基于改进高维多目标优化算法的中国住房租赁市场政策工具组合

中国城镇住房制度长期以来侧重于提高居民住房自有水平,忽视了租赁方式在住房市场均衡中的重要作用,未能有效发挥其在城市住房资源合理配置及流动中的本质功能。目前,中国住房租赁市场处于初级发展阶段,与其相关的各类理论研究也相应滞后,更少有研究关注住房租赁市场发展政策设计问题。以政策工具组合为视角,将政策设计过程抽象为高维多目标优化问题。基于观点挖掘思想,利用共现网络、文本挖掘等方法,以权威文献和专家观点作为数据来源,确定目标函数及约束函数系数,从而构建符合中国发展实际的住房租赁市场政策组合多目标函数。此外,提出一种基于Pareto支配关系的两阶段进化高维多目标优化算法以解决高维多目标函数的求解问题,从而搭建出住房租赁市场政策工具组合设计框架、流程和方法,以期为政府政策制定提供科学方法。     

基于改进高维多目标优化算法的中国住房租赁市场政策工具组合

中国城镇住房制度长期以来侧重于提高居民住房自有水平,忽视了租赁方式在住房市场均衡中的重要作用,未能有效发挥其在城市住房资源合理配置及流动中的本质功能。目前,中国住房租赁市场处于初级发展阶段,与其相关的各类理论研究也相应滞后,研究关注住房租赁市场发展政策设计问题。以政策工具组合为视角,将政策设计过程抽象为高维多目标优化问题。基于观点挖掘思想,利用共现网络、文本挖掘等方法,以权威文献和专家观点作为数据来源,确定目标函数及约束函数系数,从而构建符合中国发展实际的住房租赁市场政策组合多目标函数。此外,提出一种基于Pareto支配关系的两阶段进化高维多目标优化算法以解决高维多目标函数的求解问题。从而搭建出住房租赁市场政策工具组合设计框架、流程和方法,以期为政府政策制定提供科学方法。     

基于D-NSGA-Ⅲ算法的无人机群高维多目标任务分配方法

随着人工智能技术的快速发展,种类繁多的无人机在军事领域得到了广泛应用.受单平台资源配备和执行能力限制,大多数复杂任务需由多个无人机协同完成,最优任务分配是其中需解决的重点和难点问题之一.最优任务分配方案求解问题已被证明是一个NP难问题,针对多无人机系统的组织架构,将非支配排序遗传算法与岛屿模型、主从模型结合,构建一种分...     

武器装备体系组合规划的高维多目标优化决策

针对武器装备体系组合规划问题中存在多类相互冲突的高维多目标问题(目标数 ≥ 5),提出了一种三阶段的集成优化决策方法. 首先运用目的规划技术将高维多目标问题转换为一般多目标优化模型(目标数 ≤ 3); 然后提出一种多目标差分进化算法,用于搜索属于决策者关心区间的非劣解集; 最后提出基于预测优化的理想点算法,可生成精确满足决策者偏好的最佳折衷解. 通过某侦察装备体系组合规划示例,证明了各算法模块的优势和该方法的整体有效性,可为武器装备发展和顶层规划提供决策支持.     

基于加工工序的高维多输入层神经网络及应用

提出一种新的神经网络——高维多输入层神经网络,给出了这种神经网络的结构图及其学习算法.这种神经网络可看作是BP神经网络将一部分输入结点移至其某些隐层上的结果,因此具有较少的连接权;又因为这种神经网络可以依照生产流程安排除第一层以外各输入层的位置,只要位置安排合适,这种神经网络可达到比BP神经网络好的效果.文章将这神经网络按加工工序用于热轧产品质量的建模中,并将结果与BP神经网络的结果进行比较,事实表明,由于连接权值的减少,这种神经网络具有较快的学习速度,在同样的时间内可以达到比BP神经网络更好的学习效果.     

