无人机多任务区侦察时间分配模型与应用

为了合理分配无人机对多个任务区的侦察时间,提出了一种包含问题建模、求解和方案决策的无人机多任务区侦察时间分配方法。首先,建立了包含侦察收益和侦察风险两目标的无人机多任务区侦察时间分配模型,该模型属于带约束多目标优化问题;其次,提出了一种改进的基于分解的约束多目标进化算法,该算法具有简单、灵活、无参等特点,可有效求解;最后,利用优劣解距离法从非支配解集中选择最优方案。选择了6种约束多目标进化算法,在3个不同雷达强度指数条件下进行对比实验。Hypervolume指标说明约束多目标进化算法在求解该问题时优于其他算法。实验结果表明：提出的方法在求解无人机多任务区侦察时间分配优化问题中能够实现快速准确决策。     

一类改进的随机多目标规划区间交互式算法及其应用

针对连续型随机变量随机多目标规划问题,提出一种基于概率有效意义下的区间交互算法,该算法可将概率有效性与多目标决策问题有机结合,有效辅助决策者寻求愿意承受的风险水平而进行决策, 从而简化了随机多目标优化的求解问题.     

基于因果模型和多模态多目标优化的两阶段特征选择方法

特征选择中特征数量和分类精度之间的关系通常可以看作是一个多模态多目标优化问题,但现有大多数多模态多目标进化算法对于高维优化问题的求解存在搜索能力不足的问题。为解决该问题,提出一种基于因果模型和多模态多目标进化算法的两阶段特征选择方法。在该方法中,首先使用因果模型对数据进行特征选择以便降低问题维度;然后使用多模态多目标优化算法搜索具有多模态特性的特征子集。为验证所提算法性能,它被用于术中低体温风险预测模型的特征选择问题。实验结果表明,提出的两阶段特征选择方法不仅融合了2种不同方法的优点,而且能为术中低体温预测提供更多决策支持。     

生化系统稳态优化的一种二次规划算法

针对一类生化系统的稳态优化问题,在已有间接优化方法（IOM）的目标函数中引入一个反映S-系统解和原模型解一致性的二次项,提出了一种改进的优化算法．该优化算法不仅得到了一致的S-系统解与IOM解,而且可用现有的二次规划算法去计算．仿真结果表明了该优化算法的实用性和有效性．     

WSN中基于多目标优化的协同任务分配算法

对无线传感器网络目标跟踪中的协同任务分配机制进行了研究,针对一般任务分配算法中优化目标单一的缺陷,提出了一种基于多目标优化的任务分配算法.首先,建立了基于动态联盟的具有跟踪精度、系统能耗、负载均衡等多个目标参数的优化模型,并采用多目标进化算法NSGA-Ⅱ对模型进行求解;然后,提出了一种基于折中度的决策精选策略,从最优解集中决策出最终的任务分配方案.针对跟踪精度、能耗、负载均衡的仿真结果表明:所提算法可以对多个目标并行优化,较快收敛到全局最优解;与一般任务分配算法相比,该算法可获得更佳的调度结果.     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型，模型中，同时考虑了发电费用最少及网损最小等多重目标，针对该模型，还提出了一种基于神经网络模型的新算法，该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解，从而将模糊优化同神经网络有机地结合起来，通过算例对所提模型及算法进行了验证。     

基于多目标粒子群优化算法的输电网规划

输电网规划是一个离散型、非线性、多目标的混合整数规划问题,难于求解.提出一种多目标粒子群优化算法用来求解输电网规划问题.在输电网规划模型中考虑了建设投资费用、运行费用及网损费用等3方面的因素.多目标粒子群优化算法基于Pareto支配关系来更新粒子的个体极值,并采用了精英归档技术,粒子的全局极值由档案库中的非劣解提供.使用Matlab7.1对Garver-6节点系统进行仿真计算,结果表明:与传统的单目标遗传算法相比,多目标粒子群优化算法获得的规划方案总费用更低,该方法可以提高输电网规划的经济性水平.     

重大事故救灾路线双目标优化模型及算法

运用运筹学的理论和方法,建立一种重大事故救灾路线双目标优化数学模型.基于启发式算法思想,提出适合该模型且收敛速度较快的优化算法.该算法通过构造辅助函数调用Dijkstra算法,在最优解的近似区间内多次迭代逐渐逼近最优解,实现了双权重网络图最短路的求解,是一种近似的、快速的算法.基于所构造辅助函数的性质,给出实现该算法的具体步骤.对误差进行线性估计,分析了该算法收敛速度的影响因素,并讨论了算法的时间复杂度及优势.最后在案例分析中编译并运行该算法,证实其模拟结果与理论分析结论相吻合.     

