数值计算领域中十分活跃的研究课题之一,因此,对于无约束非线性极小极大问题,如何设计快速有效的算法一直都是优化工作者十分关心的问题.文中介绍了无约束非线性极小极大问题算法的研究意义及应用领域,分析了现有极小极大问题算法的研究现状,针对极大值函数的特性,给出了极大值函数的次梯度与ε次梯度之间及极大值函数的次梯度的凸锥与次梯度之间的一种包含关系,得到了计算极大值函数的ε次梯度的数值方法,从而构造出了一种求解极小极大问题的ε-算法,并且证明了算法的收敛性,初步的数值例子表明算法是有效的,且具有大范围收敛的特点.     

基于凝聚函数法的非线性方程组求解

给出了求解非线性方程组问题的一种有效方法,称为凝聚函数法。首先把非线性方程组转化为一个不可微优化问题,然后用一个称之为凝聚函数的光滑函数直接代替不可微的极大值函数,从而可把非线性方程组的求解转化为无约束优化问题,因此可以直接利用现有的无约束优化算法软件求解。在此基础上,给出了相应算法,并做了数值实验,数值实验结果表明了该算法具有收敛稳定,算法简单及计算效率高等优点。     

一种求解下模集函数最大值问题的近似算法

下模集函数最大值问题属于NP-难问题,难以得到有效的求解方法。针对这一情况,运用概率分布方法,给出了求解该问题的一种近似算法,并证明算法的性能保证为1／3。组合优化问题实例证明了该算法的有效性。该研究可为求解下模集函数最大值问题提供新的思路。     

基于弹性需求和动态定价的共享泊位分配

为解决共享车位管理中的车位分配与定价问题,本文考虑价格变化对于用户不同停车时长选择的影响,分析在不同停车收费标准下用户停车时长选择的概率,并采用多项式拟合得到精细化的共享停车需求价格弹性函数。进而,为实现停车场价格的动态调整与车位分配,以平台收益最大与用户步行距离最小为目标,构建基于弹性需求和动态定价的泊位分配非线性混合整数规划模型,并设计了遗传算法。最后,本文设计了包含3个停车场共1000个泊位、共享平台运营时长为3h的算例,对模型及算法加以验证,通过对比分析,基于弹性需求和动态定价的共享泊位分配方案相比于静态定价,实现平台收益增加19%且满足了大部分停车需求,说明动态定价下共享泊位分配模型及算法的有效性,为共享平台的车位管理提供了新思路。     

期权定价中最优投资问题与算法

最优投资是期权定价中投资者面对的关键问题,投资者如何选择合适的执行价格和期权的有效期限,以使期权到期日的价格最高,是一个复杂的非线性连续优化问题;文章引入进化计算中的粒子群算法来解决这一问题,提出了一种基于粒子群的期权定价最优投资算法,为投资者提供有效的决策支持;针对Black-Scholes模型进行了算法的设计和实现,并以一个典型算例说明了该算法的有效性。     

三级网状随机库存与定价联合策略的仿真优化

研究了弹性需求下提前期可控的库存与定价联合策略问题.由于该系统具有顾客到达服从泊松分布,随机顾客需求量、随机顾客购买行为、随机订货时间和制造商生产容量有限制等特点,使得解析方法很难描述系统中的多种复杂随机因素.为此建立了以最大化总收益为目标,将价格、提前期及库存控制策略同时作为决策变量的数学模型,并运用基于仿真的优化方法,通过将仿真方法与粒子群优化算法相结合对问题进行求解.仿真实例验证了模型和基于仿真的优化方法的可行性和有效性.     

双线性过程的鲁棒数据协调

针对基于鲁棒目标函数的双线性数据协调问题,提出了一种新的算法.首先利用两步法将双线性数据协调问题转化为两个线性数据协调问题,然后利用罚函数法把约束优化问题转化为无约束优化问题,最后给出了Huber函数的等价权,以及利用等价权法求解双线性鲁棒数据协调问题的表达式.在迭代求解过程中考虑了变量的上下限约束.仿真结果表明该方法能有效地求解双线性鲁棒数据协调问题,降低显著误差的影响.     

蚁群优化算法及其在可靠指标计算中的应用

从可靠指标的几何意义出发,结合罚函数法,将结构可靠指标的求解问题转化成相应的无约束优化问题.在求解过程中,为避免因结构功能函数的高度非线性给求导运算等带来的复杂性,尝试用蚁群优化算法进行结构可靠指标的优化计算,推导了有关公式并编制了计算程序.实例应用表明,用蚁群优化算法进行结构可靠指标计算是可行的.     

Improved Dual Algorithm for Constrained Optimization Problems

One class of effective methods for the optimization problem with inequality constraints are to transform the problem to a unconstrained optimization problem by constructing a smooth potential function. In this paper, we modifies a dual algorithm for constrained optimization problems and establishes a corresponding improved dual algorithm; It is proved that the improved dual algorithm has the local Q-superlinear convergence; Finally, we performed numerical experimentation using the improved dual algorithm for many constrained optimization problems, the numerical results are reported to show that it is valid in practical computation.