考虑通货膨胀影响的最优消费投资模型

最优消费投资问题是指投资者的资产在消费和投资之间进行分配,期望在时间区间[0,T]或[0, ∞)的消费效用或终值财富效用最大化.研究了在金融市场和消费市场上同时存在通货膨胀或通货紧缩情况下的最优消费投资问题,建立了通货膨胀折扣率的随机模型及最优消费投资模型,利用鞅方法和随机分析理论,求得了控制问题的值函数和具有反馈形式的最优消费投资过程.     

非完备市场欧式期权无差别定价研究

研究不完备市场中最大化期望消费效用准则下的最优消费/投资决策及期权定价问题.在标的资产价格服从几何均值回复变化的假设下,利用随机动态规划理论及消费效用无差别定价原理得到了最优消费/投资策略以及标的资产不可交易的欧式期权价格所满足的偏微分方程.给出了数值算例,结果表明投资者的风险厌恶态度会降低期权的效用价格,而标的资产的...     

消费和终端财富最大化的鞅方法

讨论当投资者采用随机微分效用时,如何进行选择使其消费和终端财富最大化．采用在连续证券市场中的鞅方法,利用了等价鞅测度、Girsanov定理等理论,将原始模型进行简化,最后得到最优消费策略的显示解．     

Heston模型下最优投资-消费策略选择

在随机金融市场模型中,研究了最优投资-消费策略选择问题.随机金融市场由无风险资产和风险资产构成,在风险资产的方差满足Heston模型下,求得最优投资-消费策略最大化终端财富和累积消费的期望折现效用.在幂效用函数情形下,通过求解值函数满足的Hamilton-Jacobi-Bellman(HJB)方程,得到了最优投资-消费策略以及值函数的显式解.     

基于博弈论的最优认知中继网络功率控制

认知中继网络在不影响主用户的正常通信情况下使用授权频谱,其功率控制方法也有自身的特点。用博弈论的方法建立认知中继模型,求出最大化效用的阶段发射功率解,通过对其纳什均衡、帕累托最优和全局最优的分析,发现用实际纳什均衡解作为发射功率效用最优,而这是由发射功率的非同时性所决定的。仿真验证了把实际纳什均衡解作为发射功率值时效用最优。     

基于客户忠诚度的客户关系管理总效用最大化研究

在研究客户生命周期的基础上,通过引入客户忠诚度、产品效用函数及企业收益函数,建立企业客户关系管理优化模型.利用此模型分析了不同客户生命周期阶段客户忠诚度的不同及由此带来的企业收益的变化,并在不同的客户忠诚度水平下讨论了CRM的效用最大化.     

基于博弈论的最优认知中继网络功率控制

认知中继网络在不影响主用户的正常通信情况下使用授权频谱,其功率控制方法也有自身的特点。用博弈论的方法建立认知中继模型,求出最大化效用的阶段发射功率解,通过对其纳什均衡、帕累托最优和全局最优的分析,发现用实际纳什均衡解作为发射功率效用最优,而这是由发射功率的非同时性所决定的。仿真验证了把实际纳什均衡解作为发射功率值时效用最优。     

在机制转换金融市场中红利对最优消费投资影响分析

考虑了在不同机制下的金融市场中带有红利支付的消费投资问题,在连续的时间里,投资者选择的消费投资策略使期望效用最大化.市场系数和投资者的消费效用是依赖于金融市场机制的.利用马尔可夫过程和随机控制理论,就几个特殊的HARA效用函数情形获得了最优消费投资策略的显示解.并针对市场在两种机制中的转换进行经济分析.     

基于状态相依风险厌恶的最优投资再保险策略

研究了状态相依风险厌恶的最优投资再保险问题.以最大化终端财富的均值-方差效用为目标,在博弈论的框架下研究均衡意义下的最优策略,通过拓展Hamilton-Jacobi-Bellman (HJB)方程系统和验证定理推导出最优策略和相应的值函数.结果表明,最优投资再保险策略依赖于当前财富,这比常数风险厌恶的情形更加合理.最后,给出数值例子来讨论模型中的参数对最优策略的影响.     

燃料电池公交车电源配置生命周期评价优化

在设计燃料电池公交车电源配置方案时,普遍只考虑行驶过程中的动力性和燃料经济性,忽略了车辆其余各阶段对设计方案的影响,针对这一情况,基于生命周期评价理论,分析了燃料电池公交车全生命周期内各阶段的能耗与排放,建立了其生命周期评价模型.在中国典型城市公交循环工况下,通过生命周期评价模型分析得出,在一定的条件下燃料电池公交车的电源配置存在最优解,并利用遗传算法得到最优电源配置方案.对于所分析的样车,在最优电源配置下其生命周期能耗与排放比纯电动公交车分别降低了24.86%和25.76%,比使用大功率燃料电池系统的燃料电池公交车分别降低了12.11%和6.51%.     

