预期短缺ES估计的稳定性分析

在风险管理中,风险量度估计的稳定性对金融机构的经济资本确定及风险分配起着重要的作用.本文从预期短缺(ESα)估计的稳定性角度分析重要性抽样技术和Monte Carlo模拟在估计信用资产组合ESα方面的差异.结果表明,由于组合损失分布尾部事件的稀有性,与传统的Monte Carlo模拟方法相比,运用重要性抽样方法估计的ESα比较稳定,且生成的风险贡献能够明显地体现出资产间不同的风险特征.     

单向S-粗集对偶与数据筛选-过滤的扩展应用

S-粗集(singular rough sets)是对Z.Pawlak粗集的改进,单向S-粗集对偶(dual of one direction sin-gular rough sets)是S-粗集的基本形式之一。利用单向S-粗集对偶,给出数据属性,数据筛选-过滤概念,数据筛选-过滤序定理,合成数据筛选-过滤定理,及数据筛选-过滤准则。利用这些结果,给出应用。单向S-粗集对偶是动态数据筛选-过滤研究的一个新工具。     

基于MCMC模拟的相关系数平稳序列模型及其应用

提出了基于MCMC方法来估计相关系数平稳序列模型的参数;给出基于贝叶斯分布的相关系数平稳序列模型参数的算法;在无信息先验分布下,模拟证明了用此方法估计相关系数平稳序列模型参数的优良效果。最后对实际的广西电网-月负荷数据,分别用基于相关系数平稳序列模型的MCMC方法和极大似然估计法以及基于经典的ARMA模型建模,结果表明采用MCMC方法得到的模型给出的预测是最好的。     

基于Kriging模型与重要性抽样的可靠性灵敏度分析

针对因无法获得功能函数的梯度信息而不能使用解析方法的情形,提出了进行可靠性灵敏度分析的高效的仿真方法,首先基于Kriging模型和重要性抽样去计算失效概率,然后通过记分函数(score function)方法求出失效概率对各个参数的偏导数。在计算失效概率时采用反问题(inversion problems)中的不确定性逐步减少(stepwise uncertainty reduction)准则来更新功能函数的Kriging模型,继而在重要性抽样的框架下将失效概率表示成一个"增大"的失效概率与修正项的乘积;而记分函数方法只是对前面抽样方法的一个简单后处理,不需要计算额外的功能函数值.对所提方法使用算例验证表明:当功能函数为昂贵的计算模型或对系统(非单个构件)进行灵敏度分析时,该方法具有较高的计算效率和精度。     

一种高实时性粒子滤波重采样算法

重采样是解决粒子滤波退化问题的主要方法,传统的重采样算法,如系统重采样、残差重采样,以及Bolic等提出的"残差系统重采样"算法,均存在运算时间较长、占用存储空间较大等问题.而时效性是制约粒子滤波方法实用性的瓶颈.对粒子滤波的基本原理进行了论述;提出了一种高实时性粒子滤波重采样算法--"简单重采样算法",通过仿真实验与分析,该算法在状态估计精度上与其它重采样算法相当,但却具有计算量小、速度快、实时性强等优点,适于硬件实现.     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.     

鲸鱼优化相关向量机的网络控制系统变采样周期调度

针对资源受限的网络控制系统,提出一种基于鲸鱼优化相关向量机的变采样周期调度算法。通过网络监测模块获取网络带宽与数据传输时间数据,建立鲸鱼优化相关向量机的预测模型,实现对网络带宽及数据传输时间的预测。采用模糊推理计算系统各回路通信带宽的分配权重,进而结合通信带宽及数据传输时间的预测值对各闭环回路的采样周期进行计算,完成采样周期的实时调节。仿真结果表明,在资源受限条件下,所提算法保证了系统的稳定性与控制精度。     

电力系统安全经济运行的序贯概率仿真

电力系统的安全经济运行对国民经济意义重大。本文讨论了电力系统设备的概率模型,采用序贯仿真算法,按时间顺序采用蒙特卡罗抽样方法模拟设备的随机故障和电力系统的运行状态,采用线性规划优化算法对运行方式进行优化调度,以减少用户停电损失。文中建立了以停电指标为基础的安全指标和以发电成本表示的系统经济指标,并给出了IEEE-14节点系统的仿真结果。作为辅助决策工具,该算法的实现有利于量化评估电力系统的安全经济性能,具有一定的工程应用价值。     

Compressive sensing based multiuser detector for massive MBM MIMO uplink

Media based modulation(MBM)is expected to be a prominent modulation scheme,which has access to the high data rate by using radio frequency(RF)mirrors and fewer transmit antennas.Associated with multiuser multiple input multiple output(MIMO),the MBM scheme achieves better performance than other conventional multiuser MIMO schemes.In this paper,the massive MIMO uplink is considered and a conjunctive MBM transmission scheme for each user is employed.This conjunctive MBM transmission scheme gathers aggregate MBM signals in multiple continuous time slots,which exploits the structured sparsity of these aggregate MBM signals.Under this kind of scenario,a multiuser detector with low complexity based on the compressive sensing(CS)theory to gain better detection performance is proposed.This detector is developed from the greedy sparse recovery technique compressive sampling matching pursuit(CoSaMP)and exploits not only the inherently distributed sparsity of MBM signals but also the structured sparsity of multiple aggregate MBM signals.By exploiting these sparsity,the proposed CoSaMP based multiuser detector achieves reliable detection with low complexity.Simulation results demonstrate that the proposed CoSaMP based multiuser detector achieves better detection performance compared with the conventional methods.     

多精英采样与个体差分学习的分布估计算法

提出了基于多精英采样和差分搜索的分布估计算法EDA-M/D (Estimation distribution algorithm based on multiple elites sampling and individuals differential search)。EDA-M/D利用多精英个体独立采样生成子代来提升算法全局搜索能力,利用精英群体分布的σ²约束采样半径,实现种群从全局搜索逐步过度到局部搜索。当精英群体停滞时,劣势个体借助精英群体的μ和种群历史最优解进行差分搜索,帮助种群跳出局部最优解。通过多精英采样与差分搜索的自适应协同实现种群宏观信息与个体微观信息的有机融合。实验结果表明EDA-M/D在稳定性和搜索能力方面均表现出明显的优势。