航空发动机性能仿真的分群量子粒子群算法

针对传统迭代方法求解航空发动机模型非线性方程组存在受初值影响不易收敛的问题,采用量子粒子群算法求解.为解决算法的局部收敛现象,设计一种分群量子粒子群算法:将种群分为多个分群,每个分群在各自全局极值的引导下搜索解空间不同区域,并对精英解集定期更新.对测试方程组的求解表明分群机制能有效提高量子粒子群算法的搜索性能和收敛速度.运用改进算法对某型混合排气涡扇发动机模型进行仿真求解,得到了满意的结果.     

基于混合粒子群优化算法的故障特征选择

通过将遗传算法和粒子群优化算法相结合,提出了混合粒子群优化算法(HPSO),用于机械故障特征选择问题.此方法在对粒子进行优化的同时选择部分优良的粒子进行遗传交叉和变异操作,增强了算法跳出局部极值的能力.某导弹运输车减速器齿轮故障特征选择试验结果表明HPSO可以快速、有效地求得优化特征集,其性能优于PSO和GA.     

求解双层规划模型的粒子群优化算法

首先对粒子群优化算法作了改进,然后提出采用改进的粒子群优化算法并借助分层迭代的思想来求解双层规划模型,进而提出并描述了求解双层规划模型的一种通用的有效算法.最后,通过实验研究和对比分析验证了文中算法的有效性.     

基于粒子群算法的连续性消耗应急资源调度

以连续性消耗应急过程为背景,运用粒子群算法求解多目标的应急资源调度数学模型.由实际的应用环境,考虑每个出救点应急资源的起始运输量,以应急系统施救成本费用和因施救不及时造成损失的双重角度构造模型的目标函数.针对该模型的特点,设计粒子群算法求解方法和步骤,实现了一步求解.并且讨论了不同参数组合对粒子群算法求解效率的影响.数值算例验证了所建立模型的合理性及其粒子群算法的可行性和有效性.     

基于IDPSO的武器目标分配优化算法

针对武器目标分配(weapon-target allocation,WTA)优化问题的特点,对改进型离散粒子群(improve discrete particle swarm optimization,IDPSO)算法应用于WTA的若干问题进行研究。首先建立了资源受限条件下最大化效费比的WTA优化模型。然后,构建了一种针对多约束WTA问题的粒子编码方案,在此基础上,改进传统粒子群算法的位置和速度更新方式,提出了带怀疑因子和斥力因子的IDPSO算法。仿真实例表明,该算法具有更强的全局寻优能力和更快的收敛速度,能够有效求解大规模WTA问题,适应现代战争中辅助决策对实时性的要求。     

估计GM(1,1)模型参数的一种新方法

考虑到最小二乘法则的不足及背景值参数和边值的影响,提出基于最小一乘准则估计GM(1,1)模型参数,得到新的预测公式,引入粒子群算法直接求解最小一乘问题即可得到模型参数,简化了以往改进模型的二次求解过程.数值计算结果表明,基于粒子群算法及最小一乘准则估计灰色模型参数,对于平稳或非平稳序列,都具有较高的拟合与预测精度.     

基于混合粒子群-NEH算法求解无等待柔性流水车间调度问题

针对以最小化最大完工时间为目标的无等待柔性流水车间调度问题,提出了一种混合粒子群-NEH算法.该算法 利用粒子群优化算法解决机器分配问题,并进行全局优化;利用改进的NEH算法确定工件加工顺序,并首次提出差值 平移算法计算问题目标值.在算法求解过程中,通过不断对停滞粒子实行变异操作,避免粒子群陷入早熟收敛状态.基 于典型算例的仿真实验,证明了所提算法求解该类问题的可行性和有效性.     

基于改进粒子群优化算法的虚拟企业伙伴选择

在分析基本粒子群优化算法和建立虚拟企业伙伴选择多目标决策模型的基础上,提出了一种求解供应链联盟伙伴选择的优化问题的改进粒子群算法.在优化过程中,该算法以优良适应值粒子取代部分不良适应值粒子,使算法具有过滤能力,加快了搜索速度,并保证了收敛于全局最优解.实验结果用基本粒子群算法进行了验证和比较,表明该改进粒子群算法具有较好的性能和简单快速准确等特点.     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

近空间多武器平台对地攻击多阶段模型及算法

针对近空间多武器平台对地攻击问题,综合考虑了作战资源、目标毁伤、己方损耗、飞行最短路径等四项关键战技指标,建立了多阶段优化控制模型,给出了相关的推理过程。为避免动态规划及序列规划的计算复杂性,通过设计合适的表达方法,使粒子与可行解对应,给出了改进的粒子群优化算法及算法详细步骤,并分析了改进的粒子群算法快速全局优化的特点,说明该算法能找到优化问题的全局最优解。最后对多阶段优化问题分别用改进的粒子群算法进行求解,仿真结果验证了模型的合理性和算法的有效性。     

不允许卖空的多因素证券组合投资决策模型

利用套利定价理论(APT)改进不允许卖空的Markowitz的证券组合投资决策模型,导出了不允许卖空的多因素证券组合投资决策模型,并研究了该模型的解及其性质.     

