重置变结构神经网络及其在风险投资项目评估中的应用

基于神经网络的结构直接影响到网络性能的优劣,进而影响其推广使用,尝试将重置算法应用于经典BP神经网络的结构优化,研究了重置算法中最佳重置时间的性质,提出一种重置变结构经典BP神经网络。通过实例,将重置变结构经典BP神经网络应用于风险投资的项目风险评估中,并与经典BP神经网络的实验结果进行对比。结果表明,重置算法的引入有效地解决了神经网络结构的优化问题。     

BA模型的三种扩展

无标度网络的发现，使人类对于复杂网络的认识进入了一个新的天地．BA模型是对于这种新认识的第1个抽象模型．由于考虑了系统的成长性和连接的择优性，BA模型给人们带来了很多启发．但是BA模型的两个基本假定，对于解释许多现实中的现象来说过于简单，与现实的网络还有较大的距离．所以，作者试图对BA模型进行扩展，即根据现实中的网络，增添某些假定，并通过计算机模拟进行观察，以便进一步探索复杂网络系统的规律．对BA模型的扩充考虑了3个因素：择优选择的成本；边的重新连接；网络的初始状态．实验结果表明，在考虑了这些因素之后，BA模型的基本结论并没有变化，它们的影响在于演化过程的某些方面，例如在某些极端条件下的演变趋势等．     

机会约束下的均值-VaR组合投资问题

结合均值一方差模型和机会约束模型提出在允许卖空时的机会约束下的均值-VaB模型，它是以期望收益率与置信水平为导向的．在假设投资收益率服从正态分布的条件下，建立了其数学模型，讨论了最优解的存在性与唯一性，得到了最优解的解析表达式，并用Matlab语言给出求解程序，最后举例予以说明并验证了两个重要结论．     

不确定条件下的flow shop问题的免疫调度算法

生产调度是企业生产过程中一个重要部分，而且实际的生产过程中会存在各种各样的不确定性，针对不确定条件下的flow shop（流水车间作业）调度问题，采用模糊数学的方法来处理数据的不确定性，在基于模糊规划理论的基础上建立了相应的调度模型，并结合免疫算法的特点，提出了解决此类问题的模糊免疫调度算法．通过仿真试验，证明了模型和算法的可行性和有效性．     

利益冲突下的开放式基金流动性资产运作研究

根据基金配置流动性资产的特点和流动性赎回的过程引入交错更新过程，并分别从基金经理与投资者角度出发建立了相应的模型，得出了考虑两者利益冲突下的开放式基金最优流动性资产（现金、债券和股票）配置．结果表明，外部因素变化时，基金经理与投资者不同的利益要求最优资产配置作不同甚至相反的变化；为了平衡两者的利益冲突，基金应选择收益率较高、流动性成本偏低的股票以及收益率偏低、流动性成本很低的债券进行投资，同时逐渐降低管理费率．     

自适应数字波束空域相干干扰抑制方法

在干扰相干背景下,接收信号协方差矩阵中信号空间的一些向量收敛到噪声空间中,仅利用二阶信息不能准确地得到干扰的方向信息,因而干扰抑制效果较差。为此,提出了一种自适应数字波束空域相干扰抑制方法。该方法是首先基于高阶累积量估计出广义方向矢量,然后根据最优均方逼近原则,结合切比雪夫加权系数形成波束,来抑制相干干扰。仿真结果表明,所提方法能够有效地抑制相干干扰。     

一种区间值聚类的数据挖掘方法

提出了一种区间值聚类的数据挖掘方法。该方法首先将数据库中的数据按照属性进行聚类,将它们划分为若干区间,对于同一区间中的数据赋予相同的编号,以此处理直至数据库的最后一个属性。在完成这种转换后即可使用关联规则的挖掘方法。该方法与传统的数据挖掘方法相比更加符合实际。大量的仿真数据集和真实数据集的实验结果表明该算法是有效的。     

一种基于分明矩阵的启发式知识约简方法

提出了基于分明矩阵的启发式知识约简方法。在决策表的相对约简过程中采用分明矩阵来表达知识,并利用分明矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择。现已证明,寻找决策表中最小相对约简问题是典型的NP hard问题。所提供的算法在大多数情况下能够找到最小约简,即使在没找到最小约简的情况下,也能找到次优解。通过实例分析,证明该算法是求解属性相对约简的快速有效的方法     

基于Agent的作战单元行为规划方法研究

在海军多兵种协同攻击蓝方海上舰艇编队的作战想定背景下,为拟制红方参战兵力联合作战协同行动规划计划,采用智能体理论和多智能体技术,将担负作战任务的作战突击兵力定义为作战单元智能体,建立了作战单元智能体的BDI原型结构模型。基于分布计划的分布规划方法,定义了作战单元智能体的协同作战行为规划范围,建立了其协同行为规划问题求解操作方法类模型和行为规划模型,描述了作战单元智能体拟制协同作战行动计划方案的整个规划过程。通过规划形成决策功能,完成了协同行为规划初步计划方案,通过行动计划管理功能完成领域行为规划库的管理。     

基于矢量空间的群体聚类方法研究

通过对群体成员的思维模式进行分析,基于矢量空间提出了群体中任意两个成员偏好矢量相关性度量的一般范数以及基于该矢量相关度的启发式算法,通过执行该使算法使群体中的成员形成若干个不同的聚集。在此基础上,定义并计算群体中各个聚集的偏好和整个群体的偏好,定义并计算群体中各个聚集的一致性指标和整个群体的一致性指标,为群体决策提供依据。最后通过一个实例对算法和一致性指标等进行验证。