基于改进ESE算法的多目标优化试验设计方法

超立方试验设计是试验设计领域的热点问题。传统的拉丁超立方试验设计优化算法以试验点间正交属性度量准则或均匀性度量准则为单一优化目标,以单一优化准则求得的试验设计并不能确保其他的优化准则最优。以正交度量准则和均匀性度量准则为优化目标,提出基于改进ESE算法的多目标优化试验设计方法。算例测试证明,与已有算法相比,本文提出的新算法能得到更优的试验设计。     

中国居民跨期住房租赁-购置行为动态优化建模及分析

基于效用最大化建立动态优化模型，分析了我国居民生命周期住房租赁购置行为的基本特征及内在机理。研究表明：合理的住房消费在生命周期内具有一定的梯度，购置住房一定程度上存在投资属性，并对居民股市投资产生“挤占效应”；无房居民租购选择的关键要素为年龄和财富收入比，且租购临界点对应的财富收入比在年龄上呈U形特征，有房居民住房选择的关键要素为年龄、财富收入比、房价收入比及房贷余额，主要在于租购成本的权衡及资产流动性的考虑；房产交易成本抑制了住房投资性需求，并使住房消费在生命周期内更加平滑，人口的流动性导致住房租赁倾向显著增加。     

在线住房租赁的竞争策略及其风险补偿模型

基于一般设备在线租赁竞争策略的基础上,分别研究了在线住房租赁问题在有无利率情形下的竞争策略,并建立了相应的风险补偿模型,从而在线置房者可以根据自己的风险容忍度和未来预期选择最优的住房租赁策略.另外,市场利率的引入使得在线住房租赁模型复杂但更贴近于现实中的住房租赁决策问题.通过具体实例进一步说明了市场利率下在线竞争比更小,而且竞争比关于市场利率递减;同时也说明了风险补偿模型中最优约束竞争比要小的多.     

基于差分演化的改进多目标粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解多目标优化问题。算法通过对Pareto最优解集的差分演化来增加Pareto解集的多样挫;通过循环拥挤距离采控制归档集中非劣解的分布．提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘睹法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度...     

基于混合遗传算法的目标优化分配

根据防空作战目标分配的特点 ,在分析启发式方法和遗传算法基础上 ,将二者结合起来得到了求解目标优化分配问题的混合遗传算法 ,该算法具有全局收敛性.     

基于有序的多目标优化方法研究

本文根据系统有序时, 描述系统宏观行为的状态变量中某些被称为序参量的状态变量支配着其它变量, 这些状态变量达到局部最优并具有较好稳定性以及外部控制参量达到一定阈值的特征, 建立了一种以有序为优化标准的多目标优化方法。这种优化方法不仅能获得更为科学的结果, 而且还能揭示系统的现有结构, 现有资源及所处环境是否合理。     

递进多目标遗传算法

在现有算法研究基础上,提出了一种递进多目标遗传算法,该方法每进化一定代数后以一定策略对群体进行重构,以提高算法对解空间的遍历性,从而较大程度上避免算法的早熟.该算法采用非劣解等级优先的选择方式复制后代,降低算法的时间复杂性;通过递进层次间对部分非劣解个体执行局部搜索,加快全局非劣解集的进化.采用递进算法与现有两种典型多目标遗传算法NSGA、MOGLS算法对一些典型优化问题进行对比分析,验证了算法求解多目标函数优化问题的有效性;通过调整算法递进层次与每层进化代数的参数设置,进一步研究了参数选取对算法性能的影响.     

基于佳点集的约束优化进化算法

结合数论中佳点集理论和多目标优化技术,提出了一种求解约束优化问题的新算法.该算法首先把约束优化问题转化为两个目标的多目标优化问题;接着结合佳点集理论重新设计了交叉算子,新的交叉算子能够生成具有代表性的子代个体以更好地搜索空间;采用BGA变异算子增加子代个体的多样性;最后根据当前子代群体的进化信息,利用联赛选择算子或Pareto优超关系选择优胜个体进入下代群体,通过4个标准测试函数验证了算法的有效性.     

