基于禁忌搜索的CDMA多用户检测算法研究

基于禁忌搜索 (tabusearch ,TS)的原理 ,提出了两种实现码分多址 (CDMA)系统的多用户检测 (MUD)的算法。一种是通过合理地选择初始解、当前解的邻域以及禁忌搜索表 ,构造禁忌搜索检测方法 ;另外一种是采用禁忌学习神经网络 (TLNN) ,通过神经网络状态方程的迭代完成最优检测目标函数的全局寻优。通过分析以及对同步和异步情况的仿真表明 ,这两种方法均具有多项式的计算复杂度 ,而TLNN比TS复杂度更低 ;它们优于传统、多级、Hopfield神经网络等方法 ,对远近问题不敏感 ,并且具有与最佳检测方法 (OD)接近的误码率性能。     

一种求解旅行商问题的交叉禁忌搜索

提出一种改进的禁忌搜索（TS）一交又禁忌搜索（CTS），并用于混合优化问题旅行商问题（TSP）的求解。CTS主要包括集中策略和分散策略，采用选择规律的改变促进移动的混合，集中策略增强了算法的局部搜索能力；分散策略是用于开辟新的搜索空间，在CTS中，采用遗传算法中的交叉算子作为分散策略，优解选择法作为集中策略。CTS、标准TS、带集中裳略的TS和蚁群算法用于求解相同的TSP例子，所用例子都是来自TSPLIB例子库和Fogel路径。求解结果显示了CTS的性能优于其它算法。     

基于蚁群算法和禁忌搜索的部队机动路径选择

新形势下的部队作战规划对机动路径选择这个问题提出了新要求,需要同时达到机动时效和机动分散的双重指标.针对问题建立了数学模型,引入信息熵理论作为目标评价准则,借助改进的蚁群算法和禁忌搜索算法相结合的启发式方法对问题进行求解,给出了该方法的具体计算步骤.对仿真结果的分析表明,算法是切实有效的.     

基于禁忌搜索的负载均衡组播路由算法

提出了一种基于禁忌搜索策略的能实现网络负载均衡的QoS组播路由优化算法。该算法在满足业务带宽和时延的基本要求下,将网络费用和负载均衡分布作为目标函数进行优化,达到网络费用较小和负载均衡分布的目的。仿真结果表明,该算法是一个有效、可行的算法。     

基于不变矩和禁忌搜索算法的图像识别方法

为了满足图像识别较高的识别率和较低的时间消耗两方面的要求,提出了一种不变矩和禁忌搜索结合算法,即以不变矩作为特征参数,以禁忌搜索算法加快图像数据检测。在最佳的迭代步长下,不变矩和禁忌搜索结合算法在平均识别率、消耗时间、平均重复个数等参数方面,要明显优于一般不变矩算法。不变矩和禁忌搜索结合算法兼顾了识别率和时间消耗两个方面的因素,可以应用于一些高速的图像识别场合。     

基于遗传禁忌混合搜索算法的设备布局研究

针对设备布局影响制造系统的总体功效的问题,但同时遗传算法在实际应用中,出现早熟现象,爬山能力弱,等一系列缺点提出遗传禁忌混合搜索算法,该算法将遗传算法和禁忌搜索相结合,遗传算法的交叉算子中增加记忆功能,避免迂回搜索,以禁忌搜索作为遗传算法的变异算子。通过实例计算,证明遗传禁忌混合搜索算法是一种行之有效的算法,对解决设备布局这类组合优化问题具有实用价值。     

粗等价类融合禁忌搜索的最小约简完备算法

提出粗等价类融合禁忌搜索的最小约简完备算法.首先用全局等价类替换元组作为基本计算单位,给出3类粗等价类定义,结合0-粗等价类在约简的渐增式计算中递减至空的性质,推导出求正区域的等价方法,并设计求解中双向缩减计算域的优化策略,从而提供快速求初始解、验证解等基础算法;然后面向约简特性设计禁忌搜索下的多种策略,包括双向邻域搜索、藐视准则、有限随机搜索、有限解检验等,最后给出高效的最小约简完备算法.用UCI中20个决策表、KDDCup海量数据集从多个性能指标进行验证,实验结果证明粗等价类理论和禁忌搜索从双方面保证本文算法的完备和高效性,大多数情况下可有效求得最小约简,并在跳出局部最优解、收敛速度和处理海量数据效率等方面优于现有算法.     

