考虑现实约束的模糊多准则投资组合优化模型

针对模糊环境中资产收益和换手率均为模糊变量的投资组合问题, 考虑了资产组合的基数约束、投资比例的边界约束、资产的流动性以及分散化程度约束, 建立了一个以资产组合收益、偏度最大, 同时资产组合风险、不确定性以及模糊性最小为目标的多准则投资组合优化模型. 然后, 利用加权极大-极小模糊目标规划方法将所提出的模型转化为单目标规划问题, 进而设计了一个遗传算法来对其进行求解. 最后, 通过一个实例来阐明所提出模型的实用性以及算法的有效性. 研究结果表明: 本模型能够有效地刻画不同投资者的投资意图, 所设计的算法是有效的.     

基于WNN-RAGA 的非线性组合预测方法

将小波变换与神经网络结合构成WNN非线性组合模型,弥补单一预测方法的不足,利用RAGA 的全局优化能力,优化WNN 学习的网络参数,解决传统WNN网络学习算法在学习后期收敛速度慢、存在局部最小值以及训练结果不稳定的问题。实例的预测结果显示出这种基于WNN-RAGA 非线性组合预测的良好预测性能。     

基于使命能力框架的国防项目组合结构优化方法

国防项目投资决策是从国防力量建设成效和经济效益综合平衡角度出发,对影响国防建设发展全局的投资规模、投资使用方向、基本建设布局以及重点建设项目等内容做出抉择的过程.本文从国防项目投资决策的结构因素角度出发,提出一种基于能力的投资组合优化的分析框架.该分析框架建立了“项目组合-能力-活动-使命”之间的关联映射关系,将项目组合优化问题转化为对能力、使命与成本之间的多目标优化问题.然后,在该分析框架的基础上,建立了考虑项目协同的多目标优化模型,提出了一种基于NSGA-II的能力组合优化和决策方法,为实现投资项目定性与定量决策提供方法参考.最后以模拟数据给出了算例,检验了该方法的可用性和有效性.     

基于免疫粒子群算法的组合预测方法

给出了基于粒子群算法的组合预测方法,并引入免疫算法对其进行了改进:一方面利用免疫算法的免疫记忆和自我调节机制提高其全局搜索能力,避免算法陷入局部最优解;另一方面利用免疫算法的接种疫苗和免疫选择机制增强其性能,防止算法在优化过程中可能出现的退化现象。实例证明,基于免疫粒子群算法的组合预测方法可操作性强,通用性好,误差明显小于各个参与组合的预测模型,并优于基本的粒子群算法和加速遗传算法。     

企业财务困境的多分类器混合组合预测

为了降低单分类器财务困境预测的不确定性和不稳定性,本文通过多分类器组合来提高预测效果,提出了企业财务困境预测的多分类器混合组合模型,实现了并联组合和串联组合的优势互补作用.采用差异性原则和个体优化原则作为选择基本分类器的标准,在定义单类择优算子的基础上,设计了构建混合组合基本模块的流程算法以及混合组合模型内部并联结构的动态赋权机制和加权多数投票机制.以中国上市公司为对象的实证研究证实了该模型在提高平均预测准确率的同时大大降低了离散程度,统计分析表明：该模型显著优于现有的单分类器财务困境预测模型.     

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.     

基于证据推理的信息不完全的多准则排序方法

针对有训练集的准则权系数信息不完全确定且准则值信息不完全或缺失的多准则决策问题,提出了一种基于证据推理的决策方法.该方法首先通过证据推理算法将方案的准则值集成,然后将效用值集成,结合准则权系数和等级效用的不完全确定信息和训练集的排序等建立非线性规划模型,利用遗传算法来求解非线性规划模型,得到各准则的权系数和各等级效用值,进而得到整个方案集的排序.最后用实例说明该方法的有效性和可行性.     

基于进化多目标优化的微服务组合部署与调度策略

面向微服务实例在不同资源中心的组合部署与调度问题,构建微服务组合部署与调度最优化问题模型。以资源服务中心计算及存储资源利用率、负载均衡率和微服务实际使用率等为优化目标,以服务的完备性、资源与存储资源总量和微服务序列总量为约束条件,提出基于进化多目标优化算法（NSGA-Ⅲ,MOEA/D）求解方法,寻求微服务序列在不同资源中心的实例组合部署与调度策略。通过真实数据集实验对比,在全部满足用户服务请求的约束下,该策略比传统微服务组合调度策略的计算、存储资源平均空闲率和微服务实际空闲率要分别低13.21%、5.2%和16.67%。     

用基于加速遗传算法的组合预测模型预测海洋冰情

提出了建立组合预测模型的新方法(AGA-CF),以组合预测模型的预测误差绝对值和最小为优化准则,用加速遗传算法确定组合预测模型各单个预测模型的最优权重,并把AGA-CF应用于实际的海洋冰情预测中。结果表明:AGA-CF综合利用了各单个预测模型的重要预测信息,其预测误差明显小于各单个预测模型的预测误差,AGA-CF的预测结果更为稳健;AGA-CF方法可操作性和通用性强,可适用于其他组合预测的实际问题中。     

基于动态组合残差修正的预测方法

本文建立了一种基于残差修正的组合预测方法,并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高预测精度.提出了针对不同时间段可根据各种单项预测模型的相对预测误差的大小动态选取相对预测误差最小的两种模型构成组合残差来修正基本方法的预测误差,以提高预测精度.最后通过实际空调负荷预测对其进行了验证,结果表明这种动态组合残差修正的预测方法相对于基于多个固定单一预测方法的组合预测方法,可以进一步改善预测效果.     

