Forecasting under model uncertainty: Non-homogeneous hidden Markov models with Pòlya-Gamma data augmentation

We consider finite state-space non-homogeneous hidden Markov models for forecasting univariate time series. Given a set of predictors, the time series are modeled via predictive regressions with state-dependent coefficients and time-varying transition probabilities that depend on the predictors via a logistic/multinomial function. In a hidden Markov setting, inference for logistic regression coefficients becomes complicated and in some cases impossible due to convergence issues. In this paper, we aim to address this problem utilizing the recently proposed Pólya-Gamma latent variable scheme. Also, we allow for model uncertainty regarding the predictors that affect the series both linearly — in the mean — and non-linearly — in the transition matrix. Predictor selection and inference on the model parameters are based on an automatic Markov chain Monte Carlo scheme with reversible jump steps. Hence the proposed methodology can be used as a black box for predicting time series. Using simulation experiments, we illustrate the performance of our algorithm in various setups, in terms of mixing properties, model selection and predictive ability. An empirical study on realized volatility data shows that our methodology gives improved forecasts compared to benchmark models.     

马尾松种子园优良家系选择研究

对广西南宁地区林科所种子园,藤县大芒界种子园和贵港市覃塘种子园的440个马尾松(P inusm asson ianaL am b.)自由授粉子代进行年度和地点重复的半胞子代测定试验,以本地马尾松等11个对照来分析马尾松自由授粉子代的遗传变异规律,并根据遗传稳定性和材积生长快慢,采用性状表现水平分析法从中选择出优良家系。结果表明,440个参试家系中有20.0%~98.0%的家系树高比对照大8.3%~67.7%,有5.5%~99.0%的家系胸径比对照大11.4%~106.9%、有9.1%~99.0%的家系材积比对照大29.2%~484.6%。评选出适合在广西普遍推广的广普性优良家系64个,局部推广的局部性优良家系48个,需淘汰的家系83个;选择出的优良家系在11年生子代林中,材积生长量比对照大64.71%~94.51%。用子代林数据估算马尾松各性状的家系遗传力,树高遗传力为0.306~0.724,胸径为0.174~0.686,单株材积为0.286~0.677。     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

求解最优巡回路问题算法

为找一种简便、实用的求解最优巡回路的方法,在给定2个基本假设的前提下,在局部上运用D ijkstra算法求出两顶点间的最短旅行费,再求出各顶点间的最短旅行费,得到各节点间的有向图距离矩阵。在全局上运用匈牙利法求出全局最优巡回路,并对出现的局部回路问题进行了讨论,即建立了用“四阶段法”求解无数量限制的最优巡回路问题的算法。用无向图和有向图2个实例进行了计算,验证了求解无数量限制的最优巡回路问题的算法。     

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.     

一种基于不同粒度语言判断矩阵的群决策方法

针对基于不同粒度语言判断矩阵的群决策问题,提出了一种新的群决策分析方法.对有序语言短语集中的语言短语进行“量化”,通过变量转换关系将语言判断矩阵转换为互补判断矩阵,并进行了判断信息转换的一致性分析;采用OWA算子将每个决策者给出语言判断矩阵所对应的互补判断矩阵集结为群的偏好矩阵,并通过计算每个方案的优势度来确定最优方案;最后给出一个算例说明了所提出的方法的有效性与实用性.     

南水北调东线供水公司的激励机制研究

针对南水北调东线供水公司与员工之间道德风险问题,应用信息经济学中委托代理理论,给出了降低道德风险的激励模型,并对模型进行了分析,指出:精神激励和物质激励有助于提高员工的努力水平,要建立以员工偏好为导向的激励组合;员工的努力程度与员工的心理不安成本呈正相关关系,委托人可以进行道德教育,提高员工的心理不安成本;员工的努力程度与员工能力呈正相关关系,因此委托人要加强员工能力的培养,提高他们履行岗位职责所必需的专业知识和技能;绩效评价可采用主观评价和客观评价相结合的方式.     

改进的模糊一致矩阵决策方法及其应用

对基于模糊一致矩阵的决策方法目前尚存在的不足之处,如模糊优先关系矩阵的元素不能体现相应两个对象之间优劣的差异程度、满足条件a的最小值不容易确定、计算优度值进行单指标排序的方法有待改进等进行了分析,从模糊优先关系矩阵的构造、模糊一致矩阵的转化、排序方法等方面对基于模糊一致矩阵的决策方法进行了改进.将改进后的决策方法用于方案优选的实际问题,进行实证分析.分析结果表明,改进后的决策方法能更好地反映参评对象的实际情况.     

出租车合乘模式的探讨

文章针对城市交通拥挤以及出租车所占交通量大而载客量却很小的现状,提出了出租车合乘运营模式,在考虑了司机和乘客双方利益的基础上建立相应的数学模型,建立乘客合乘查询系统,求出最佳行驶路线,确定各个乘客的费率,计算合理费用。     

路径诱导系统中综合地图匹配算法的研究

地图匹配算法对于车辆路径诱导和实时轨迹回放具有重要的应用,为了提供连续、精确和可靠的车辆行驶路段位置,利用定位传感器输出车辆运行位置信息,结合高精度空间道路网络数据,提出新的综合地图匹配算法.该算法不受地理环境的约束,能有效地修正传感器的定位误差,提高车辆定位精度.实际道路测试证明,该算法比现有地图算法更高准确度和实时性,尤其是在十字路口有更好匹配效果.