不确定信息多目标线性优化的鲁棒方法

研究不确定信息的多目标线性优化问题,其数据不能精确给出但是属于一个给定的集合.首先,采用鲁棒方法把该问题转化为一个确定的多目标优化问题.然后,给出此问题解存在的充分条件.最后,通过实例验证了用鲁棒方法解决不确定信息的多目标线性优化问题的有效性.     

基于中国地震的损失模型(英文)

对损失分布的估计一直是保险公司的重要问题. 有多种参数方法以及非参数方法拟合损失分布. 本文作者提出了结合参数和非参数的方法来解决损失分布拟合问题. 首先通过超额均值图确定大小损失之间的阈限,再利用广义Pareto分布拟合阈值以上损失, 转换后的核密度估计拟合阈值以下损失. 最后, 通过实证分析将该方法和其他方法进行了误差分析比较, 取得了理想的结果.     

二项-广义Pareto复合极值分布模型的统计推断

极值理论主要研究小概率、大影响的极端事件.当前,复合极值分布已经广泛应用于水文、气象、地震、保险、金融等领域.本文以极值类型定理和PBDH定理为理论依据,构建了二项-广义Pareto复合极值分布模型;使用概率加权矩方法,对所建立的复合模型推导参数估计式;利用计算机模拟,得到了Kolmogorov-Smirnov(简称KS)检验统计量的临界值.     

鲁棒优化中的Pareto有效性

对于一般的不确定优化问题, 研究了鲁棒解的~Pareto 有效性. 首先, 证明了Pareto 鲁棒解集即是鲁棒解集的Pareto 有效集, 因此求Pareto 鲁棒解等价于求鲁棒解集的Pareto 有效元. 其次, 基于推广的epsilon-约束方法, 得到了Pareto 鲁棒解的生成方法.     

基于黎曼球面的多目标演化算法

对于求解多目标优化问题提出了一种基于黎曼球面的多目标演化算法(RSEA).它的特点在于:先在目标空间中采用无穷远点作为采样基点来对Pareto最优前沿进行采样;再将无界的多目标函数空间同构映射到黎曼球面上,进而在黎曼球面上对产生的新个体是否加入精英文档进行判定,以此提高了算法的均匀性与多样性,加快了算法的收敛速度.数值实验表明,新算法与NSGA2,SPEA2算法相比,性能有明显的提高.     

无穷维向量最优化问题的最优性条件

文[1]在有穷维空间中建立了可微多目标规划的最优性条件,并得出了一些有意义的结论.本文将这些结论推广到了无穷维空间中,得到了无穷维空间中向量最优化问题的最优性条件.     

偏好意义下的Pareto极值存在性定理及其应用

本文给出了偏好意义下的Ｐａｒｅｔｏ极值存在性定理．作为应用,得到了推广的Ｗｅｉｅｒｓｔｒａｓｓ定理以及非连续集值增算子的不动点定理．     

多目标决策问题的广义折衷解研究

引进决策偏好参数，提出了多目标决策问题的广义折衷解概念，然后探讨了广义折衷解的性质，最后也给出其数学规划的求解方法。     

Pareto分布形状参数的E-Bayes估计和多层Bayes估计及其应用

给出了参数的E-Bayes估计的定义,对Pareto分布在尺度参数已知时,在平方损失下给出了形状参数的E-Bayes估计和多层Bayes估计,并且用Monte Carlo方法给出了模拟算例.最后,结合高尔夫球手收入数据的实际问题进行了计算,结果表明本文提出的方法可行且便于应用.