考虑破产控制的多期模糊资产-负债组合优化模型

在实际的投资决策过程中,一些投资者需要同时管理资产和负债,因此本文研究考虑破产控制和偿债行为的资产-负债管理问题。假设风险资产的收益率和负债的增长率为模糊数,用资产-负债组合的可能性期望和下半绝对偏差度量其收益和风险,以最大化最终期望净财富和最小化最终累积风险为目标,建立了允许限制性卖空的多期模糊资产-负债组合优化模型。然后,设计了一个基于粒子群算法和模拟退火算法的混合智能算法对模型进行求解。最后,通过实例分析说明了所设计算法与传统粒子群算法相比具有更好的优化性能和稳定性。本文所提出策略可以为需要同时管理资产和负债的投资者提供决策支持。     

改进的布谷鸟算法求解考虑运输时间的分布式柔性流水车间调度问题

针对分布式制造环境下多车间调度问题特点,结合企业实际生产情况,考虑相邻工序间的运输时间,建立以最小化最大完工时间为优化目标的分布式柔性流水车间调度模型,提出一种改进布谷鸟算法用于求解该模型。算法改进包括设计了一种基于工序、车间和机器的三层编码方案;根据问题特点设计了混合种群初始化策略以提高种群质量;改进了布谷鸟搜索操作使其适用于求解该模型;设计了一种种群进化策略以提高算法收敛速度及解的质量。最后通过仿真实验,与多种算法对比,验证所提算法的有效性和优越性。     

一种多策略引导的电磁场优化算法求解作业车间调度问题

电磁场优化算法是目前一种比较新颖的群智能优化算法,其利用不同极性电磁场所产生的引斥力,使电磁粒子朝最优解移动。针对标准电磁场优化算法在求解作业车间调度问题时容易陷入局部极值点、收敛精度差等问题,提出了一种多策略引导的电磁场优化算法。算法中粒子受到三种不同来源的引斥力,在迭代过程中通过计算每种移动策略的临代电差、累计电差和综合电差来决定粒子的引导方式,并通过概率变异算法来避免陷入局部最优解。通过作业车间调度问题FT、LA系列测试实例仿真实验,对新算法与其他算法的测试结果进行比较分析,研究表明该算法具有更高的求解精度和更快的计算速度。     

不确定条件下的乡村中小学布局优化

学校的合理规划布局是实现教育资源优化配置、提高办学效益和推动教育均衡发展的重要途径。已有许多学者研究了学校的布局问题,但基本上都忽略了交通网络条件以及不确定因素对学校布局的影响。本研究将在前人研究基础上,重点考虑交通网络对乡村中小学选址的影响,并假设旅行时间具有不确定性,从而以最小化学生旅行成本、学校建设、道路修建和道路升级成本为目标,构建不确定条件下的设施区位设计模型。在算法求解方面提出混合模拟退火算法,用于确定新建学校的最佳位置,以及新道路的修建和原有道路的升级情况。最后,将提出的模型和算法应用到实际案例中。     

