船载直升机目标搜索最佳方案决策模型

根据现代搜索理论的发展,对船载直升机在目标搜索中的具体运用进行了研究,建立了船载直升机目标搜索时搜索力的最优配置模型,解决了在已知目标分布的条件下船载直升机搜索中选择初始探测点、确定搜索路径、确定搜索次数以及搜索效率评估等问题．     

线性规划Karmarkar算法的一种改进算法及其数值检验

本文给出求解线性规划问题的一种改进的Karmarkar算法IKA.本算法通过施行仿射变换,将已给定的一个可行内点,变成另一空间可行域中所有分量为1的点e,然后从e出发,沿梯度方向进行一维搜索,使问题的目标函数单调下降,并收敛于最优值,因而不需假定目标函数最优值为已知.几个有数百个约束方程和变量的实际算例表明本算法比Karmarkar算法有效.     

基于正弦控制因子的Lateral变异鲨鱼优化算法

针对传统鲨鱼优化算法在求解高维目标函数时,易早熟收敛,陷入局部最优的缺陷.提出一种基于正弦控制因子的Lateral变异鲨鱼优化算法.通过正弦曲线的特性和自适应惯性权重,改善了传统鲨鱼优化算法中由于随机选取控制因子数值大小可能导致算法在迭代后期全局搜索能力降低的问题,提高了算法在迭代后期的全局收敛能力,并对最佳鲨鱼位置引入Lateral变异策略,加强了算法跳出局部最优的可能性.改进后的算法对多个shifted单峰,多峰以及固定维测试函数进行求解,实验结果表明,对比多种不同优化算法而言,本文所提LSSO算法具有更高的收敛精度和搜索速度.     

直升机应召搜潜中一种快速搜索方式研究

本文根据直升机应召搜潜的基本原理,描述了直升机搜潜设备搜索潜艇目标的运动状态,建立了直升机搜潜设备探测装置与潜艇相对运动的搜索模型,给出了直升机最优搜索运动航线,解决了直升机应召搜潜时如何快速搜潜的难题。     

分支分类问题的随机优化解法

分支分类问题可归纳为聚类分析问题。通常的分支分类方法均属于聚合法，这些方法只能保证得到的局部最优解。本文应用划分方法进行聚类。根据随机优化理论搜索得到最优解，实验结果表明该方法是正确和可行的。     

二层随机规划逼近问题最优解集的上半收敛性

在下层初始随机规划问题可行解集上引入了正则的概念,并在下层初始随机规划最优解唯一的条件下,利用上图收敛理论,给出了下层随机规划逼近问题的任意一个最优解向量函数都连续收敛到下层初始随机规划问题的唯一最优解向量函数.然后将下层随机规划的最优解向量函数反馈到上层随机规划的目标函数和约束条件中,得到了上层随机规划逼近问题的最优解集关于最小信息概率度量收敛的上半收敛性.     

具有随机保费和交易费用的最优投资-再保险策略

本文研究具有随机保费和交易费用的最优投资和再保险策略选择问题.保险公司的盈余通过跳-扩散过程来模拟,假设保费收入是随机的.我们的研究目标是寻找一个最优再保险和投资策略,最大化投资终止时刻财富的期望效用.应用随机控制理论,我们得到最优投资-再保险策略和值函数的显式解.通过数值计算,我们给出模型参数对最优策略的影响.结果揭示了一些令人感兴趣的现象,它们可以对实际中的再保险和投资予以指导.     

具有随机工资的养老金最优投资问题

在三种目标函数下, 研究了具有随机工资的养老金最优投资问题. 第一种是均值-方差准则, 第二种基于效用的随机微分博弈, 第三种基于均值-方差准则的随机微分博弈. 随机微分博弈问题中博弈的双方为养老金计划投资者和金融市场, 金融市场是博弈的虚拟手. 应用线性二次控制理论求得了三种目标函数下的最优策略和值函数的显式解.     

