基于遗传算法BP神经网络优化证券组合投资

BP神经网络由于具有对数据大规模并行处理及对知识有较强融合能力的优点,应用范围极广.然而也存在一些致命的缺点(如容易陷入局部极小点),通过遗传算法(GA)与BP网络结合,可以有效地解决该问题.优化证券投资组合的仿真模拟实验结果表明,其优化方案比使用二次规划法更优,该方法更具正确性、高效性和实用性.     

现浇混凝土楼板的钢筋布置与连接探讨

钢筋混凝土楼板是建筑楼盖体系中的一个重要的组成部分,也是广大用户能经常与之接触和感知的一个建筑构件,从建筑的使用角度上讲,现浇混凝土楼板设计的合理性和施工质量的优劣呈度可直接关系到整个建筑是否安全,在实际生产过程中,可通过控制楼板内钢筋的间距,调整钢筋的布置方向与连接方式来改善楼板内钢筋的受力状态,达到节约钢筋含量、降低工程造价的目的,使建筑工程中的结构体系更安全、合理。     

概率准则意义下基于VaR的证券组合模型遗传算法优化仿真

提出一种概率准则意义下基于VaR的证券组合模型,采用蒙特卡罗(Monte Carlo)模拟技术和遗传算法(GA)相结合的思想,设计出求解算法.求解算法适用于证券收益率服从任意分布的情况,甚至不考虑证券收益率分布,用实际数据进行模拟和优化.实例证明,该算法有很好的收敛性及较高的计算效率,并且计算结果满足投资者的收益和风险要求.     

基于遗传算法的VaR约束下证券组合模型仿真

在经典的Markowitz证券投资模型的基础上,加入目前在投资领域中广泛应用的风险价值VaR,建立一个以投资回报收益率标准差为目标,以VaR和收益为约束条件的投资组合模型.在正态分布的假设下,将目标函数中非线性约束进行简化.利用遗传算法对该模型进行计算机仿真,取得了良好的效果,解的结果既满足了VaR约束条件,又满足了不同投资者不同收益需求.