随机动态规划及其应用

讨论了连续时间随机动态规划原理，得出了具有随机利率的最优投资组合，并用动态规划原理得到具有随机插入时间物流遍历控制问题的变分不等式。     

多阶段均值-绝对偏差投资组合优化研究

建立了具有交易成本和交易量限制的多阶段均值-绝对偏差投资组合模型,并利用离散近似迭代法对其进行求解.离散近似迭代法的基本思路是:将连续型状态变量离散化,根据网络图的构造方法将组合模型转化为多阶段赋权有向图;运用极大代数求出起点至终点的最长路程,获得模型的一个可行解;以可行解为基础,继续迭代直至前后两个可行解非常接近.证明了离散近似迭代法的收敛性、复杂性和线性收敛,并通过实证验证了其算法的有效性.     

图书借阅量的灰色回归组合模型研究

将灰色预测模型GM(1,1)和线性回归预测模型相结合,采用"误差平方和最小"作为最优准则,建立了图书借阅量的组合预测模型.结果表明,用该模型对图书借阅量进行预测,其预报精度优于各个子方法,具有很好的应用价值.     

GPS/BDS粒子群优化算法紧组合定位方法及精度分析

全球卫星导航系统紧组合定位中,系统间偏差(inter-system bias,ISB)需要多历元后处理的估计方式,并与接收机重启等因素有关.针对该问题,文章将求解ISB参数问题转化为求解系统间小数偏差(frac-tional inter-system bias,F-ISB)参数问题,利用粒子群优化(particle s...     

VaR与CVaR的对比研究及实证分析

对两种风险度量方法——风险价值（VaR）和条件风险价值（CVaR）的性质和最优化算法进行了比较．首先对它们具有的性质如平移不变性等进行了比较,其中CVaR独有的次可加性最能显示它相对于VaR的优越性．然后,通过引入顺序统计量,把现实中基于CVaR的最优组合问题转化成线性规划问题,并说明只有当收益服从高斯分布时,基于VaR和CVaR的两种最优组合问题的解才是一致的,基于VaR的最优问题才有意义．最后对深市股票进行了实证分析,验证了上述结论,并分析了可能存在的影响结果的因素．     

柴油机进气预混甲醇降低碳烟与NOx排放的试验研究

介绍了在发动机进气系统加入不同预混量甲醇对柴油机碳烟和NOx排放的影响.采用一种组合燃烧模式,该模式是指低负荷时发动机仅燃用柴油,中等以上负荷燃用柴油与预混甲醇.试验在一台改装的喷醇发动机上进行.与原柴油机性能进行的对比表明,采用组合燃烧方式的喷醇发动机的碳烟、NOx排放以及经济性明显优于原柴油机.同样工况下碳烟和NOx排放分别可以减少40%和15%以上,同时燃料消耗率也有大幅度改善.     

一类求解八皇后问题的神经网络模型

通过研究离散的Hopfield神经网络模型,运用神经优化计算的方法,采用计算能量函数,建立了组合数学中八皇后问题的各类神经网络模型。并用V－C^ 语言进行计算机模拟,得到八皇后问题的不同解答。     

负弯矩作用下钢-混凝土组合箱梁畸变屈曲分析

畸变屈曲负弯矩区是钢-混凝土组合箱梁的最重要屈曲模式之一,而钢梁底板的转动及侧向约束刚度是影响其畸变屈曲的关键因素.文中对钢-混凝土组合箱梁负弯矩区钢梁底板的等效侧向及转动约束刚度进行了分析,结果表明钢梁底板侧向及转动约束刚度均与外荷载有耦合关系;基于钢梁底板侧向及转动约束刚度计算公式,利用弹性地基梁法推导了组合箱梁畸变屈曲临界应力计算公式,并进一步获得组合箱梁畸变屈曲临界弯矩;最后通过算例将该方法与ANSYS有限元法进行对比.算例分析表明:负弯矩作用下组合箱梁畸变屈曲临界荷载受构件长度影响较小;负弯矩作用下,转动约束刚度折减系数取0.5时,该方法屈曲弯矩计算结果与ANSYS有限元计算结果吻合良好.该方法利用了更为科学的钢梁底板侧向及转动约束刚度,考虑了负弯矩区底板和腹板的耦合失稳,计算方法物理意义更为明确,同时该计算方法较为简便,为变轴力作用下组合箱梁畸变屈曲临界荷载计算方法提供了理论基础.     

随机利率下双指数跳扩散模型欧式期权定价

为了合理刻画股价实际变化趋势,将利率风险引入双指数跳扩散模型,建立了随机利率和双指数跳扩散组合模型,然后在组合模型下利用鞅方法、Fourier逆变换和Feynman-Kac定理给出了欧式看涨期权价格的闭式解,推广了Kou在2002年提出的模型及期权定价问题,所提模型及方法有利于资产收益的经验分析,同时为公司信用风险管理提供理论依据。     

基于DPSO-RK算法解带有交易成本的投资组合选择问题

目的在Markowitz均值-方差模型的基础上,建立带有交易成本且期望收益和风险都有一定误差的投资组合选择模型,即乐观情况下期望收益最大风险最小模型和悲观情况下期望收益最小风险最大模型。方法根据模型特点,设计了基于Runge-Kutta法的差分进化粒子群优化(Differential PSO with Runge-Kutta,DPSO-RK)算法。结果与结论数值试验表明用DPSO-RK算法求解该模型是有效的,模型符合实际,与改进的粒子群优化算法(Improved Particle Swarm Optimization,IPSO)相比,本文所提出的算法具有更好的仿真结果。