一种多人递阶资源分配问题的模糊满意解

在同时考虑下层利益冲突和上、下层权力分配的条件下,就多人递阶资源分配问题提出了对决策者模糊满意度进行两步折衷的求解方法.先用下层各部门目标对于资源之影子价格所构成的非冲突函数为权,对下层决策者进行折衷;然后将折衷后的下层视为一个整体,用依据上、下层决策权力所分配的权进行上、下层的折衷,以此得到各个决策者都满意的折衷解.算例表明本文方法的可行性和有效性.     

模糊系统的递阶遗传算法设计新方法

针对模糊系统的特点和根据输入-输出数据,应用递阶遗传算法设计模糊系统。现有的模糊系统设计方法大多只能训练模糊系统的模糊集的中心参数、高斯隶属度函数的系数、中心参数和扩展参数,系统的模糊规则得预先用某种方法确定。利用很好设计的递阶遗传算法能够把模糊系统的模糊规则数目和参数同时通过训练确定。通过对混沌时间序列进行预测仿真,结果证明用该方法设计的模糊系统预测的精确度是令人满意的,文中提出的方法是可行的。     

基于递阶遗传算法的一类多旅行商问题优化

针对最小化单个旅行商路程的多旅行商问题,提出了一种递阶遗传算法和矩阵解码方法。该算法根据问题的特点,采用一种递阶编码方案,此编码与多旅行商问题一一对应。用递阶遗传算法优化多旅行商问题不需设计专门的遗传算子,操作简单,并且解码方法适于求解距离对称和距离非对称的多旅行商问题。计算结果表明,递阶遗传算法是有效的,能适用于优化多旅行商问题。     

连续参数小波神经网络的递阶遗传训练方法

提出递阶遗传训练方法用于训练连续参数小波神经网络的参数及其结构.现有的连续参数小波网络训练方法大多只能训练网络的参数,包括平移参数、伸缩参数和权值,而网络的结构得预先用某种方法确定.应用递阶遗传算法能够把网络的结构和参数同时通过训练确定.利用混沌时间序列数据进行仿真,结果证明该模型具有较高的预测精度,提出的方法是可行的.     

混合递阶遗传算法优化小波神经网络的研究

在研究小波神经网络结构及其学习算法的基础上,提出了一种以混合递阶遗传算法优化小波神经网络的新方法,混合递阶遗传算法是递阶遗传算法和多元线性回归的结合。此方法可同时优化小波神经网络的结构及其参数,具有学习速度快,精度高的特点。并与传统的BP算法进行了对比,证明了本算法的有效性。     

基于递阶优化算法的一类两层规划问题的解法

提出一种基于分解协调的两级递阶结构优化算法来求解两层规划问题。通过设计解耦变量,两层规划问题被分解成若干相互独立的易于在结构的第一级求解的子问题。而结构的第二级是调整解耦变量使各子问题的解得以改善。算法以一种迭代的方式使第一级求得的子问题的解不断协调,最终达到两层规划的解。算例表明该算法是可行且有效的     

一种改进的多层递阶预报方法及其应用

本文在分析总结多层递阶预报方法优缺点的基础上，结合带来知时变参数的自适应预报方法，提出了一种新的时变参数系统预报方法－改进的多层递阶预报方法。     

递阶多目标非光滑优化问题的最优性条件

建立了递阶多目标非光滑优化问题的一个通用性结构化模型,利用参数规划、集值分析及非光滑非线性分析的理论和方法,研究了模型锥有效解存在的最优必要条件和充分条件．     

基于改进递阶遗传算法的RBF神经网络分类器

针对通信信号调制类型识别,应用递阶遗传算法动态确定径向基神经网络分类器结构。建立了新的适应度函数,该函数简单直观,待定参数少;同时结合相关联赛选择方法对选择算子进行了改进,增加了种群进化的多样性,避免了早熟收敛。仿真结果表明改进算法能更好地确定分类器结构,分类准确率更高。     

基于递阶遗传算法和BP网络的财务预警

提出一种基于递阶遗传算法和BP神经网络的财务预警模型.现有的BP网络模式分类训练方法大都只能训练BP网络的权重,网络的结构得预先用某种方法确定.利用巧妙设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定.以模式分类数据库中的数据进行训练和测试,并与其他模式分类模型相比较.结果表明,该模型更优,分类精确度更令人满意.根据上市公司的财务数据用所提出的方法进行财务预警是可行的.     

具有合作关系的多人递阶资源分配问题研究

资源分配问题是一个复杂的管理问题,它所解决的是上级如何将有限的资源在所属部门之间进行分配,而使它自己的与所属部门生产活动有关的目标达到最优或较优。同时,所属n个部门则根据上级部门所分配的资源数量来组织生产,使它们各自的目标达到最优。该问题可以用下面的数学模型表示。     

具有惩罚因子的模糊资源约束非线性规划问题的模型与方法

建立了一类连续型具有惩罚因子的模糊资源约束非线性规划问题的非对称模型ＰＮＬＰ－ＰＣ。基于模糊最优解集和最优决策集,提出了求解ＦＮＬＰ－ＰＣ模型的精确最优解和满意解的方法,并对一个实例进行了分析。     

证券投资中的模糊决策

根据多种证券收益率的统计数字,利用模糊多目标规划技术,给出一个新的证券投资决策模型。该模型的目标函数及其约束函数均为模糊数,它克服了文献［１～５］中模型系数为常量的缺陷,使其符合于预期收益率和投资风险的非稳定性     

一种证券组合投资的模糊多目标规划方法

考虑了证券投资的预期收益率和风险的模糊性 ,利用多样化选择约束抵减证券投资的非系统风险 ,以证券组合投资的收益率极大化和β值极小化为目标 ,建立了一种新的基于模糊多目标规划的证券投资决策模型 ,指出了模型的求解方法 .     

解非线性两层规划问题的新的遗传算法及全局收敛性

针对两层规划问题本质上的非凸性和不可微性给其数值求解带来极大困难,特别是求非线性两层规划问题的全局最优解,而遗传算法不受这些因素的限制,设计了一种新的有效的遗传算法来解决非线性两层规划问题.该算法充分考虑了两层规划问题的结构特点,使遗传算子更加有效,并且易于产生好的后代.     

存在银行贷款的模糊资金预算机会约束模型

讨论了企业运用自有资金及银行贷款进行投资时的资金预算问题.与以往的研究不同,假设投资支出、项目年收益以及金融机构贷款都为模糊变量,给出了两种基于模糊变量可信性测度的机会约束项目优选模型,并设计了基于模糊模拟的遗传算法,给出了模型问题的一般求解方法.提供了两个数值例子,用以说明建模思想和算法的有效性.     

一种多目标资源分配方法

本文以大型多用途水库的电能及投资分配问题为背景, 对这类多目标资源分配问题进行了研究。文章提出了这类问题的数学模型, 研究了分配各方对于各个目标的满意度不可定量描述时的分析方法, 并以实例说明了这种方法的应用。