基于随机模拟和VaR模型的投资组合优化研究

投资组合的优化旨在对资金进行分配组合,得到各项资产的最优分配权重,并在权衡投资收益和风险的基础上使投资达到期望效用最大化.在研究过程中,首先运用Monte Carlo随机模拟方法预测各资产的收益率期望值,计算出收益率标准差和各资产间的相关系数,进而求解资产的组合风险.然后将VaR(Value at Risk)条件引入到模型中,建立以资产组合收益为最大目标,以资产组合的VAR为约束条件的投资组合优化模型,计算出资产分配比重.最后通过实例分析资产价格走势和检验分布假设,验证模型的合理性和可行性,为投资者的决策提供理论和应用依据.     

一种优化多目标的交互式路由算法

Qos路由的基本任务是寻找一条满足多个约束条件同时优化多个网络参数的路径。研究多约束条件下的多个线性目标优化的Qos路由问题。选取带宽作为约束条件，线性函数(时延和耗费徘为优化目标，建立了Qos路由选择的多目标缉陛整数规划模型。通过将多目标优化问题转化为线性单目标优化问题，证明了新问题的最优解是原问题的有效解，给出一种求解模型的交互式算法。该算法引入目标函数参考点概念，逐步调整目标函数参考点，压缩目标函数搜索空间来满足决策者和实时网络资源要求，并最终得到满意解。仿真实例表明了算法的可行性和可操作性。     

基于改进蚁群优化的多目标资源受限项目调度方法

多目标资源受限项目调度是一类典型的NP难组合优化问题,具有广泛的实际应用背景.本文提出了一种带局部搜索的改进蚁群优化算法用于求解多目标资源受限项目调度问题,优化指标为最小化项目工期和资源投资.首先,采用改进的蚁群优化算法获取Pareto解集;其次,通过基于带逻辑约束的Insert和Swap邻域搜索方法对已获得的非支配解进行局部搜索,进一步提高算法的性能;最后,基于PSPLIB国际标准测试集的数值仿真实验与现有最好的算法比较,验证了所提算法的有效性和高效性.     

基于粒子群算法的多目标车辆调度模型求解

车辆调度问题是具有复杂约束条件的组合优化问题,在理论上属NP-hard问题.考虑车辆数目最少和车辆运行时间最短,建立了具有时间约束的多目标车辆调度模型.并采用粒子群算法（PSO）求解车辆调度问题,以寻求最优车辆调度方案.在实例中通过运用粒子群算法和遗传算法进行比较分析,结果表明,PSO算法简单可行,在优化性能、收敛速度及鲁棒性等方面优于遗传算法,能较好地解决组合优化问题.     

树状管网布置与管径同步优化方法研究

针对过去树状管网优化中将管网和管径分步研究,难以实现同步优化的问题,以投资最小为目标,研究了树状管网布置与管径同步优化遗传算法整数编码方法和不同管网布置下水流路径自动识别和压力、流速等约束条件自动计算方法,建立了基于整数遗传算法的树状管网布置与管径同步优化模型.实例研究表明,该方法能将设计经验融合到管网优化之中,可克服传统分步优化方法不易得到全局最优解的缺陷,能快速求解符合工程实际的树状管网布置和管径同步优化方案.同时该方法对其它领域最小生成树问题求解有一定借鉴作用.     

不确定条件下多目标R&D项目组合选择优化

应用模糊集理论描述R&D项目过程的模糊不确定性,建立了以模糊实物期权度量收益,模糊熵度量风险,模糊净现值度量费用的多目标R&D项目组合选择优化数学模型;运用定性可能性原理将模糊模型清晰化,并针对清晰型数学模型提出了一种改进的多目标遗传算法进行求解;仿真实验证明,实现的多目标遗传算法可以有效求解清晰型多目标R&D项目组合选择优化问题.     

梯级水库短期发电优化调度的协进化粒子群算法应用研究

针对传统优化算法在求解高维、复杂的梯级水库短期发电优化调度时多约束条件难以处理、 计算机时长、易陷入局部最优解等缺陷, 提出了基于协进化的粒子群优化算法, 并建立了相应罚因子的评价机制, 在此基础上对协进化粒子群优化算法进行了改进. 通过实际算例验证了该方法的合理性和可靠性, 从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径.     

