一种布谷鸟-交叉熵混合优化算法及其性能仿真

为了提高布谷鸟搜索算法在求解复杂优化问题时的收敛速度和搜索精度,基于交叉熵方法,构建了一种新的布谷鸟-交叉熵混合优化算法.该算法将基于模型的交叉熵随机优化算法和基于种群的布谷鸟搜索进行有机融合,采用协同演化策略,既提升了混合算法收敛速度,又改善了其全局优化能力.对经典测试函数和PID控制器整定问题的仿真结果表明,新算法具有全局搜索能力强、求解精度高和鲁棒性好等特性,是一种求解复杂优化问题的可行和有效算法.     

交叉熵蝙蝠算法求解期权定价模型参数估计问题

期权定价模型的参数估计问题通常是非线性优化问题,且是非凸优化问题,经典的优化方法已不再适用。为此探寻用交叉熵蝙蝠算法来求解Merton跳-扩散模型、Heston随机波动模型和Bates带跳的随机波动模型的参数估计问题。实证结果表明该方法是有效可行的。     

基于交叉组合运算的密钥认证网络安全研究

针对当前多服务器网络安全性低和通信开销大的问题，提出了一种基于交叉组合运算的密钥认证网络安全研究方法.该方法通过蝙蝠算法优化后的随机森林算法提取数据的有效特征，然后基于交叉组合运算建立协议模型完成数据判别，最后利用该协议模型对不同类型的网络攻击进行检测.实验结果显示，该交叉组合运算方法能有效地减少网络中的通信开销并提升网络安全水平，所建立的协议模型可以有效减少网络攻击的危害，且在召回率和查准率方面都有较好的效果，具有一定可行性.     

基于客户满意度的车辆路径问题的混合蝙蝠算法

车辆路径问题对现实有着良好的指导意义,自提出以来便吸引了企业界和学术界的广泛关注。然而,传统车辆路径问题仅仅将车辆行驶里程最短作为目标,忽视良好的客户体验对于企业的重要性。考虑客户满意度这一目标,建立以客户满意度和车辆行驶里程最短为目标的多目标优化模型,根据车辆路径问题的具体特征,改变基本蝙蝠算法的编码方式。为克服基本蝙蝠算法求解精度低、易陷入局部最优的缺陷,加入贪婪随机自适应启发式算法提高求解精度,引入病毒进化机制以增强蝙蝠算法跳出局部最优的能力。算例分析表明:病毒进化混合蝙蝠算法相比于基本蝙蝠算法,在求解精度上有较大幅度提高,是一种有效求解车辆路径问题的方法。     

基于改进离散蝙蝠算法堆垛机路径优化研究

在自动化立体仓库中,对堆垛机的拣选路径合理优化可以提高货物出入库的效率.本文在不固定堆垛机位置和不考虑周转箱容积的情况下,将拣选路径模型归类为经典的TSP问题,利用蝙蝠算法并设计了一套相关操作算子,在局部搜索过程中混合遗传算法中的交叉策略和2-Opt策略对该数学模型进行优化求解.实验结果表明,该改进离散蝙蝠算法能较好的缩短堆垛机拣选路径距离,提高仓库的运行效率.     

基于组合熵优化的铁路客运网配流方法

针对铁路客运网的客流分配问题,以铁路列车开行方案为基础,由各OD间多条旅客出行路径构建铁路客运网.采用广义的旅行费用作为旅客出行路径综合总阻抗的度量,考虑不同铁路线区间客流输送能力和旅客出行路径综合总阻抗,提出不同铁路线区间客流输送能力饱和熵与旅客出行路径综合总阻抗熵等新概念.建立了以OD客流量守恒、旅客换乘次数限制以及客流量非负限制为约束条件,铁路旅客输送能力与旅客出行需求尽可能匹配的客流分配优化模型.根据区间客流输送能力和旅客出行路径综合总阻抗在实际问题中的重要程度,提出了基于组合熵优化的客流分配迭代优化求解算法.算例表明,利用该客流分配模型和算法能够得到更有效更细致的不同出行路径的铁路客流分配方案.     

蚂蚁算法在概念设计方案求解中的应用

通过分析概念设计方案求解问题与旅行商问题的相似性，将方案求解问题转化为组合优化的最优路径问题，建立了基于动态规划的解空间模型和基于最长路径的优化模型，利用蚁群系统内在的正反馈寻优机制，将求解旅行商问题的基本蚂蚁算法应用于方案求解的组合优化过程，结合遗传算法的交叉变异操作，提出一种基于改进蚂蚁算法的求解方法，从而快速有效地获得了最优方案解，最后，以压力机的概念设计为例验证了该方法，研究表明，该方法是合理可行的，它可以使方案求解的人工寻优过程实现算法化，并具有较好的可操作性，从而为解决方案优化的组合爆炸问题提供了一种新的思路。     

遗传算法求解清运车辆路径优化问题

提出一种基于遗传算法的求解清运车队车辆路径优化问题方法.对具有时间约束的路径采用整数编码,并利用AOE网验证其有效性.利用多分组多目标交叉进化方法,对具有不同适应度值的分组个体采用不同交叉算子,提高算法进化速度和搜索范围.仿真结果表明,算法可行有效.     

