基于几种风险测度的多阶段组合优化研究

基于均值-方差(MV)、VaR(Value at Risk)、CVaR(Conditional VaR)、HMCR(p=1,2,3)(Higher Moment Coherent Risk)几种风险测度进行多阶段组合优化研究。首先从一致性公理和随机占优一致性角度分析几种风险测度的风险识别能力,认为HMCR(p=2,3)的风险识别能力最高,然后给出静态和动态下的风险规避型的规划函数及多阶段CVaR和HMCR模型,最后依据单阶段和多阶段优化模型,对上证50指数成份股进行实证分析。对比单阶段和多阶段下几种风险测度优化组合的累计收益率及几种风险测度之间的关系,结合上证50指数收益率发现,多阶段优化组合要整体优于单阶段优化组合,且HMCR(p=2,3)要优于指数收益率和其它几种风险测度。从投资者投资决策方面来分析,HMCR(p=2,3)型积极投资策略比较适用于股市平稳期、顶峰期和下降期,被动投资策略比较适用于股市上升期。     

数据驱动的业务过程角色与任务重分配方法研究

针对现有任务分配方法难以考虑人员执行任务的效率差异性和偏好性问题, 以生产和服务系统执行历史数据为基础, 提出基于人员行为差异性的任务分配方法, 建立以业务执行过程中流程执行时间最少和人员之间负荷均衡为多目标的任务分配优化模型. 基于NSGA II算法, 提出将约束优化模型转换为无约束优化模型, 并给出优化模型的求解方法. 结合业务过程挖掘领域中事件日志的应用实例, 对业务过程中的任务和角色进行重分配, 比较任务重分配前后业务过程的变化情况, 为以后的任务分配提供依据.     

矩阵块对角占优性的推广与应用

引进了拟块有向边覆盖对角占优矩阵概念,给出了新的矩阵非奇异判定定理和特征值分布定理.     

广义块对角占优矩阵的判定

1、引言 各类对角占优矩阵是数值代数和矩阵分析研究中的重要课题之一．对于线性方程组AX=6,当系数矩阵A为（块）对角占优矩阵或广义（块）对角占优矩阵时,许多经典的迭代算法均是收敛的,同时对目前提出的一些修正算法也是收敛的．因此,判断一个矩阵是否是广义（块）对角占优矩阵具有重要意义．国内外许多学者都做了不少研究（见文[1．5]）,本文给出了几个广义对角占优矩阵的判别方法．     

三维Poisson方程边值问题的块三对角可扩展并行算法

为探讨三维Poisson方程带Dirichlet边界条件边值问题的并行求解方法,本文使用块三对角可扩展并行算法对该系统进行求解,提出了反映差分格式内在并行性的概念——差分格式的并行度,利用此概念说了明差分格式自身内在并行性与并行算法性能的关系。此外,本文方法在上海大学“自强3000”计算机。七的数值实验表明,实验的结果与理论分析一致;在保证精度的前提下得到了线性加速比,其并行效率达到90％以上。     

非奇异H矩阵的充分条件

从矩阵的元素出发,给出了非奇异H矩阵的新判据,改进和推广了一些相关结果,并用数值例子说明了结论的有效性．     

AOR迭代法一个新的误差估计

在严格双对角占优条件下, 给出了矩阵M-N行和范数一个新的上界. 该文在此基础上, 得到了线性方程组求解时AOR迭代法一个新的误差估计. 作为特殊情形, 当r=ω=1时, 得到了Gauss-Seidel迭代法的更精确形式的误差估计, 最后给出一个数值例子.     

基于小波框架变换的多聚焦图像融合新算法

在离散小波框架变换图像融合的基础上,从离散小波框架变换系数的特点出发,提出了一种基于离散小波框架变换的多聚焦图像融合算法。该算法通过计算低频系数加权窗口邻域的相似性度量和系数窗口邻域的信息熵来确定融合图像的低频系数;结合高频系数占优块和块与块之间的相关系数来确定融合后的高频系数。实验结果表明该算法提高了图像的融合质量。     

α-链对角占优矩阵与非奇异H-矩阵的判别

设A=(aij)∈Cn×n,若存在α∈(0,1),使i∈N,aii ≥Rαi(A)S1-αi(A),则称A为α - 链对角占优矩阵.利用α - 链对角占优矩阵、不可约α - 链对角占优矩阵、广义α - 链对角占优矩阵等概念及性质,给出了非奇异H - 矩阵几个简洁的判定条件.进一步丰富和完善了α - 链对角占优矩阵与判别非奇异H - 矩阵的理论,为相关领域如矩阵论、控制论、经济数学等提供了理论研究基础.     

某类非奇异H-矩阵的两个新的判定

文章用不等式性质给出了非奇异H-矩阵的两个新的判定.