基于分层多子群的教与学优化算法

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。     

基于DPSO-RK算法解带有交易成本的投资组合选择问题

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。     

一类非线性整数规划问题的切平面分支定界算法

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.     

BVaR风险度量下限制性卖空的单位风险收益最大投资组合模型

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.     

双凹规划的一种单纯形剖分算法

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。     

运输问题表上作业法的再探讨

表上作业法是求解运输问题的重要方法,表上作业法的实质是单纯形法.在用表上作业法求解运输问题时,运输问题的基本性质起着非常重要的作用,这些性质也揭示了表上作业法是单纯形法的特殊情形.然而在现行教材中,对运输问题的基本性质分析不够,缺少严格的证明,这在教学中造成了很大的困惑.通过进一步分析,本文给出了用最小元素法给出的初始方案是运输问题的基可行解的一种新证明方法,并指出为什么:"每个空格都对应着唯一的闭回路";当出现退化情形时,给出了添加"0"时需要注意的问题.     

带有种群平均信息和保持活性策略的粒子群优化算法

利用种群的平均信息和保持活性策略,试图改变粒子群优化算法的性能,从而提出了一种带有种群平均信息和保持活性策略的粒子群优化算法,对典型优化问题的实例仿真说明带有种群平均信息和保持活性策略的粒子群优化算法比保持活性的粒子群优化算法具有更好的性能和全局搜索能力.     

基于信用迁移的贷款组合多目标优化问题研究

针对现有研究大都仅对单个目标进行优化的现状,提出一种优化决策模型,即将企业信用风险迁移引入到贷款收益率的计算中,以限制资产数目、决策变量上下界等为约束条件,建立组合投资的收益最大、同时方差风险最小的优化决策模型。该模型是一个混合0-1变量的多目标规划问题,提出求解该模型的一种自适应改变惯性权重的离散粒子群算法,数值结果表明该算法是有效的,模型是合理的。     

基于互利共生和优胜劣汰的改进磷虾群算法

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。     

一类可分离的非线性0-1背包问题的分枝定界算法

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．