基于引力搜索和粒子群混合优化算法的证券投资组合问题研究

本文研究考虑交易成本的投资组合模型,分别以风险价值(VAR)和夏普比率(SR)作为投资组合的风险评价指标和效益评价指标。为有效求解此模型,本文在引力搜索和粒子群算法的基础上提出了一种混合优化算法(IN-GSA-PSO),将粒子群算法的群体最佳位置和个体最佳位置与引力搜索算法的加速度算子有机结合,使混合优化算法充分发挥单一算法的开采能力和探索能力。通过对算法相关参数的合理设置,算法能够达到全局搜索和局部搜索的平衡,快速收敛到模型的最优解。本文选取上证50股2014年下半年126个交易日的数据,运用Matlab软件进行仿真实验,实验结果显示,考虑交易成本的投资组合模型可使投资者得到更高的收益率。研究同时表明,基于PSO和GSA的混合算法在求解投资组合模型时比单一算法具有更好的性能,能够得到满意的优化结果。     

混合教与学算法求解多行程车辆路径问题

为了求解带容量约束的车辆路径问题,提出了一种混合教与学优化算法.该算法基于标准的教与学算法,结合基于禁忌搜索算法的局部优化方法,力求进一步强化标准教与学算法的寻优能力.最后通过引入标准数据集,进行了仿真实验并给出了实验分析,测试结果验证了构建的混合教与学优化算法相比其他三种优化算法搜索性能较强,与最优解偏差最小,能够有效地应对离散优化问题.     

改进鲸鱼优化算法在电力负荷调度中的应用

为了提高鲸鱼优化算法(WOA)的全局优化性能, 提出了一种基于黄金分割搜索的改进鲸鱼优化算法(GWOA)。首先利用黄金分割搜索对WOA的初始种群进行初始化, 使得初始种群能够尽可能的靠近全局最优解, 然后利用黄金分割搜索所形成的变区间, 进行变区间黄金分割非均匀变异操作, 以增加WOA的粒子多样性和提高粒子跳出局部最优陷阱的能力, 从而改善WOA的寻优性能。选取了15个大规模测试函数进行数值仿真测试, 仿真结果和统计分析表明GWOA的寻优性能要优于对比文献的改进鲸鱼优化算法(IWOA)。此外, 将GWOA用于对工程实际应用领域中的电力负荷优化调度问题进行实例分析, 实例应用结果表明, GWOA能有效对电力负荷优化调度问题进行寻优求解。     

基于改进微粒群算法的建设项目多目标动态优化

针对建设项目的复杂性和动态性,建立基于改进微粒群算法的多目标动态优化模型.首先,为提高算法性能,引入外部归档集和阈值并构建基于理想点法的适应度函数;其次,分别建立工期模型、加入系统可靠度的质量模型以及加入费用现值的成本模型,由其得到综合优化模型;最后结合工程实例对算法进行验证并与非劣分类遗传算法(NSGA-Ⅱ算法)对比.结果表明:方法比NSGA-Ⅱ算法的优化结果更科学、收敛速度更快.     

基于拟态物理学的约束多目标共轭梯度混合算法

在拟态物理学优化算法APO的基础上,将一种基于序值的无约束多目标算法RMOAPO的思想引入到约束多目标优化领域中.提出一种基于拟态物理学的约束多目标共轭梯度混合算法CGRMOAPA.算法采取外点罚函数法作为约束问题处理技术,并借鉴聚集函数法的思想,将约束多目标优化问题转化为单目标无约束优化问题,最终利用共轭梯度法进行求解.通过与CRMOAPO、MOGA、NSGA-II的实验对比,表明了算法CGRMOAPA具有较好的分布性能,也为约束多目标优化问题的求解提供了一种新的思路.     

基于iSIGHT平台的三维机翼气动优化设计

基于iSIGHT设计平台,结合CFD软件Fluent对三维机翼进行多目标优化设计,以提高其气动性能．设计过程中采用NCGA(neighborhood cultivation)——邻域培植遗传算法,NSGA-Ⅱ(non-dominated sorting)——非支配解排序遗传算法为优化算法,以N-S方程作为主控方程,对三维机翼优化．经过优化设计后结果表明,机翼的气动性能有了显著改善,该优化方法可推广用于多种翼型和机翼优化．     

一种基于DE算法和NSGA-Ⅱ的多目标混合进化算法

设计了一种新颖的基于差分进化算法和NSGA-Ⅱ的混合进化算法用来解决多目标优化问题。在此算法中,根据算法的搜索情况设计相应的自适应变异算子,以便在突变操作中找到Pareto解。同时,选择操作将基于NSGA-Ⅱ快速非优超排序和拥挤机制将父代与子代的双种群进行截短,确保最优解不会丢失并保证解的多样性。三个经典测试函数的仿真结果表明,文中算法在实现多目标优化问题的两个目标(获得收敛于真实Pareto前沿的解和解沿着前沿均匀扩展)方面表现出良好的综合性能。     

基于混合变异的果蝇优化算法

果蝇算法是新提出一种的群智能优化算法,它存在一些不足尤其是在收敛性和求解精度方面.基于以上提出了一种基于混合变异算子的果蝇优化算法,充分利用柯西变异算子所具有全局搜索能力强的特点和高斯变异算子的局部搜能力强的优点,将这两个算子结合在一起来更新果蝇的位置从而很好的避免了各自算子的缺点.为了验证算法的性能通过测试7个标准多元非线性函数同果蝇优化算法及参考文献中算法结果相比较,实验表明该算法的收敛速度和求解的精度都得到了提高.     