基于变换域PCNN的近红外与彩色可见光融合

针对近红外与彩色可见光图像融合后对比度低、细节丢失和颜色失真等问题,提出一种基于多尺度变换和自适应脉冲耦合神经网络(PCNN-pulse coupled neural network,PCNN)的红外与彩色可见光图像融合的新算法。首先将彩色可见光图像转换到HSI（hue saturation intensity)空间,HSI色彩空间包含亮度、色度和饱和度三个分量,并且这三个分量互不相关,因此利用这个特点可对三个分量分别进行处理。将其亮度分量与近红外图像分别进行多尺度变换,变换方法选择Tetrolet变换。变换后分别得到低频和高频分量,针对图像低频分量,提出一种期望最大的低频分量融合规则;针对图像高频分量,采用高斯差分算子调节PCNN模型的阈值,提出一种自适应的PCNN模型作为融合规则。处理后的高低频分量经过Tetrolet逆变换得到的融合图像作为新的亮度图像。然后将新的亮度图像和原始的色度和饱和度分量反向映射到RGB空间,得到融合后的彩色图像。为了解决融合带来的图像平滑化和原始图像光照不均的问题,引入颜色与锐度校正机制(colour and sharpness correction, CSC)来提高融合图像的质量。为了验证方法的有效性,选取了5组分辨率为1 024×680近红外与彩色可见光图像进行试验,并与当前高效的四种融合方法以及未进行颜色校正的本方法进行了对比。实验结果表明,同其他图像融合算法进行对比分析,该方法在有无CSC颜色的情况下均能保留最多的细节和纹理,可见度均大大提高,同时本方法的结果在光照条件较弱的情况下具有更多的细节和纹理,均具有更好的对比度和良好的色彩再现性。在信息保留度、颜色恢复、图像对比度和结构相似性等客观指标上均具有较大优势。     

改进的QGA-ELM算法水稻叶面积指数反演模型

为了通过植被指数（VI）准确、可靠的获取不同施肥梯度、不同品种的水稻叶面积指数（LAI）,提出了一种基于改进的QGA-ELM算法应用于水稻LAI反演。首先通过8折交叉验证确定极限学习机(ELM)最佳的隐含层神经元个数与隐含层激活函数类型,再通过引入组合动态旋转角策略、单点混沌交叉操作、混沌变异操作、确定性选择策略、量子灾变操作对量子遗传算法（QGA）进行改进,最后使用改进后的QGA算法优化ELM神经网络输入层到隐含层的连接权值和隐含层的阈值。为了验证该模型普适性和有效性,依次建立多元线性回归、BP、ELM、QGA-ELM、改进的QGA-ELM算法5种模型,并在不同数据集上进行反演效果比较,结果表明：（1）对比QGA-ELM算法和改进的QGA-ELM算法进化过程,改进的算法能有效提升模型寻优能力,避免算法早熟,且能寻得更优结果。（2）对比五种算法在不同数据集上的反演效果,验证了NDVI,RVI与LAI之间主要为非线性关系,且ELM神经网络模型反演效果要优于BP神经网络模型和多元线性回归模型。（3）对比五种算法在不同数据集上的反演效果,改进的QGA-ELM算法绝大部分情况下拥有最高的反演精度和最低的误差,改进后的算法反演精度得到了明显提升,泛化性能也得到了增强。（4）改进的QGA-ELM算法在各种施肥梯度上均具有最高反演精度和最低误差,且精度较高,能为不同生长状况水稻LAI反演提供依据。（5）五种模型对庆和香LAI反演精度均要高于龙稻18,而改进的QGA-ELM算法在不同水稻品种上依然具有较高的反演精度,且在不同水稻品种上反演精度相差极小,远低于其他四种模型,能很好适应不同水稻品种LAI反演要求,极大提升模型的稳定性性,为不同水稻品种反演提供参考意义。     

Switching systems with dwell time: Computing the maximal Lyapunov exponent

We study asymptotic stability of continuous-time systems with mode-dependent guaranteed dwell time. These systems are reformulated as special cases of a general class of mixed (discrete–continuous) linear switching systems on graphs, in which some modes correspond to discrete actions and some others correspond to continuous-time evolutions. Each discrete action has its own positive weight which accounts for its time-duration. We develop a theory of stability for the mixed systems; in particular, we prove the existence of an invariant Lyapunov norm for mixed systems on graphs and study its structure in various cases, including discrete-time systems for which discrete actions have inhomogeneous time durations. This allows us to adapt recent methods for the joint spectral radius computation (Gripenberg’s algorithm and the Invariant Polytope Algorithm) to compute the Lyapunov exponent of mixed systems on graphs.     

