排序方式： 共有56条查询结果，搜索用时 11 毫秒
1.
一类可分离的非线性0-1背包问题的分枝定界算法 总被引：1，自引：0，他引：1
构造出了一类可分离非线性0-1背包问题的分枝定界算法．分枝的过程是酱通的0-1变量分枝，用简单的取整启发式法确定更好的可行解；而在每个分枝结点处用线性松弛技术确定了它的子问题的一个线性规划松弛逼近。由此得到最优值的一个下界．数值结果表明所提出的算法是有效的．可以求解中等规模的问题． 相似文献
2.
针对解决标准磷虾群算法在求解高维复杂优化问题时无法跳出局部最优,求解精度低的缺点,提出了一种基于互利共生和优胜劣汰的改进磷虾群算法。该算法首先对磷虾群(KH)算法采用互利共生策略,增强粒子间的信息交流,有效提高了信息传递效率,提高了磷虾个体的生存能力;并借优胜劣汰的进化机制提升了种群个体的质量,以此跳出局部最优寻找最优解。最后通过10个标准测试函数的对比实验,表明了该算法在全局搜索能力和求解精度上与其他2种算法相比都有着显著优势。 相似文献
3.
在BVaR风险度量下,提出了限制性卖空的单位风险收益最大投资组合模型,通过罚函数处理机制将模型转化成无约束优化问题,然后运用自适应差分进化算法进行求解.实证分析表明该算法是有效的,将限制性卖空引入到投资组合模型中,有助于扩展投资机会空间,增强市场效率,降低市场风险. 相似文献
4.
给出了双凹函数的一个很重要的性质。利用此性质,借助分枝定界技术,提出了双凹函数在有界凸集上整体最小问题(及双凹规划问题)的一种单纯形部分算法,并进行了收敛分析。 相似文献
5.
目的在Markowitz均值-方差模型的基础上,建立带有交易成本且期望收益和风险都有一定误差的投资组合选择模型,即乐观情况下期望收益最大风险最小模型和悲观情况下期望收益最小风险最大模型。方法根据模型特点,设计了基于Runge-Kutta法的差分进化粒子群优化(Differential PSO with Runge-Kutta,DPSO-RK)算法。结果与结论数值试验表明用DPSO-RK算法求解该模型是有效的,模型符合实际,与改进的粒子群优化算法(Improved Particle Swarm Optimization,IPSO)相比,本文所提出的算法具有更好的仿真结果。 相似文献
6.
文章针对教与学优化(teaching-learning-based optimization,TLBO)算法在求解高维函数优化问题时易陷入局部最优与"早熟"现象、迭代后期收敛速度慢、求解精度低的缺点,提出了一种基于分层多子群的教与学优化算法(hierarchical subpopulation TLBO,HSTLBO),对平均学生水平进行重新定义,并根据适应度值对教学因子动态取值;通过预设的一个等级层次结构,将种群划分为若干个子群,构成层次结构的底层;底层子群粒子相对独立进化,保证种群多样性,每个子群的最优粒子则构成层次结构的上一层,提升算法的全局收敛能力,子群自下而上更新。通过10个Benchmark函数将提出的算法与其他算法进行对比实验,结果表明,HSTLBO在求解精度和收敛速度方面均优于其他算法。 相似文献
7.
针对一类非线性整数规划问题,提出了一个基于切平面的分支定界算法.在这个方法里,用切平面方程将非线性可行域线性化,同时在子问题上确定可行方向,生成切平面,切掉没有整数解的可行域,缩小了可行域,可以减少分支的次数,并进行了收敛性分析和证明. 相似文献
8.
提出一种求解约束优化问题的修正选择粒子群优化算法(RSPSO).在这个算法中,利用动态多阶段罚函数方法处理约束,并加入一种违反约束的修正选择策略,采用线性递减违反约束容忍度来引导粒子,即利用修正的可行基规则来更新个体极值和全局极值,指引粒子迅速飞向可行域;考虑到粒子群中每个粒子周围的局部信息对它未来飞行的影响,改进了基本粒子群优化的速度方程.数值结果表明,所提出的算法求解约束最优化问题具有较高的计算精度、较好的稳定性和较强的全局寻优能力. 相似文献
9.
基于假设的金融资产收益分布,建立了条件风险价值CVaR计算模型,并对分布的参数采用贝叶斯统计推断进行估计,然后利用蒙特卡洛模拟计算CVaR。选取沪深300中的股票数据进行实证分析,并与经典统计方法作比较研究,研究结果表明:应用贝叶斯推断估计的分布参数更精确,拟合的分布更符合数据的真实波动,提高了CVaR度量的准确性。 相似文献
10.
带有局部信息策略的粒子群优化算法 总被引：1，自引：0，他引：1
考虑到粒子群中每个粒子周围的局部信息对它未来飞行的影响,为此本文改进了基本粒子群优化的速度方程．提出了一种带有局部信息策略的粒子群优化算法,对典型优化问题的实例仿真说明了带有局部信息策略的粒子群优化算法具有更好的全局搜索能力和更高的计算精度． 相似文献