基于偶图匹配和禁忌搜索的排课新算法

针对目前高校的特点,提出一种偶图匹配和禁忌搜索相结合的排课新算法.将排课五要素恰当地绑定封装成课元和课栈两个向量,并以二维权值矩阵描述课元和课栈之间的关联权重,按照重权优先的原则并根据正确性原则进行约简,获得课元和课栈之间的匹配偶图.在此基础上,引入禁忌搜索算法,以排课的完备性原则、合理性原则和人性化原则的加权和为目标函数,以随机二维权值矩阵生成的匹配偶图为初始解,对二维权值矩阵进行扰动构成搜索邻域,以生成的匹配偶图为禁忌对象,采用全局藐视准则,获得最优的排课方案.给出典型算例验证提出的方法,结果表明了其可行性,并且具有考虑因素多和计算效率高的特点.     

基于禁忌退火粒子群算法的火力分配

火力分配问题是典型的NP完全问题,传统的求解算法存在指数级的时间复杂度。给出具体实用的防空火力分配模型,提出一种基于禁忌搜索与退火粒子群优化的新算法,并针对多种空袭规模的实例进行计算机仿真。仿真结果表明,与禁忌搜索、标准粒子群优化、退火粒子群优化等智能算法相比,新算法在解决火力分配问题时具有更优良的收敛精度和时间性能。     

遗传算法与禁忌搜索算法的混合策略

遗传算法与禁忌搜索算法的出现为解决高维组合优化问题提供了强有力工具．二者既有共性,又有个性．通过对遗传算法与禁忌搜索算法的分析,提出了一种遗传算法与禁忌搜索算法的混合策略,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,构造了新的重组算子,并把禁忌搜索算法作为遗传算法的变异算子,对旅行商问题的求解表明：混合策略在许多方面优于遗传算法．     

基于深度学习算法的行为期权定价

针对一类考虑了投资者微观结构随机变迁、投资者行为存在羊群效应以及非理性情绪的高维行为资产价格模型,推导出行为期权定价偏微分方程,构建了基于深度学习算法的行为期权定价方法:首先,基于费曼卡兹公式推导出行为期权价格的迭代方程;然后,用神经网络来逼近迭代方程中的期权价格关于标的模型空间变量的梯度函数;最后,通过深度神经网络参...     

融合机器学习算法的期权定价

设计了融合参数模型和非参数机器学习模型进行训练的算法,利用非参数模型拟合参数模型,将其作为先验分布,然后采用贝叶斯学习方法进行优化,并在训练中实现分布的动态调整。该方法在训练过程中有助于避免模型参数过度波动,提升模型泛化能力。针对期权定价,在BS、Heston等参数模型及神经网络等机器学习模型基础上,构建了相应的融合模型BS＿BR和HS＿BR,并利用市场数据进行了实证分析。研究表明,融合模型可以较好地发挥两类模型的优势,无论是在样本内拟合效率,还是样本外预测能力方面都具有更好的表现。     

基于复杂性竞争扰动的铁路货运期权定价模型

针对铁路货运市场特征，利用二叉树刻画运输价格形成过程，引入带有不同运输方式复杂博弈机制的竞争因子，建立铁路货运期权定价模型；首先通过分析铁路局与客户群体利润函数的一阶条件，得到考虑分担率的最优期权执行价格；其次基于双层规划方法构建合约期内不同运输方式的价格竞争过程，在下层规划中采用累积前景理论与多主体强化学习机制刻画客户企业群体的复杂决策；通过数值仿真，分析了引入竞争因子后的运输期权价格变化与客户企业理性特征对各项价格的影响机理；研究发现：1）复杂竞争因子对铁路货运价格，期权执行价格及期权价值产生了明显扰动；2）客户企业的理性特征与最优期权执行价格及期权价值之间具有显著的变化规律，数值分析结果较好地验证了理论分析.     

