一种求解约束优化问题的进化规划型文化算法

为了求解复杂约束优化问题,提出了一种新的进化算法——进化规划型文化算法。求解过程中,在基于自适应的文化算法中引入进化规划,有效利用进化过程中相关知识引导种群进化。针对约束优化问题,对这一算法的信念空间进行了设计,并利用基准函数和丁烯烷化生产调度问题进行了仿真,仿真结果表明该算法具有较好的全局搜索能力,而且大大减少了计算量。     

基于进化规划的网络多目标路由算法

多目标路由问题要求极小化网络带宽资源消耗 ,它与图论中 NP完全的 Steiner问题等价 ,不存在多项式时间算法 ,只能采用近似算法或启发式算法 .进化算法是一类有效求解优化问题的新算法 .应用进化算法中的进化规划方法 ,求解 Steiner问题 ,提出了一种新的多目标路由算法 .仿真结果显示 ,该算法性能高于启发式方法     

模糊交货期Flow Shop调度文化进化算法研究

基于文化算法及文化进化思想设计了的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到模糊Flow Shop问题的求解,用Matlab编程仿真测试.结果表明,此算法解决生产调度优化问题是可行的,而且其搜索性能优于简单遗传算法及模拟退火算法.     

带有一种新的算子的进化规划算法的收敛性分析

针对进化规划(EP)和单纯形法(SM)的不足,综合两种方法的优势,提出了基于进化规划和单纯形法的混合算法(EPSM).该算法以单纯形法中的反射操作为进化规划的一个算子,结合进化规划与单纯形法二者的优点.此法不仅收敛速度快、计算简单,而且拟合精度和跟踪性能也好.对算法的收敛性进行了分析和证明.     

无参数变异的二进制差分进化算法

鉴于差分进化算法在解决复杂连续问题上的优良性能,针对0-1变量的特点,提出了一种用于求解0-1规划问题的二进制差分进化算法(BDEPM).与采用离散变换和逻辑运算的改进算法相比,BDEPM算法中的变量采用二进制编码方式,在进化过程中无需变异率,即可根据个体间的差异直接在离散域内进行变异,算法的思路清晰、结构简单、控制参数少、易于理解和实现.将BDEPM用于求解0-1背包问题,针对其约束提出了一种二次贪婪变换的修复策略,两个背包实例的仿真对比实验验证了BDEPM算法的优越性.     

基于层次粒子群算法的配送中心双层规划选址策略

在考虑物流网络宏观决策部门和客户双方利益的基础上,建立物流配送中心双层规划的选址模型.此类问题大多属于非凸优化问题,现有的求解算法存在算法复杂度及计算效率问题.基于进化博弈及多目标优化非支配排序的思想设计层次粒子群算法,通过两个粒子群算法的交互迭代求解物流配送中心双层规划选址问题.通过测试算例验证算法的有效性.     

基于进化规划的文化算法

讨论了基于进化规划的文化算法,阐述进化规划如何嵌入文化算法以及信念空间用区间约束网的表示.用9个非线性约束优化实例进行测试,结果表明,约束数目越多,信念空间对问题的解决所起的作用越明显.     

基于双群体的非线性约束规划进化算法

在求解非线性约束规划问题中,对其约束条件的处理是一个难点问题.本文提出了一个非线性约束规划的双群体进化算法,与以往存在的约束优化算法不同之处在于:定义个体对约束条件的函数值作为约束违犯度对群体中的个体进行度量,目标函数值作为最优解的度量.首先考虑了标准的约束规划问题,简单介绍了约束优化问题中约束条件的处理方法,给出了与这些方法不同的处理方法.针对约束违犯度,定义了两个群体,即可行群体与不可行群体.然后给出了双群体进化算法详细步骤,用5个Benchmark函数测试了此算法,并通过与其它已知算法对此5个函数的计算结果的比较,验证了算法的可行性和有效性.     

云存储部署优化的进化算法设计

针对云计算环境下的云存储部署规划优化问题,全文研究和提出了一种进化算法并进行了求解.首先基于对象存储方法,设计了三层架构云存储模型.在建立的模型中,将云存储部署抽象为多目标优化调度问题,针对现有粒子群优化算法或遗传算法在解决这一优化调度问题过程中出现的收敛速度及调度效率等方面的不足,将2种算法进行有效融合,设计了混合进化算法来进行求解,讨论了进化算法的优化设计过程.同时,在云计算仿真平台CloudSim上,对所提出的优化算法进行仿真实验,并对云存储中负载均衡等性能指标的改善程度进行了检测.结果表明,所提出的混合进化算法有效实现了云存储的优化部署任务,与其他进化算法相比,能对性能指标实现更优配置.     