考虑损失厌恶的最优消费投资决策

行为金融文献表明,投资者效用既取决于消费,又取决于其持有的金融资产的价值变化.基于上述两点,研究了最优消费投资问题.将行为金融学中投资者损失厌恶这一重要心理纳入经典效用函数,给出了基于消费和风险资产价值变化的目标效用函数,建立了考虑投资者损失厌恶的最优消费投资模型,运用动态规划原理得到了最优消费和投资问题的值函数及最优消费投资策略.最后以一个两期最优消费投资算例说明该模型的应用.因考虑了投资者实际决策心理,建立的最优决策模型是对投资者实际决策行为的良好描述,由此得出的最优消费投资策略也可以更好地指导投资者消费投资行为.     

求解水平线性互补问题的一渐近牛顿法

借助Fischer-Burmeister NCP函数将水平线性互补问题转化为带简单界约束的最优化问题,而后将一个修正渐近牛顿算法用来求解水平线性互补问题的,并给出数值实验,以说明算法是有效的。     

个人多期消费模型研究

系统地研究了经济人在其生命时间的余下年代里 ,每年的最佳消费与投资问题。持有一定资金的经济人 ,每年要对消费支出与生产投资做出科学的决策 ,以便使整个决策期的总效用最大。文章根据多期消费的特点 ,运用数学模型 ,对该问题进行了深入的讨论。     

装配式与现浇住宅基于全寿命周期的热力学与环境影响评价研究

以北京市某装配式民用住宅楼作为研究对象,建立装配式住宅全寿命周期能耗、耗及CO_2排放量的热力学计算模型。基于调研数据,应用此模型计算出该栋装配式住宅全寿命周期各个阶段的能耗、耗及CO_2排放量;并与传统现浇混凝土住宅进行对比分析,作出能比变化曲线。针对装配式住宅特点,建立围护结构形成阶段热力学计算模型。结果表明,该装配式住宅围护结构形成阶段三项数据均高于现浇住宅;且能比较高,装配式住宅建造需要消耗大量高品位能源。拆除阶段装配式住宅建材高回收利用率有效降低能耗及CO_2排放量。假定建筑50年使用年限,全寿命周期内装配式住宅总能耗及CO_2排放量分别减少15.0%、12.6%;但能比略高于现浇住宅。建立的围护结构形成阶段热力学计算模型能客观评价两类住宅该阶段在能源消耗、能源结构及对环境影响的差异,结合装配式住宅全寿命周期热力学计算模型分析对装配式住宅节能设计有指导意义。     

消费投资与储蓄的个性选择

运用微观经济分析方法提出了一个消费与储蓄的理论模型,此模型对中低收入者既可以使其在现阶段生活得舒服便利,又可以消除未来的种种风险,让有限的收入发挥最大的实效.     

基于蚁群算法的Traveling Salesman Problem研究

本文介绍了一种求解复杂组合优化问题的新的拟生态算法——蚁群算法.阐述了该算法的基本原理以及蚁群算法在TSP问题上的应用,并提出了改进算法,使得算法有更好的全局性.     

典型效用指标下消费投资策略的最优化问题

讨论证券市场上消费投资策略的最优化问题,运用直接构造的方法得到一类典型的效用函数指标下最优的投资组合和消费策略。     

基于生活用水量的预测模型及其应用

对近几年我国生活用水量、GDP和人口年增长情况进行了研究,先分析生活用水量与人口年增长之间的变化关系,然后单独考虑GDP对人均生活用水量的影响,最终建立由人口和GDP两种因素预测生活用水量的数学模型.用该模型对2009年我国生活用水量进行预测,结果表明该模型进行生活用水量预测是可行的.     

Low-complexity energy-aware sensor selection for noise reduction in distributed microphone networks

Noise reduction (NR) is a necessary front-end in many audio applications for improving signal quality. It was shown that sparsity-promoting sensor selection potentially makes a trade-off between energy consumption and NR performance, which is rather important for large-scale wireless acoustic sensor networks (WASNs), where many sensors contribute negligibly to NR but energy consumption affects the lifetime of WASNs. This paper presents a sensor selection approach for beamforming-based NR by minimizing the total energy consumption and constraining the output noise variance. Motivated by the optimal semi-definite programming (SDP) solution and the utility-based method, we propose three low-complexity selection metrics: weighted utility, gradient, and weighted input signal-to-noise ratio (SNR). It is shown that the proposed weighted utility and gradient-based methods are near-optimal in performance but much faster than the SDP-based method, and the weighted SNR method has the lowest time complexity with a tiny performance sacrifice. Numerical results using a simulated WASN validate the superiority of the proposed approaches over conventional methods.