二级性性价格控制问题的满意解的求解思路及实例

本文就文献[1]对线性二级价格控制问题（BLP2）研究的结果及文献[2]提出的问题进行了进一步的讨论。用反例指了文[1]求出的极点最优解是错的，以及一般的（BLP）2问题同的最优解，可能是下层决策者根本无法接受的。因此，本文提出（BLP）2的求下层目标最优解的边界搜索法及在此基础上用多目标的观点来求（BLP）2的求下层目标最优解的边界搜索法及在此基础上用多目标的观点来求（BLP）2的满意解的思路及实例。     

多目标规划的一种混合遗传算法

本文利用遗传算法的全局搜索内能力及直接搜索算法的局部优化能力，提出了一种用于多目标规划的混合遗传算法．与Pareto遗传算法相比．本文提出的算法能提高多目标遗传算法优化搜索效率，并保证了能得到适舍决策者要求的Pareto最优解．最后，理论与实践证明其有有效性．     

基于CUDA的边界变异量子粒子群优化算法

针对量子粒子群优化算法面对复杂优化问题时,临近最优解的搜索阶段存在收敛速度慢、在边界附近全局搜索性差的问题,提出了基于CUDA的边界变异量子粒子群优化算法.GPU(图形处理器)以多颗密集的计算核心模拟粒子的搜索过程,利用并发的优势提升粒子搜索速度;边界变异则通过以随机概率将边界粒子扩散到更大的搜索域,增加种群的多样性,提升粒子群的全局搜索性.对若干优化算法的仿真实验表明,所提出方法具有较好的全局收敛性,且同等目标精度下,取得了较高的有效加速比.     

基于贝叶斯信息更新的失事飞机发现概率模型

了目标搜索区域的确定方法以及失事飞机在目标搜索区域的初始概率分布,得到发现概率的计算公式。以发现概率为目标,构造了一个求解最优搜寻策略的Max Max化规划模型,模型可以动基于贝叶斯方法,提出了一个失事飞机的发现概率模型,利用飞机失联前后的信息数据,给出态地对坠机点的概率分布进行更新,使下一步搜寻任务得到及时的修正和调整。考虑到洋流对坠机点的影响,本文还提出了一个关于基点先验概率分布的重构策略。此外,对任务搜索区域最优路径的选取问题做了进一步探讨,给出了一个任务搜索区域上搜寻路径的选取方法     

预期性后悔和欣喜作用下的最优序贯搜索策略研究

根据经济学中的后悔理论,首次在经典的最优序贯搜索问题中引入了决策者在搜索过程中的后悔和欣喜心理. 模型发现,如果决策者具备完美预期,那么她对后悔和欣喜的敏感度之差将直接决定她的搜索行为与最优搜索的偏差程度和方向,并且对于预期性后悔的敏感度越大则搜索程度越低. 这符合实验文献里“搜索过少”的结论. 进一步分析发现,在停止搜索后能知晓反事件价格的情况下,带有预期性后悔和欣喜的搜索将会趋向于经典的最优搜索策略. 如果对于后悔和欣喜的敏感度会受到搜索过程中经历过的类似心理的影响,模型对价格召回也作出了合理解释.     

乐观型二层随机规划逼近问题最优解集的上半收敛性

文章针对下层随机规划反馈的最优解不唯一,上层为单目标约束随机规划的一类乐观型二层随机规划逼近问题,构建了求解乐观型二层随机规划逼近最优解集上半收敛的理论框架.首先将乐观型二层随机规划等价转化为单层随机规划问题,通过逼近方法建立了无界可积函数在有限区域上以及全空间上的一致逼近定理,应用此结果给出了目标函数的连续收敛性和约束集的K-收敛性.其次利用上图收敛理论,得到了乐观型二层随机规划逼近最优解集的上半收敛性.该结论提供了乐观型二层随机规划逼近最优解集可以近似替代精确的最优解集的理论依据,结果表明离散化逼近方法是可行的、有效的、合理的.     

基于q-理论的家族企业动态模型

本文在不完全市场下,基于托宾q-理论,以最大化企业家的CRRA期望效用为目标,在假设企业资本和生产力均随机的条件下,研究家族企业的动态优化问题,即家族企业在动态经营过程中的生产、消费和投资组合的最优决策问题.利用动态规划原理推导出企业最优决策所满足的HJB方程,并通过企业适用的生产消费均衡理论和风险对冲需求对此HJB方程进行求解,得到家族企业的最优生产、最优消费和最优投资策略.最后选取合适参数对家族企业的最优策略进行数值分析,结果表明了企业的最优策略与其流动性之间的变化关系.     