一种双种群协同多目标粒子群优化算法及应用

针对当前我国油田开采难度大、 经济效益较低等问题, 建立以利润最大化为优化指标, 以年度增油目标、 增液目标、 增注目标为约束条件的多目标油田开采优化模型, 并提出一种双种群协同多目标粒子群优化算法求解该优化模型. 该算法通过双种群协同进化策略扩大搜索空间, 提高算法的全局搜索能力, 并结合Lévy飞行保证种群多样性, 提高算法收敛效率. 实验结果表明, 该算法能有效求解油田开采优化模型, 可优选出满足目标和约束条件的结果.     

基于粒子群算法的复杂产品装配序列规划

根据复杂产品装配规划问题的特点和要求,提出了一种求解装配序列规划(assembly sequenceplanning,ASP)问题的粒子群优化算法,将通常用于连续空间优化的粒子群算法成功扩展到ASP领域.算法根据ASP问题决策解的特点,在排序空间定义了微粒的位置和速度以及相关的各种操作.针对基本粒子群算法容易陷入局部最优的缺点,采用新的学习机制,增强了算法的寻优能力.基于干涉矩阵、连接矩阵和支撑矩阵建立了以装配可行性、装配体稳定性和装配方向改变为评价指标的目标函数.最后通过实例分析验证了该算法的有效性.     

组合投资选择均值-最小最大化多目标规划模型

构造了一个均值-最小最大化组合投资多目标规划模型.与胡达沙和吴炜提出的多目标均值-方差模型比较,该模型有几方面改进.除了模型假设和数学表述的一些修正,该模型使用历史最小收益替换方差,这使得该模型不仅继承了多个目标的可行权衡的好的特性,而且在衡量向下风险方面的表现优于多目标均方模型.通过理论分析和数值试验说明了这一点.当组合投资收益分布适度有偏时,该模型的优势会更为突出.     

限制投资下界的双目标风险证券组合模型及实证研究

许多研究所考虑的都是投资风险的最小化或投资收益的最大化,但对于一个典型的投资者而言,一方面希望收益率尽可能高,另一方面也希望风险尽可能小.因此,为了适应证券市场和实际操作需要以及投资者的喜好,分析了限制投资下界的双目标风险证券投资组合模型,并给予实例分析.     

一类模糊证券组合投资的最优模型

为了体现投资者对期望水平的满意度,以最小风险对应的最大方差系数为目标,期望临界收益率为约束,建立一类新的模糊证券组合投资的最优模型。运用模糊优化和进化规划方法,研究新风险概念下的模糊证券组合选择,并给出了其相应算法。     

带交易费用的证券组合投资的模糊多目标优化模型

利用在约束条件中加入证券多样化选择约束的方法来抵减非系统风险,建立了带交易费用的综合考虑收益和风险的模糊多目标规划模型.在此模型中,考虑到证券投资的预期收益和风险的模糊性,把目标函数和约束系数均作为模糊数处理,并给出了模型的求解方法和问题的一个算例.     

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。     

多目标投资组合模型的模糊两阶段解法

对多目标证券组合投资模型进行了研究,模型以绝对偏差和代替方差作为投资组合的风险度量.该模型是一个多目标线性优化问题,采用两阶段模糊算法对模型进行求解,最后给出了该模型的一个实例的最优解.     

基于离差-熵度量风险的组合投资优化模型研究

针对证券组合投资中存在的随机性,在投资收益达到一定水平下,综合考虑收益率的平均绝对离差和信息熵作为投资组合的风险度量,建立了数学模型。并用该模型进行了实例分析,结果表明,在投资收益不变的前提下,多方面的考虑风险,使得投资方案更安全。     

抵押贷款的信用风险度量

在对新巴塞尔协议的IRB方法研究的基础上，提出了比该方法更一般的度量信用风险的模型。在建模过程中，考虑了同类贷款组间的相关性和宏观经济因素对抵押贷款回收率的影响。最后，应用该模型对有担保的中小企业的贷款组合进行了信用风险度量。     

动态组合证券投资决策非线性递推规划模型

针对现有动态组合证券投资决策方法的不足,引入递推规划的思想和方法建立了动态组合证券投资决策的非线性递推规划模型,该模型将股票价格预测的状态空间模型、投资机会集确定方法、均值方差模型、资产负债管理的网络模型和证券组合总体风险的自适应控制方法有机地结合起来,给出了一种新的具有可操作性的动态组合证券投资方法,并通过中国股票市场中３５种股票构成的数据样本验证了所建模型的有效性和适用性。     

完全市场情况下多阶段均值-VaR投资组合优化

将VaR风险度量方法拓展到多阶段投资组合优化,提出了完全市场情况下多阶段均值-VaR投资组合模型,该模型的目标函数不具有可分离性。采用嵌入式方法将不可分离的问题转化为可分离的,并运用动态规划方法得到了模型的解析解,即最优投资策略。通过一个算例验证了该模型和求解方法的有效性。