Relationships of the Monetary Policy, Stock Market and Real Investment in China Based on Markov-Switching Model

This paper studies the relationships of the monetary policy, stock market and real investment in China based on Markov-Switching-Vector Error Correction Model. It shows that there is a cointegration relationship among the three ones. We disclose the riddle that the stock market is in recession, but the growth rate of economy is very high in recent years. We also find that Chinese economy operated stably most of the time during the past 8 years. But if the economy is difficult to continue its high growth, it is more likely to appear ＂hard landing＂ than ＂soft landing＂. The impulse response analysis indicates the asymmetry between the ＂too cold＂ economy regime and the ＂too hot＂ regime. And the economy will oscillate during the subsequent time when it is shocked under the ＂too hot＂ regime.     

基于改进小生境演化算法的多峰函数优化算法

传统演化算法在求解复杂多峰函数优化问题时经常会出现早熟、收敛速度慢等问题,特别是对于有多个最优解的函数,往往只能找到个别的最优解.针对这些问题,提出了一种基于膈离机制与排挤机制相结合的小生境演化算法.利用隔离机制增强引导进化能力,利用排挤机制保证种群的多样性,同时,采用反序交叉算子进一步加强局部寻优能力.实验表明,使用该改进小生境演化算法求解函数优化问题能更有效地克服传统演化算法存在的收敛速度慢和容易陷入局部最优解等缺点.     

基于改进多目标粒子群算法的家庭用电时段优化

为解决家庭用电负荷的调度优化问题,综合考虑用电成本、满意度以及用户侧波动程度3个目标进行优化。提出改进自适应权重多目标粒子群算法(improved adaptive weighted multi-objective particle swarm optimization, IAW-MOPSO)求解模型,通过对粒子的适应度值分段更新惯性权重,均衡了粒子群算法的局部改良能力和全局搜索能力,在保证得到全局最优解的同时完成对家用电器的优化调度。结果表明:该优化策略降低了29%的电费,保障了高峰时期用电的稳定性,用户满意度明显增加,验证了所提模型的有效性以及算法的优越性。     

基于微分进化算子的量子粒子群优化算法及应用

分析了量子粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO)的进化方程,指出其存在的局部收敛问题,通过将微分进化(Differential Evolution,DE)的基本操作思想引入到QPSO中,提出了改进的QPSO算法(QPSO-DE);算法改进的方法是在粒子搜索过程中,以一定的概率对粒子的每一维执行微分进化操作,以增加粒子的随机性,从而减少了粒子群体因多样性缺失而易于陷入局部最优或停滞的情况,增强了粒子群体的搜索能力,提高了算法的优化性能;对多个标准测试函数及在IIR数字滤波器优化设计中的仿真实验结果表明,与PSO算法和QPSO算法相比,QPSO-DE算法能够取得更好的优化结果。     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。     

基于多目标模糊优化模型的奇台县种植业结构优化配置

运用多目标模糊优化模型,对新疆奇台县农业种植结构优化配置进行了探讨。结果表明,要使其农业综合效益最大,必须要调整农业种植结构和减少农作物种植面积。在现有农业供水量不足的情况下,小麦、大麦面积需要逐渐减少,而玉米及经济作物（油料、甜菜）的面积应适当增加。相对2005年,在P=50%的灌溉用水的保证率下,2010年小麦、大麦种植面积应分别减少14.9%、19.2%,而玉米、油料、甜菜则应分别增长4.7%、23.4%、75.7%;到2015年,前两者需减少15.0%和20.6%,后3者增加2.6%、23.1%、75.0%。同时,在这两个时间段农田总面积将减少1 580 hm2、1 935 hm2,使农作物种植面积和水量实现最优分配。