参数自调整模糊控制系统的设计与仿真

在常规模糊控制器的基础上提出了一种参数自调整模糊控制器的设计方法,即通过编写S函数来自动修正量化因子Ke,Kec和比例因子Ku,从而改善基本模糊控制器的性能。仿真结果表明:该控制器具有自适应性强、调节时间短等优点。     

我国有色金属进出口贸易的影响因素分解及其变化趋势

运用对数平均迪氏指数(logarithmic mean weight division index, LMDI)分解方法, 首次建立了我国有色金属产品进出口贸易的指数分解模型, 从多个角度系统地分析了2004年1月-2009年1月, 我国有色金属产品特别是铜和铝产品进出口贸易及其三种主要影响因素(总量因素、结构因素及价格因素)的贡献程度和变化趋势. 研究表明: 有色金属进口额的主要影响因素在2006年前后发生显著变化. 2006年之后, 随着有色金属价格的不断攀升, 价格因素成为了影响中国有色金属进口额波动的主要因素. 同时有色金属出口额的主要影响因素在2006年前后并未出现明显变化. 在国际有色金属价格大幅攀升时, 我国有色金属出口额并未同步增长.     

中国证券多因素及三因素定价模型实证研究

提出股票定价的包括宏观经济变量、微观经济变量、市场变量的多因素以及内在价值、技术因素、流动性的三因素资产定价模型,并对中国股市进行实证,发现市场指数回报率对股票的收益率的影响具有决定性的影响,市场指数回报率β系数显著为正,而且其系数变化的区间为0.41至0.53之间,说明市场指数对股票的收益率的解释力达到41%至53%之间,平均为50%.每股盈余增长对股价的影响为最大,每股盈余增长系数估计值显著为正,接近于1,表明每股盈余增长对股票收益呈现出正的影响,即每股盈余增长一个百分点,年预期收益平均增加一个百分点.而GDP增长、货币供应量增长、存款利率增长、通货膨胀率、存款增长、贷款增长等,其系数估计值显著为负,表明股票收益率为我国宏观经济变量的减函数.实证结果显示:多因素模型能有效地找出股票定价的关键因素,而三因素模型能够对资产价格主要因素进行定价.     

FF因子与宏观因子是潜在风险因子的良好代理吗?

Fama-French 因子以及宏观经济因子是解释股票收益的重要因素,但是它们是否是真实数据所隐含的不可观测风险因子的客观反映却不得而知. 运用Bai等^[1]提出的最新分析方法,基于面板数据的因子模型,对上证A 股市场进行风险因子代理合适性的实证研究. 结果显示：（1） Fama-French 因子可以作为投资组合风险因子的良好代理,但只有MARKET 因子可以作为个股风险因子的良好代理,即寻找个股的良好代理比投资组合更为困难. （2） 基于工业总产值增长率、通货膨胀率、银行同业拆借利率以及M2 增长率构造宏观经济因子,发现单个宏观经济因子和整个宏观经济因子集合都不适合作为投资组合风险因子的代理.     

高分辨率遥感影像在水土流失定量评价中的应用探讨——以Quickbird影像为例

我国是世界上水土流失最严重的国家之一,水土流失是我国的头号环境问题。从20世纪80年代起,我国开始将GIS技术应用于水土保持领域,主要是将GIS与通用水土流失方程结合来估算坡面土壤侵蚀,方程中的作物管理因子(C)和水土保持措施因子(P)主要是基于中低分辨率影像来获得的;对于沟蚀,目前主要采用GPS测量或实地调查等方法进行小尺度上的研究,对于大尺度范围上的研究甚少。针对上述两个问题,将高分辨率影像Quickbird与GIS相结合,探讨高分辨率遥感图像在水土流失定量评价中的应用,提出新的计算C、P因子的方法,较大地提高了C、P因子的准确度;同时,获得了研究区的侵蚀沟密度空间分布图,探讨了依据侵蚀沟密度空间分布图可以进行的相关工作。这都将为水土流失定量评价提供有益参考。     

科研机构科技活动绩效综合评价的多元分析方法

本文以“投入—活动—产出—效率”四段模式,构建科研机构科技活动绩效综合评价指标体系,应用多元统计分析,给出一种综合评价的定量分析方法,即:综合评价值的线性加权模型及确定指标权重的定量分析方法,排序及最优分割法划分级别,综合绩效成因概念的因子分析方法。     

求解大规模优化问题的改进狼群算法

针对狼群算法(wolf pack algorithm,WPA)求解大规模问题时存在解精度低、收敛速度慢和易陷入局部最优的缺点,提出了一种改进的狼群算法(improved wolf pack algorithm,IWPA).采用深度神经网络进行初始化狼群个体提高种群多样性;借助遗传算法挑选首狼提高算法寻优能力;设计距离优化因子以协同狼群算法个体的探索和开发能力;构建尺度系数改进围捕行为避免算法陷入局部最优,减少运行时间.选取18个大规模(100维,200维,500维和1000维)标准测试函数进行性能对比,结果表明,IWPA算法在求解精度和收敛速度上优于其他对比算法.     

自适应并行机制的改进蚁群算法

针对蚁群算法存在停滞现象的缺点,以及如何有效提高蚂蚁代理的搜索能力问题,提出了一种具有自适应并行机制的选择和搜索策略。该策略通过将蚁群划分为若干个子群,不同子群的蚂蚁释放不同类型的信息素,引入了吸引因子和排斥因子,实现了一种多蚁群并行选择策略,以加强其全局搜索能力。以对称旅行商问题(traveling salesman problem, TSP)测试集为对象,将改进算法与现有蚁群优化算法进行了测试比较。实验结果表明,改进后的算法具有优良的全局优化能力,有效防止了停滞现象。     

财务管理理论体系构建的系统观与财务要素的确立

财务管理理论体系作为一个系统 ,它是一组依一定结构而存在的具有密切联系的若干财务理论知识要素形成的组合 ,其中财务要素是构成财务管理活动的必要原质。不对财务要素进行概括 ,就不可能或很难把财务理论体系说清楚。而当前我国在财务管理体系研究中均未对财务要素明确规范 ,这有违系统性特征。财务要素的构建应以资本为核心要素 ,由资本要素衍生出资产、收益、成本、财权几个派生要素