差分进化算法求解自动堆垛起重机调度问题

[目的]研究了自动化码头双自动堆垛起重机(Automatic stacking crane,ASC)调度问题,为了提高堆场的作业效率,考虑ASC作业过程中的干扰和冲突,以极小化所有作业的总完工时间为目标,建立自动化码头双ASC调度问题的混合整数规划模型.[方法]通过CPLEX求解器对模型进行求解.为了解决中等规模问题,设计了基于任务编码的离散差分进化算法进行求解,并把求解结果与遗传算法求解结果进行对比分析.[结果]所设计的离散差分进化算法能够在要求的时间内解决自动化码头双ASC调度问题;[结论]相较于遗传算法,本文提出的算法寻优能力更强.     

基于遗传算法的证券组合投资优化问题的模拟分析

分析了用遗传算法求解组合证卷投资中的Markowitz模型的各种问题．提出了一种采用最优保存策略的遗传算法求解William Sharpe模型的方法,并且实现了N种证券投资组合优化的模拟分析,得出比用二次规划算法求解更好的结果．     

证券组合投资的最大概率与最小风险分析

研究基于当前价格的证券组合投资的最大概率和最小风险问题，分别导出最大概率的证券组合投资比例和最小风险的证券组合投资比例，并说明他们是相同的。因此，我们可以考虑具有最大概率和最小风险这两个特点的证券组合投资。     

基于模糊线性规划的证券组合投资优化研究

怎样选择一个比较满意的证券投资组合,在一定条件下实现一个最有效率的风险一收益搭配,是证券组合投资优化问题的关键。文中利用L-R模糊数来描述了某证券的期望收益率和风险损失率,从而对证券组合投资问题建立了一种模糊线性规划模型,并给出了模型的求解方法,试图优化证券的投资组合,最后给出了一个算例。     

投资者的有效资产组合选择的数理分析

投资者的有效资产组合的选择是决定其投资业绩的一个重要过程.因此,不同的投资者应如何根据其投资偏好选择合适的资产组合成为众多投资专家的研究对象.在资产组合有效集的基础上,结合投资者的无差异曲线从数理分析的角度讨论不同投资者有效资产组合的形成过程,并从现实证券市场出发,讨论如何形成投资实践.这不但有助于实现投资资金的最高效益,而且有助于充分发挥证券市场在经济建设中的功能.     

新风险概念下的最优证券组合投资模型

剖析了原理论把方差当作风险及运用无差异曲线求解最优证券组合存在的问题,提出了临界收益率概念、以损失概率为内涵的新风险概念和在此基础上的证券组合投资原则:损失概率最小或临界收益率最大·建立了以损失概率和临界收益率为目标的最优证券组合投资模型     

有交易成本的组合证券投资

分析了交易成本在证券组合投资中的作用，建立了考虑交易成本组合投资最优化模型；讨论了交易成本对有效边界的影响，给出最优投资比例公式；并讨论了有无风险证券加入证券组合时的投资有效边界；最后通过释例进行了说明。     

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.     

养老金资产耗尽风险的识别与测度

养老金资产的收支平衡是所有国家,特别是发展中国家面临的重要课题.对养老金资产的耗尽风险测度工具进行了模型推导,识别了消费率、平均剩余寿命、投资收益率、波动率等因素对耗尽风险的影响.并根据中国人口统计数据运用该工具对中国养老金资产的耗尽风险进行测度,这四个因素的影响弹性依次为:0.050 3、0.017 3、-0.052 3和0.018 7.进而为中国养老金未来防范耗尽风险,促进收支平衡提出了相应的建议.     

证券投资组合理论在中国的适用性分析及其改进

对马克维茨(Markowitz)投资组合(Portfolio)模型进行了阐述,即投资者进行决策时总希望用尽可能小的风险获得尽可能大的收益,或在收益率一定的情况下,尽可能降低风险·并且针对马克维茨投资组合模型假设条件中的市场效率、风险测度、参数估计时效性、零交易费用等假设条件进行了分析,提出了马克维茨证券组合理论在我国运用存在的主要问题,并对组合证券投资优化模型的改进提出了自己的思路·     

减小指数投资组合跟踪误差的研究

在有效股票市场中，投资者一般按照股票指数来构造投资组合，目的是为了获得与股票相同的业绩。但是，由于按照股票指数复制投资组合时存在佣金，市场冲击成本及持有股票保管费等成本，复制性投资组合的业绩一般要比股票指数业绩差。本文就此问题，采用三种方法，来减少投资组合跟踪误差。