基于GAAA-RBF神经网络的工程估价方法

利用遗传-蚁群混合算法(GAAA),对RBF神经网络的主要结构参数中心矢量、基宽向量和网络权重进行组合优化,建立了GAAA-RBF神经网络组合算法的工程估价模型.将55个工程造价案例,随机抽取10个作为预测样本,剩下的45个作为训练样本.通过与相同结构的RBF神经网络相比较,结果表明算法克服了RBF神经网络易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了工程造价的预测精度.     

基于改进自适应混沌控制的逆可靠度分析方法

自适应混沌控制方法是一种高效、稳健的逆可靠度分析方法,但在求解强非线性凹功能函数时,计算效率仍然有待提高,且可能会陷入局部最优.通过对混沌控制因子更新策略进行改进,提出了基于改进自适应混沌控制的逆可靠度分析方法.数值算例分析表明:该方法能够有效地改善混沌控制因子自适应选取时的合理性,具有更好的收敛性和更高的计算效率,为结构可靠度分析和可靠度优化问题提供了更加高效、稳健的求解途径.     

一类带停时的奇异型随机控制问题的研究

以随机分析的知识和最优控制理论为基础,讨论了一类带停时的奇异型随机控制的折扣费用模型,在原模型的状态过程的基础上添加了漂移因子和扩散因子,并在λ＜δα的情况下讨论了该问题相应的变分方程的解,给出了此随机控制问题的最优策略,即最优控制和最优停时,并且证明了变分方程的解即为最优费用函数.     

线性半向量二层规划问题的全局优化方法

研究了线性半向量二层规划问题的全局优化方法. 利用下层问题的对偶间隙构造了线性半向量二层规划问题的罚问题, 通过分析原问题的最优解与罚问题可行域顶点之间的关系, 将线性半向量二层规划问题转化为有限个线性规划问题, 从而得到线性半向量二层规划问题的全局最优解. 数值结果表明所设计的全局优化方法对线性半向量二层规划问题是可行的.     

有关单机两代理排序问题的两个结果

研究了两个单机两代理排序问题. 在第一个两代理排序问题中, 代理A的目标函数为极小化所有工件的加权完工时间总和, 代理B的目标函数为极小化最大工件费用. 在第二个两代理排序问题中, 代理A的目标函数为极小化所有工件的加权完工时间总和, 代理B的目标函数为极小化所有工件的最大完工时间. 证明了第一个问题是强NP-难的, 改进了已有的一般意义NP-难的结果; 对第二个问题给出了一个与现有的动态规划算法不同的动态规划算法.     

哪家更便宜

1.今天开学啦!古拉格和谷拉拉准备去商场选购几本笔记本,用来写数学日志。他们就近先去了A商场。谷拉拉:哇,快看,这里的学习用品全部打九折耶!如果10元的东西,我只要付1元,省了9元呢。2.古拉格:哎呀,不对,你这样算是不对的!折扣不是越高越好,而是越低越好。九折就是原价的90%,所以打一折会比打九折便宜得多。     

生态平衡制约下离散尺度结构种群的最优收获

研究基于扩展Leslie投影矩阵的离散尺度结构种群模型的最优收获问题,约束条件包括生态平衡和开发成本等.运用凸优化理论证明了最优收获策略的存在性,导出了最优收获模式,应用模型参数给出了收获比率.结论显示:最优策略具有两阶段结构.     

Heston随机波动率市场中带VaR约束的最优投资策略

本文研究了Heston随机波动率市场下, 基于VaR约束下的动态最优投资组合问题。
假设Heston随机波动率市场由一个无风险资产和一个风险资产构成,投资者的目标为最大化其终端的期望效用。与此同时, 投资者将动态地评估其待选的投资组合的VaR风险,并将其控制在一个可接受的范围之内。本文在合理的假设下,使用动态规划的方法,来求解该问题的最优投资策略。在特定的参数范围内,利用数值方法计算出近似的最优投资策略和相应值函数, 并对结果进行了分析。     

基于模拟扩散的最短路径新算法

基于模拟水流扩散的自然现象,提出了一种寻求最优路径的新算法,介绍了该算法原理和具体计算过程,验证了该算法的正确性和合理性.     

均值-方差准则下的多期最优保险投资(英文)

近年来,最优保险投资问题吸引了越来越多的注意。一般这个问题是在连续时间框架下来研究的。本文针对这一问题建立离散时间的最优控制模型。应用动态规划原理求解模型对应的近似问题,得到了最优投资策略和投资有效边界的解析表达形式。本文得到的最优投资策略和投资有效边界均依赖于承保参数。通过数值例子分析了承保参数对最优投资策略和有效边界的影响。