一种改进粒子群优化算法及其在投资规划中的应用

粒子群优化算法(PSO)是模拟生物群体智能的优化算法,具有良好的优化性能.但是群体收缩过快和群体多样性降低导致早熟收敛.本文引入了多样性指标和收敛因子模型来改进PSO算法,形成多样性收敛因子PSO算法(DCPSO),并且对现代资产投资的多目标规划问题进行了优化,简化了多目标规划的问题,并且表现出了比传统PSO算法更好性能.     

最小化总反馈长度的耦合活动排程研究

耦合活动的排程直接影响新产品开发的周期和成本,因而受到了学者和研发管理人员的普遍关注。本文针对最小化总反馈长度这一耦合活动排程常用目标,将遗传算法与局部搜索算法相结合,提出了一种新的混合优化算法,并系统分析了参数对算法性能的影响。然后将算法应用到实际案例和大量随机算例中,实验结果表明混合优化算法较大幅度提高了现有局部搜索算法解的质量;同等情形下,混合优化算法所获得解比单纯运用遗传算法所获得解更好。     

基于L~1度量分析的图象分解与重构算法

Mallat‘s decompositon and reconstruction algorithms are very important in the the field of wavelet theory and its applications to signal processing.Wavelet Anal-ysis,which is based on L^2(R) space,can eliminate redundancy of signals with the help of orthogonality and characterize the processing precision with the meansquare error.In the recent years,it is understood that the mean square measuredoes not match human visual sensitivity well.From the point of view,R.DeVore studied L^1 measure instead.Similarly,considering the principles of image com-pression,Yang introduced and dealt with orthogonality in L^1 space based on thebest approximation theory,and consequently established the corresponding decom-position and reconstruction algorithms for signals.In this paper,error analyses for the algorithms above are taken and the selection of the best parameters in the algorithms are discussed in detail.Finally,the algorithms are compared with the classical Haar and Daubechies‘‘s orthogonal wavelets based on the singal-to-noiseratio data computed.     

基于小波与齐次Besov空间的图像分割算法

从具有全局最优解的几何活动轮廓方法出发,分别提出了两种基于齐次Besov窄间与小波变换的图像分割算法,并给出了解的存在性证明.数值求解利用小波软阈值以及分裂Bregman方法,能够有效提高计算效率.由于小波变换具有多分辨特性,对于包含较多细节信息的图像,采用新算法能够得到更好的分割效果.数值实验表明采用新算法能够获得较...     

最优化两个拓广的SQP和SSLE算法模型及其超线性和二次收敛性

给出一般约束最优化的序列二次规划（SQP）和序列线性方程组（SSLE）算法两个拓广的模型,详细分析和论证两个模型的局部超线性收敛性及二次收敛性条件,其中并不需要严格互补条件,拓广的模型及其收敛速度结果具有更广泛的适用性,为SQP和SSLE算法收敛速度的研究提供了更为完善和便利的理论基础。     

基于锥模型的一般信赖域算法收敛性分析

本文给出了锥模型信赖域算法的一般模型，它不仅包含通常的信赖域算法一相当于锥模型算法中bk＝0的情形，而且文献[1]的算法也可看作其子类．我们研究这个模型的较强的全局收敛性，并讨论保证算法具有超线性收敛速率的条件，从而推广了文[1]和文[4]中的若干结果．     

特征向量计算的神经网络方法

矩阵特征向量计算在实际问题中有着广泛应用，本文采用神经网络计算方法来研究主元分析（ＰＣＡ）和次元分析（ＭＣＡ）问题．我们首先考虑神经元的情况（ｐ＝１），给出了求矩阵最大特征元和最小特征元的算法。然后对多神经元性形（ｐ〉１），给出了抽取矩阵主元和次元的算法．和目前许多元知的算法不一样，在我们ＰＣＡ的算法中发迹矩阵的负号就能够得到ＭＣＡ问题的解。     

带机器准备时间的平行机在线与半在线排序

本文研究带机器准备时间的m台平行机系统在线和半在线排序问题.对在线排序问题,我们证明了LS算法的最坏情况界为2-1/m.对已知工件加工时间递减,已知总加工时间和已知工件最大加工时间三个半在线模型,我们分析了它们的下界和所给算法的最坏情况界.对其中两台机情形均得到了最好近似算怯。     

关于非线性切比雪夫逼近的几点注记

本文讨论了一类非线性切比雪夫逼近问题的两个具体算法,证明了它们的收敛性.实际计算表明,效果很好. 设f(x)与F(A,x)为给定的两个实连续函数,其中x∈M,A=(a_1,a_2,…,a_n)∈?,M表示实轴上的某个有界闭集,?是n维欧氏空间中的子集.切比雪夫逼近问题就是在?中确定A~*∈?,使对一切A∈?,有     

STORE AND GENERATION OF LARGE-SCALE PRIME LIST ON THE COMPUTER

A scheme of very compact store for large-scale prime list is given and two algorithms for rapid generating the list are provided.     

非Hermitian正定线性方程组的外推的HSS迭代方法

为了高效地求解大型稀疏非Hermitian正定线性方程组，在白中治、Golub和Ng提出的Hermitian和反Hermitian分裂（HSS）迭代法的基础上，通过引入新的参数并结合迭代法的松弛技术，对HSS迭代方法进行加速，提出了一种新的外推的HSS迭代方法（EHSS），并研究了该方法的收敛性.数值例子表明：通过参数值的选择，新方法比HSS方法具有更快的收敛速度和更少的迭代次数，选择了合适的参数值后，可以提高HSS方法的收敛效率.