广义Pareto分布参数的经验Bayes检验问题

讨论了独立同分布样本情形广义Pareto分布参数的经验Bayes单侧检验问题,利用核密度函数的核估计构造了参数的经验Bayes检验函数,并在一定的条件下,证明了此经验Bayes检验函数的渐近最优性,获得了其收敛速度.     

Pareto分布中门槛值的确定及其在股票市场中的应用

本文根据Pareto分布与两参数指数分布之间的相互关系,利用两参数指数分布的拟合优度检验统计量给出了确定Pareto分布的门槛值的一种方法。利用道琼斯指数和上证综合指数的收益率序列说明所给方法,结果表明所给方法优于现有方法。     

NA样本下Pareto分布参数的经验Bayes估计

讨论了Pareto分布在平方损失下参数的Bayes估计,采用同分布负相协样本的核估计方法讨论了参数的经验Bayes(EB)估计问题,并计算了给定条件下参数的经验Bayes估计的收敛速度。最后,对我国高收入阶层的财富分布情况进行了实证分析,实证分析表明我国高收入阶层的财富分布是可以用Pareto分布来描述的。     

广义Pareto分布的广义有偏概率加权矩估计方法

广义Pareto分布(GPD)是统计分析中一个极为重要的分布,被广泛应用于金融、保险、水文及气象等领域.传统的参数估计方法如极大似然估计、矩估计及概率加权矩估计方法等已被广泛应用,但使用中存在一定的局限性.虽然提出很多改进方法如广义概率加权矩估计、L矩和LH矩法等,但都是研究完全样本的估计问题,而在水文及气象等应用领域常出现截尾样本.本文基于概率加权矩理论,利用截尾样本对三参数GPD提出一种应用范围广且简单易行的参数估计方法,可有效减弱异常值的影响.首先求解出具有较高精度的形状参数的参数估计,其次得出位置参数及尺度参数的参数估计.通过Monte Carlo模拟说明该方法估计精度较高.     

赋范空间中逐段线性多目标优化问题弱Pareto 解集的结构

在一般的赋范空间中, 考虑逐段线性多目标优化问题, 证明如果目标函数是锥凸的, 那么该问题的弱Pareto解集是道路连通的, 并能表示成有限个凸多面体的并. 此外, 建立了sharp Pareto 解存在的 充分必要条件.     

Pareto分布环境因子的估计及其应用

给出了Pareto分布环境因子的定义,讨论了在定数截尾样本下Pareto分布环境因子的极大似然估计和修正极大似然估计,并尝试把环境因子用于可靠性评估中.最后运用Monte Carlo方法对极大似然估计,修正极大似然估计和可靠性指标的均方误差(MSE),进行了模拟比较,结果表明修正极大似然估计优于极大似然估计且考虑环境因子的可靠性评估结果较好.     

改进的多目标规划遗传算法

本讨论了[1]中多目标规划遗传算法存在的缺陷，并提出了相应改进策略．这些策略包括：引进精粹策略，杂交限制，终止条件，个体表示改进等方面，利用这些策略使算法能克服终止准则和小生境聚集的缺陷，使得算法能更快的收敛到Pareto最优解集同时又有好有分布的Pareto最优解集．     

Time variant multi-objective linear fractional interval-valued transportation problem

This paper studies a time-variant multi-objective linear fractional transportation problem. In reality, transported goods should reach in destinations within a specific time. Considering the importance of time, a time-variant multi-objective linear fractional transportation problem is formulated here. We take into account the parameters as cost, supply and demand are interval valued that involved in the proposed model, so we treat the model as a multi-objective linear fractional interval transportation problem. To solve the formulated model, we first convert it into a deterministic form using a new transformation technique and then apply fuzzy programming to solve it. The applicability of our proposed method is shown by considering two numerical examples. At last, conclusions and future research directions regarding our study is included.     

基于更新径向基函数网络模型的广义Pareto分布函数拟合

广义Pareto分布函数GPD(Generalized Pareto Distribution)是一种针对随机参数尾部进行渐进插值的方法,能够对高可靠性问题进行评估。但这种方法要求样本空间较大,计算成本较高,尽管可以通过径向基函数网络RBFNN(Radial Basis Function Neural Network)辅助抽样的方法削减计算成本,但对于非线性程度较高的问题,RBFNN精度问题使得辅助抽样方法失效。针对这类问题,根据GPD的特点,提出了高效的更新RBFNN训练样本的方法,改善了RBFNN在功能函数分布尾部的精度,将RBFNN辅助抽样方法推广应用到非线性程度较高的问题,准确地得到了所有需要的尾部样本,基于该尾部样本集的GPD拟合结果与基于直接计算所有样本的GPD拟合结果完全一致。     

兼顾成本与时间保证率的泊位及岸桥协同调度优化

针对集装箱班轮根据船期表按计划到离港的运行规律以及港口企业追求低运营成本的需求,本文以集装箱班轮按计划离港保证率最大和码头作业成本最低为目标,构建了泊位及岸桥协同调度多目标优化模型;设计了叠加式局部搜索算法,将其嵌入到带精英策略的非支配排序遗传算法中,经过相互交叉反馈运算,得到Pareto非劣解;采用“性价比”的概念和量化方法,选择出对港口和船公司的利益偏向最小的实施方案,解决了在Pareto解集中寻优的问题。最后,以大连港集装箱码头的生产实际为例,验证了上述优化模型及算法的合理性和有效性。