基于前景理论的灰色随机多准则决策方法

针对概率和准则值均为区间灰数,准则权系数不完全确定的灰色随机多准则决策问题,提出了一种基于前景理论的决策方法.该方法定义了一种区间灰数排序方法及其前景价值函数,并以其余备选方案为参考方案计算各准则下各方案准则的前景值,构建前景决策矩阵,采用离差最大化思想建立规划模型,求解模型得出最优权系数向量,进而根据各方案综合前景值大小对方案进行排序.最后说明了该方法的可行性和有效性.     

基于多目标优化决策的飞机维护计划研究

将多目标优化和偏好规划引入到飞机维护研究中.先分析了优化飞机维护安排的关键因素,并用离散事件模型表示,然后利用多目标优化获得非支配解.最后,采用多属性决策模型支持维护决策者从非支配解中选择优先的非支配解.目标函数以及偏好的不确定性用区间表示,采用偏好规划进行求解.仿真表明该方法可以提供一种有效的方法建立、更新和改善维护计划.     

Fuzzy multi-criteria decision-making approach with incomplete information based on evidential reasoning

The weights of criteria are incompletely known and the criteria values are incomplete and uncertain or even default in some fuzzy multi-criteria decision-making problems. For those problems, an approach based on evidential reasoning is proposed, in which the criteria values are integrated on the basis of analytical algorithm of evidential reasoning, and then nonlinear programming models of each alternative are developed with the incomplete information on weights. The genetic algorithm is employed to solve the models, producing the weights and the utility interval of each alternative, and the ranking of the whole set of alternatives can be attained. Finally, an example shows the effectiveness of the method.     

基于影响因子的供应链协同预测方法

探讨了影响因子在时间序列预测中的作用,提出了基于影响因子的供应链协同预测方法并进行了实证研究,依据企业历史实际销售数据分层级分区域分别提取了春运因子及停车检修、小修因子并进行了量化,同时在企业的销售预测值中进行了还原.实证研究表明:影响因子对供应链销售预测具有重要作用,对其加以利用可以大大提高分预测及总预测的精度并体现协同预测的思想;有利于对供应链的隐含或显著信息加以利用,有利于将供应链企业可能存在的负面约束条件加以正面利用,有利于将供应链视为一个信息整体来加以管理,是分层次分模块进行经济信息滤波的一个拓展.在这种协同预测的方法下,供应链的分销商或最终用户的销售状况可以向上传递,生产企业的生产、储运或其它状况可以向下传递,即以影响因子作为纽带将供应链企业视为一个整体来进行销售预测研究.     

基于包容性检验的舰船装备维修费组合预测

针对舰船装备维修费组合预测中,容易出现预测模型数量多于用于组合预测的样本数量,以及在已有舰船装备维修费组合预测模型中增加一个预测时,可能会降低组合预测性能的问题,通过对现有两模型包容性检验方法的分析,提出了带有截距项的多模型组合包容性检验。在此基础上,通过按模型的优劣次序逐步进行包容性检验和组合的思路,提出了基于包容性检验的舰船装备维修费组合预测模型选择方法,不仅可以降低包容性检验的计算量,而且可以提高舰船装备维修费组合预测的性能。     

基于人工蜂群优化的支持向量回归预测方法

针对支持向量回归（support vector regression, SVR）预测方法的参数选择影响其预测效果的问题,提出了一种基于人工蜂群算法的SVR预测模型的参数优化方法,实验结果表明,与传统的粒子群优化算法相比,人工蜂群优化的SVR预测方法能够更有效地克服局部最优解,具有更高的预测精度。将该方法应用于故障状态下飞行器动力装置的滑油金属元素含量时间序列分析,成功地预测出磨损故障的发生。     

基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

信息不完全确定的模糊多准则UTA方法

针对准则权系数信息不完全确定和准则值为模糊数且有训练集的多准则决策问题,提出了一种模糊多准则UTA方法。该方法在考虑对训练集排序的基础上,结合不完全确定的准则权系数信息和训练集中各方案的模糊准则值的效用建立非线性模糊规划模型,并将其转化为模糊线性规划模型,求解得出准则权系数、训练集中各方案准则值的模糊效用值,利用插值求出方案的准则值的模糊效用,进而得到整个方案集的排序。最后实例说明该方法的有效性和可行性。     

一种区间灰色模糊多准则决策方法

针对准则值和准则权系数为区间灰色模糊数的信息不完全的多准则决策问题,提出了一种灰色模糊多准则决策方法。该方法利用OWA算子对各个方案的准则值进行集结,并对灰色模糊数进行运算,计算各个方案的综合准则值,进而得到各方案的排序。最后,实例说明了该方法的可行性和有效性。