有关风险测度及组合证券投资模型研究

Markowitz以证券收益率的方差作为投资风险的测度建立了组合证券投资决策模型 ,并进行最优证券组合的选择 .本文分析了 Markowitz模型的不足之处 ,以半方差 ( E- Sh)风险测度为基础 ,提出了最优证券组合选择的风险目标函数 ,建立了组合证券投资决策的最优化模型 ,同时给出了最优化模型的求解方法以及证券组合有效边界的确定方法 .最后 ,文章结合实际案例 ,分析了风险目标函数及最优化模型在实际应用中的有效性.     

基于进化计算的多目标鲁棒优化方法

工程应用中求解多目标优化问题时,所求的解既要具有较高的质量,又要满足指定的鲁棒性要求.对已有的多目标优化解的鲁棒性度量方法进行了分析,基于用户提出的严格鲁棒性要求,给出了一种严格鲁棒性度量方法并建立了求多目标鲁棒Pareto最优解的数学模型.模型归结为一个嵌套的双重优化过程,外层优化过程用于搜索高质量的解,内层优化过程用于测量候选解的鲁棒性度量指标.以进化计算作为搜索引擎,给出了实施模型的算法,仿真结果表明了方法是有效的.     

双目标优化问题的类电磁算法

为方便决策，双目标优化问题就是要从最优解集中求出一组分布均匀且数量多的Pareto最优解。针对这一特点，定义了种群的均匀度和序值，来度量种群中解的分布和质量，将双目标优化问题转化为以均匀度为目标函数，序值为约束条件的单目标优化问题；设计了双目标优化问题粒子的电荷和受力的计算公式，提出了一种新的类电磁算法求解问题。用标准的Benchmark函数进行了仿真实验，结果表明，新算法对双目标优化问题的求解是非常有效的。     

基于DSM的研发项目流程多目标仿真优化

分析了复杂产品研发项目中流程结构的不确定性,采用设计结构矩阵对其进行仿真建模,并将设计结构矩阵调度策略嵌入仿真模型,建立了同时最小化项目工期和成本的多目标优化模型.提出了一种基于设计结构矩阵仿真与非支配排序遗传算法的混合优化算法,获取研发项目流程多目标优化的Pareto最优解.以某飞机初步研制项目流程为研究算例,验证了混合优化算法的可靠性和有效性,并对获得的最优流程结构进行了深入的仿真评价与分析。     

免梯度混合优化算法在卫星系统顶层设计中的应用

针对卫星系统顶层设计中广泛存在仿真耗时、设计空间大以及非线性约束的特点,提出了免梯度混合优化算法。混合算法结合树状高斯过程（treed Gaussian process, TGP）模型、广义模式搜索和过滤法的优点,通过TGP模型将设计空间划分为互不相交的子空间,在各个子空间构建独立的高斯模型代替实际模型,并根据模型预测值和预测误差生成迭代点,进而指导模式搜索进行寻优,同时结合过滤法处理非线性约束。卫星系统中多星协同观测优化设计表明,该方法能够以较少的迭代次数获得满意解,具有很好的全局搜索特性。     

基于改进遗传算法的影像中心布局优化方法

针对影像中心现有布局优化方法自动化水平低、受个人主观意愿影响较大等问题,提出运用系统布置方法(systematic layout planning,SLP)和改进遗传算法相结合的方法对布局进行优化。利用SLP生成的布局方案改善遗传算法的初始种群,增加初始种群多样性;从遗传进化代数和个体适应函数值2个方面实现遗传参数自适应调节,提高其寻优效率。在西安某影像中心布置区域模型和多目标优化数学模型的基础上,运用改进后遗传算法对西安某影像中心布局优化问题进行了仿真实验。实验结果证明：该算法在求解影像中心布局优化问题时比传统遗传算法或蚁群算法速度更快、效果更好。提高了影像中心布局优化的自动化水平,为建筑设计人员提供合理的参考方案。     