基于动态VaR约束与随机波动率模型的最优投资策略

研究Stein-Stein随机波动率模型下带动态VaR约束的最优投资组合选择问题. 假设投资者的目标是最大化终端财富的期望幂效用,可投资于无风险资产和一种风险资产, 风险资产的价格过程由Stein-Stein随机波动率模型刻画. 同时, 投资者期望能在投资过程中利用动态VaR约束控制所面对的风险.运用Bellman动态规划方法和Lagrange乘子法, 得到了该约束问题最优策略的解析式及特殊情形下最优值函数的解析式; 并通过理论分析和数值算例, 阐述了动态VaR约束与随机波动率对最优投资策略的影响.     

基于混沌优化和自适应反向学习的秃鹰搜索算法

针对秃鹰搜索算法求解精度低、收敛速度较慢、容易陷入局部最优的问题,提出一种基于混沌优化和自适应反向学习的秃鹰搜索算法.首先,在选择搜索空间阶段引入正弦混沌映射更新秃鹰群位置,增加随机性,优化全局搜索能力;其次,在俯冲捕获猎物阶段加入指数自适应,平衡了全局搜索和局部搜索,同时加快收敛速度;最后,对更新后的最优秃鹰位置使用反向学习策略,提高跳出局部最优的可能性.选取12个测试函数对算法的性能进行了测试,结果表明本文改进的秃鹰搜索算法具有更优的求解精度和收敛速度.     

秘书问题研究综述：何时停止搜索信息?

秘书问题是一类序贯观察与选择问题,描述了一种动态的信息搜索与决策过程,其问题实质是决定何时停止观察选项、而不是哪一个选项被选择.已有研究成果从解决该问题的策略方法角度,可以分为最优解策略与启发式策略,二者的差异主要体现在理论依据与研究方法上.最优解策略基于决策者完全理性假设,运用数学模型论证了解决该问题的最优决策行为。但许多实证研究发现,人们往往并没有遵循最优决策行为。相比较最优解策略而言,人们通常停止搜索信息太早或者说搜索量太少。这种基于决策者有限理性假设的描述性研究,在解释人们最优选择行为偏离的基础上,提出了解决秘书问题的一些启发式策略.最后,本文通过对已有研究成果的梳理与分析,提出了进一步研究的问题与方向。     

求解全局优化问题的改进蝙蝠算法[英文]

蝙蝠算法(BA)是一类基于试探技巧的群智能优化算法,该算法已被广泛用于诸多领域问题的求解.本文提出一个改进的蝙蝠算法NIBA.在算法中,为了加强蝙蝠算法的局部和全局搜索能力,提出了三个改进策略.首先,为了改进蝙蝠的局部搜索能力,在当前最优解处给出了一个新的搜索方程.其次,为了改进算法的全局搜索能力,平衡算法的开发能力和探索能力,算法吸收并改进了和声搜索机制.最后,为了进一步提高NIBA算法的搜索能力,在当前最优解处,算法采用了混沌搜索机制.为了验证算法的性能,针对18个标准测试函数进行了数值实验.与其它算法的比较结果显示,NIBA算法具有更好的稳定性,且效率更高.     

均值-方差准则下具有负债的随机微分博弈

研究了均值-方差准则下,具有负债的随机微分博弈.研究目标是:在终值财富的均值等于k的限制下,在市场出现最坏的情况下找到最优的投资策略使终值财富的方差最小.即:基于均值-方差随机微分博弈的投资组合选择问题.使用线性-二次控制的理论解决了该问题,获得了最优的投资策略、最优市场策略和有效边界的显示解.并通过对所得结果进行进一步分析,在经济上给出了进一步的解释.通过本文的研究,可以指导金融公司在面临负债和金融市场情况恶劣时,选择恰当的投资策略使自身获得一定的财富而面临的风险最小.