需求响应的微电网优化调度及改进的蝙蝠算法

提出了一种结合需求响应的微电网并网经济优化调度模型,该模型同时考虑了发电侧的成本和用户参与需求响应的收益.然后,针对该模型具有非线性多约束等特点,提出一种基于横向交叉策略、双向学习机制和转换调节机制的改进型蝙蝠算法对模型进行求解.最后,通过仿真实例验证了该模型和算法的有效性和可行性.结果表明:该模型可以有效降低用户对电能的需求,降低发电侧成本;通过与其他算法的比较,证明了改进型蝙蝠算法的优越性.     

具有熵约束的均值-CVaR投资组合决策研究

结合条件风险价值CVaR和熵风险度量方法,提出不允许卖空情况下具有熵约束的均值-CVaR投资组合模型,并采用序列二次规划和不等式组的旋转算法进行求解,最后通过一个具体实例验证了上述模型和算法的有效性。     

有风险控制的log-最优投资组合问题的一个黎曼几何随机算法

针对有风险控制的log-最优投资组合问题，提出了一个自适应的随机算法．该算法通过引进松弛变量，把对风险控制的不等式约束化为等式约束；再通过引进罚参数，运用罚函数法对风险控制的等式约束进行处理，从而将原来的问题化为一系列新的随机优化问题，再利用黎曼流形上的随机优化算法对其进行自适应求解．最后，使用该算法对上海证券交易所的实际数据进行了模拟计算，得到了很好的计算效果．     

基于均值-CVaR- 熵的社保基金最优投资组合模型

为研究社保基金最优投资组合问题,在借鉴现代投资组合理论的基础上,从证券投资组合理论的风险度量着手,用条件在险价值（Conditional Value at Risk,CVaR）和熵来共同度量风险,提出新的风险度量模型：均值-CVaR-熵模型。在保证投资组合收益率的前提下,以 CVaR 和叉熵函数的线性组合为最小目标函数,在险价值（Value at Risk,VaR）为约束条件,构建考虑交易成本和政策约束下不允许卖空的基于均值 CVaR 熵的社保基金投资组合模型,探讨社保基金的投资方式及投资比例的分配问题,并利用实际数据求得该模型的最优解及各资产的分配比例。结果表明多元化投资是我国社保基金投资实现保值增值目的的必然选择。     

基于偏序对改进蝙蝠算法的旅行商问题研究

作为一种新兴的群智能启发式算法,蝙蝠算法近年来被广泛用于求解离散、连续、及组合优化问题。针对典型组合优化问题中的旅行商问题,本文提出一种基于偏序对改进的蝙蝠算法用于求解离散型旅行商问题。通过对蝙蝠速度、位置的更新,使算法具有更强的适用性。本文对16个标准TSP问题进行测试与对比分析以验证算法有效性。实验结果表明,本文提出的偏序对蝙蝠算法在大多数实例中均优于其他算法。     

基于改进粒子群优化的投资组合模型研究

金融市场中投资者在应对不确定性风险的同时还要面临自身因素所导致的背景风险,在投资过程中存在许多不确定因素,而这些因素往往是模糊的.该文利用模糊集和可能性理论建立不同风险态度下含有背景风险的模糊不确定投资组合; 同时考虑投资者对风险的喜好、交易费用等,建立了不同风险态度下含有背景风险和交易费用的可能性均值-下半方差模型,并提出一种求解该模型的带有选择规则的粒子群算法.以上海证券交易所180指数随机选取的8支证券为例组成投资组合,给出数值算例,数值实验仿真结果表明了所提出的模型和方法的有效性、可靠性.     

非确定性条件下的投资组合分析及实证研究

针对风险资产的收益具有不确定性的特征,结合稳健优化理论计算的投资组合问题,分析了稳健优化计算存在的计量风险偏大及投资组合最优解得不到保证的局限性,提出了一个基于情景分析及用随机线性规划计算的改进方法.并通过国内证券市场数据验证了所提方法的有效性.     

动态均值-LEL投资组合选择模型

运用优化方法研究动态投资组合选择问题.在标准Black-Scholes型金融市场下,以受限期望损失(LEL)度量投资组合的风险,建立了动态均值-LEL投资组合选择模型,得到了最优投资组合策略和均值-LEL有效前沿的显式表达式.最后,结合算例说明了模型的求解方法,并得到以下结论:在相同的期望终端财富和投资组合策略下,在险价值(VaR)约是LEL的2~10倍.     

基于模糊优化的多目标投资组合选择模型研究

将模糊集合的概念引入投资组合模型中，并将多目标投资组合模型中的收益、方差和偏度三个目标模糊化，用逻辑隶属函数作为新的目标函数．针对该模糊多目标投资组合模型，提出了一个动态遗传算法，算例给出了该模型的一个实例的最优解，并进一步解释了模糊尺度随决定逻辑隶属函数形状的参数的变化而反向变化的规律．