连续体结构的模糊多目标拓扑优化设计方法研究

提出了连续体结构静力学和动力学多目标拓扑优化设计的模糊-目标规划方法。该方法利用目标规划方法将多目标优化问题转化为等效的单目标问题,并用模糊集理论中的非线性隶属函数来体现目标规划方法中目标函数期望值所具有的模糊性和不确定性。以结构静力学的刚度和动力学的特征值作为优化的两个目标函数,提出并建立了连续体结构拓扑优化设计的多目标优化模型。用移动渐进线方法(MMA)求解单目标优化问题,用序列线性规划方法(SLP)求解模糊-目标混合规划问题。通过典型的求解算例验证了所研究方法的有效性。     

基于多目标遗传算法的卫星成像任务调度技术

针对成像卫星的任务调度问题,考虑多种约束条件,提出了成像任务约束图模型。基于多目标优化和遗传算法思想,提出了一种应用于卫星成像任务调度的多目标遗传算法,详细分析了算法的各个关键步骤的设计思想,能够求得基于成像约束图模型的满意解,生成卫星的优化拍摄计划。卫星成像任务调度原型系统的实现和实验结果验证了该模型和算法的合理性和有效性。     

基于混合粒子群算法的装运机械组合优化方法

针对堆石坝工程物料装运机械组合优化问题的复杂性, 建立了装运机械的多目标非线性组合优化模型(MOOM). 进一步地, 把加权法和惩罚函数引入到带收缩因子的粒子群算法中, 提出了一种新的求解多目标非线性组合优化问题的混合粒子群算法(MI-HPSO). 该算法具有概念简单、参数设置少、收敛速度快及全局搜索能力强的特点. 实证研究表明, MI-HPSO为解决物料装运机械MOOM优化模型提供了有效的决策方案.     

铁路线路方案模糊优化模型及其应用研究

铁路线路方案优选的传统方法在各方案经济指标差异不大 ,而定性指标出现交叉、各有所长时 ,不易确定最优方案 .本文将方案优选视为多目标决策系统模糊优化问题 ,建立了系统模糊优化模型 ,并结合实例编制了相应的应用软件 .     

SET COVERING-BASED TOPSIS METHOD FOR SLOVING SUP-T EQUATION CONSTRAINED MULTI-OBJECTIVE OPTIMIZATION PROBLEMS

This paper considers solving a multi-objective optimization problem with sup-r equation constraints.A set covering-based technique for order of preference by similarity to the ideal solution is proposed for solving such a problem.It is shown that a compromise solution of the sup-r equation constrained multi-objective optimization problem can be obtained by solving an associated set covering problem.A surrogate heuristic is then applied to solve the resulting optimization problem.Numerical experiments on solving randomly generated multi-objective optimization problems with sup-T equation constraints are included.Our computational results confirm the efficiency of the proposed method and show its potential for solving large scale sup-T equation constrained multi-objective optimization problems.     

基于降维和聚类的大规模多目标自然计算方法

在多目标优化问题中，随着决策变量数目增多，算法的寻优能力会显著下降，针对这种“维数灾难”的问题，提出基于LLE降维思想和K-means聚类策略的大规模多目标自然计算方法。首先通过LLE降维思想对决策变量进行优化，得到高维变量在低维空间中的表示，再通过K-means策略对个体分组，为种群选择合适的引导个体，提高算法的收敛性和多样性。为验证算法有效性，将该方法应用于多目标粒子群优化算法和非支配排序遗传算法中，对收敛性进行了分析，证明该算法以概率1收敛。通过ZDT、DTLZ系列8个测试问题进行仿真试验，与6个代表性算法进行对比，通过PF、IGD指标、HV指标的评价结果验证其综合性能，并将其应用于水泵调度问题中。综合实验结果表明，所提方法具有较好性能。     

基于鲁棒能力的体系多目标组合优化

针对体系组合优化问题中,不同场景下系统贡献的不确定问题,提出了基于鲁棒能力的体系优化决策方法。首先对体系的鲁棒能力和模糊能力风险进行定量描述;然后以鲁棒能力最大,建设风险和成本最低为目标,考虑军事能力需求等约束,建立多目标体系组合优化模型,采用改进的基于参考点的非支配排序遗传算法求解模型,生成一组符合决策需求的非劣质解;最后通过仿真实验验证了模型和算法的有效性,可以为体系总体建设规划提供决策支持。