三维荧光结合化学多维校正快速灵敏测定环境水样中的噻菌灵和双酚A

随着经济的高速发展,环境问题正在日益引起人们的广泛关注。在实际生产中,农药和塑化剂长期存在滥用的问题,使其成为最为广泛的环境污染源并对生态环境、食品、人畜等造成严重的危害。针对环境中农药和塑化剂的残留问题,开发一种灵敏、快速的高效检测分析方法,采用三维荧光结合化学计量学方法用于环境水样中噻菌灵（TBZ）与双酚A（BPA）的快速灵敏分析。兼顾了三维荧光分析的灵敏度高、信息丰富及化学多维校正方法“数学分离”的显著优势,仅需要简单的预处理过程即可实现TBZ和BPA的痕量检测。即使分析物之间以及分析物和水样中未知背景干扰之间的光谱存在严重的重叠,基于交替三线性分解（ATLD）算法的二阶校正方法仍能借助其显著的“二阶优势”对其进行解析,并获得可靠的定性定量结果。其中,TBZ在20~200 ng·mL-1范围内线性关系良好（r=0.9999）,而BPA在40~280 ng·mL-1范围内线性关系良好（r=0.999 1）。TBZ和BPA在两种水样中的平均加标回收率分别为96.3%~99.1%和90.0%~90.8%,且标准偏差均低于7.2%。另外,计算品质因子,如灵敏度（SEN）、选择性（SEL）、检测限（LOD）和定量限（LOQ）,评估了该方法的准确性。所得结果均令人满意,表明所提出的方法能够用于环境水样中TBZ和BPA的准确、快速定量分析,为环境中农药和塑化剂的残留问题提供了一种科学有效的监测手段。     

基于遗传算法-支持向量机的兔肝VX2肿瘤光谱鉴别

兔肝VX２肿瘤是一种快速生长的肿瘤模型,可以在多种器官如肝、肺、直肠等快速生长,常用于肿瘤研究。采用可见-近红外高光谱技术对四只兔子的兔肝VX２肿瘤和正常组织进行活体和离体的反射光谱检测,然后采用支持向量机分别实现了二分类(正常肝组织和肝VX2肿瘤组织)和四分类(未出血活体正常肝组织、未出血活体VX2肿瘤组织、出血离体正常肝组织和出血离体肝VX2肿瘤组织)。根据其光谱反射曲线的特征,选择了400～1 800 nm区间的数据为特征变量。为进一步提高分类准确率,分别采用5折交叉验证和遗传算法对支持向量机的核函数参数g和惩罚因子c进行了优化。其中5折交叉验证优化参数和分类结果为：二分类优化的惩罚参数c为4,核函数参数g为0.125 0,其校正集和预测集的准确率都达到了100%;四分类中优化出的参数c为8,g为0.121 1,其校正集和预测集的准确率分别达到了99.242 4%和93.333%。遗传算法优化参数和结果为：二分类中优化的参数c为0.845 6,g为0.062 5,其校正集和预测集的准确率同样都达到了100%;四分类中优化的参数c为5.5307,g为0.068 5,其校正集和预测集的准确率分别达到了99.242 4%和100%。结果显示两种优化方法都取得了很好的效果,遗传算法优化参数对四分类的分类更为精确。为进一步提升算法速度,采用间隔选取变量的方法来不断减少特征变量,最终每隔100 nm谱段选择一个变量,共选择14个谱段作为特征变量。采用遗传算法优化支持向量机参数并对其分类进行了研究,结果表明：二分类和四分类的校正集和预测集结果准确率均为99.242 4%,而且运行时间分别为11.4和20.0 s, 与选择全波段的运行时间：340.3和491.0 s相比, 说明多光谱技术可以进行肝VX2肿瘤组织和正常肝组织的鉴别,且分类准确率可达99%以上,而且运行时间缩短了很多。为未来多光谱技术在未来临床肿瘤诊断中实现肿瘤组织的快速实时在线检测和分类奠定了基础,显示出巨大的应用潜力。