基于核函数强化学习的抗干扰频点分配

针对学习未知动态的干扰图样问题,提出一种基于核函数强化学习的雷达与通信抗干扰频点协作算法.与需要获得干扰模式、参数等先验知识的研究相反,所提算法能够利用过去时隙中频点的使用情况来优化抗干扰频点分配策略.首先,通过核函数的强化学习来应对维度诅咒问题.其次,基于近似线性相关性的在线内核稀疏化方法,确保了抗干扰频点分配算法的...     

基于关键状态的虚拟人组合任务分层规划方法

运动规划是虚拟人运动合成中的热点和难点.虚拟人通过推理决策,选定最优运动序列完成给定目标.然而现有的运动规划方法由于维数爆炸问题难以规划具有多个子任务的组合任务.为此提出一种基于关键状态的虚拟人组合任务分层规划方法.该方法分为两层:上层的层次增强学习模型在状态空间中稀疏采样并搜索某些局部任务的成功路径,将被访问频次最大的状态作为关键状态从而将组合任务分解为若干子任务;底层的增强学习模型将运动片段抽象为行为,将环境信息抽象为状态,采用试错搜索策略分而治之地规划子任务.合成运动时虚拟人只需遵循各子任务的控制策略,依次选择运动片段并顺序拼接即可.实验结果表明该算法能够生成逼真的虚拟人运动以完成组合任务,并且大大减少规划所需的计算时间和存储空间.     

可转换公司债券复合期权定价方法

基于多期复合期权理论,建立了可转换公司债券定价的控制方程,依据可转债的特征提出了相应的边界条件和终端条件,并采用有限差分方法进行了数值模拟,从而克服了复合期权模型中求解高维嵌套积分的困难,显著地提高了计算效率。实例计算表明,采用普通债券与欧式期权价值相加的定价方法大大低估了可转换公司债券的内在价值,复合期权定价方法为可转换公司债券的设计与定价提供了一种新的思路。     

基于不对称性风险的复合期权定价模型

采用复合期权方法评价 R&D项目过程中 ,不仅考虑 R&D中试阶段和 R&D初始投资阶段波动率不同的特性 ,而且将 R&D投资所产生的溢出效应纳入到 R&D项目价值的评价中 ,这一方法使得复合期权方法应用于 R&D项目评价时更符合 R&D项目的具体特性 .采用该算法计算经典案例 ,并得到敏感性分析结果 .     

Q-学习算法在CGF系统中的应用

CGF中的战场决策仿真十分复杂,要求CGF实体应能根据知识库做出类似人类的决策行为。目前,CGF系统中的决策模块大多是硬编码的,不能满足军用仿真发展的需求,这就要求CGF系统具有学习和自适应能力。Q-学习方法是一种特殊的增强学习方法,可以通过多次迭代计算正/负效益进行主动学习。本文介绍了Q-学习及其在CGF系统中的应用。这种较新的机器学习方法,在CGF中有着良好的应用前景。     

基于实物期权的布图设计价值评估

针对布图设计产业化过程中的不确定性、风险差异性和投资决策的动态序列性,提出了基于实物期权的布图设计价值评估模型,并通过算例分析证明了实物期权方法的客观性和有效性.     

基于Tabu搜索算法的产品族配置问题研究

产品族的可配置零部件之间存在约束关系,用户需要从产品族的有效配置结果中找到最满意的配置。对于配置项较多的问题,由于搜索空间很大而不能用传统方法求解。给出了按订单装配模式下产品族配置问题的数学模型,并设计了Tabu搜索算法对模型进行求解。使用了动态惩罚、频数表、多阶段搜索和优化配置池等方法改进了算法的效率。应用模型和算法对复合热载体产品进行了仿真计算,取得了比较好的效果。