不确定性、最优资本结构与投资期权价值

在不确定的假设条件下,研究了债务对企业最优投资时机和最优投资规模的选择问题.以负债企业投资决策的最优化为目标,运用动态规划原理得到了企业投资时机,投资规模以及投资期权价值的表达式,并通过数值仿真求得数值解.研究表明:产品价格的不确定能够影响到企业的最优资本结构选择,并且这两者又同时对企业的最优投资决策和投资期权价值产生影响.     

带有多重空间干涉约束的工程调度优化

工程活动的空间干涉会延迟活动进度,降低活动质量,甚至引发事故,威胁员工的生命安全。针对这一问题,研究考虑多重空间干涉的工程调度优化问题。对工程中的空间资源和空间冲突进行系统地分类,建立带有多重空间干涉约束的工程调度优化模型并设计一种求解该问题的启发式算法——禁忌模拟退火算法。分别例举一个现实的工程案例和随机生成的算例群进行计算实验,结果表明,算法能快速生成项目调度计划方案,有效避免或减少多重空间干涉并尽可能地缩短工期,为工程管理者提供决策支持。     

基于嵌入混沌序列的遗传算法

将混沌序列引入遗传算法中,获得了一种新的算法．该算法有效地克服了标准遗传算法中的“早熟”现象,并具有更快的收敛速度．计算机模拟验证了上述特征．同时还将改进了的算法用于多重小波神经网的训练．     

混沌经济时序非线性动力系统的预测方法研究

混沌经济时序的预测方法研究是混沌经济非线性动力系统的重要内容，提出了一种改进的非线性混沌经济模型，应用模型的阶数由最小嵌入维数决定的观点，给出了相应的模型参数辨识方法，并用其确立的混沌模型进行了预测工作，计算结果表明：模型参数辨识方法能迅速地将参数估计值带到多峰目标函数的全局最小值附近，然后再采用优化理论能较准确地求出模型的参数，用得到的混沌模型对系统进行预测工作，其短期预测效果良好。     

纵向型企业集团R&D决策的两阶段信号博弈模型

为了研究动态环境下企业集团的最优 R& D战略 ,建立了一个基于熊彼特的创造性毁灭过程的纵向型集团两阶段 R& D决策的信号博弈模型 .该模型是一个综合的内生增长模型 ,综合了新增长理论中基于资本和基于思想的两类模型 .经过分析 ,给出了集团成员企业的最优 R& D和资本投资战略 .从模型可以推得 ,上游企业的创新大小越大 ,下游企业的最优创新大小越小 ;第 1阶段的创新大小越大 ,第 2阶段的最优创新大小越小     

不同的相位随机化对时序混沌特征影响的研究

利用相位随机化的替代数据方法研究了２种不同分布的随机分数对动力系统实测时序数据判值影响的程度。计算结果表明：相位的充分随机分可以提高判别的准确程度，把此判据用于随机时序与非线性混沌时序所得的判值有明显的差异，且不同分布的随机数相位充分随机化后对临界值无质的影响。     

自主创新 技术学习与产业竞争力的提高 ——以台湾IC业为例

自主创新、技术学习是台湾集成电路（IC）产业遵循比较优势的产业政策和技术政策的结果,是基于本土市场的自主创新以及企业在 技术学习上的努力,是发展中国家的企业能够在开放市场条件下获得竞争优势的原因。     

一类量本利模型的混沌表现评价

首先对一个产出博弈模型进行拓展,并导出一种量本利模型.然后利用商业和会计文献中的经济指标对该模型的混沌表现进行评价,把1维情形下的混沌表现评价推广到参与人之间存在博弈的2维情形,为下一步模型的混沌控制提供依据.并用数值方法求出了以不同的评价指标作为参与人收益时的Nash均衡点.并对各种经济指标下系统进入混沌态后的表现进行对比.     

区间值属性不完全信息下的数据挖掘

不完全信息下的数据挖掘是一个困难的问题,但它在实际决策中是不可避免的。除空值和层次型概念外,区间值属性的处理是典型的不完全信息问题。本文基于粗集理论和扩张矩阵等理论,首先分析区间值属性的优选是NP问题,然后提出了一种分割极小点区间值属性的启发式决策树生成算法,并构造了概率决策树和模糊决策树,以改进传统决策树数据挖掘方法的不足。     

对学习样本无误分类的对数型目标函数BP算法

提出了一种对学习样本无误分类的改进ＢＰ学习算法。该算法采用对数型目标函数，可以减少每次迭代的计算量。同时将输出节点分为正确分类节点和误分类节点两类。对于误分类节点，将其误差项加入到目标函数中，然后采用梯度下降算法进行学习。在学习过程中，对学习率μ（ｋ）采用动态优化确定方法，以加快算法收敛速度。为保证收敛后的网络对学习样本能够正确分类，算法终止条件要求对所有输入样本，无误分类输出节点。算例仿真表明了算法的有效性。