动态种群规模协同进化算法求解多目标投资组合优化问题

为了解决仅含预算约束的投资组合优化模型,提出一种基于种群密度的多目标协同进化算法.算法采用种群竞争的策略自适应的产生不定规模的种群,避免了固定种群规模的缺点.在进化过程中每个种群都会参考自身的最优个体以及竞争种群对自身的影响,超级个体集合存储进化过程中产生的最优解,通过最优个体的引导使算法快速收敛至Pareto前沿.实验结果表明,与NSGA-2算法相比,提出的算法在稳定性和收敛性都有很好的表现,是一种有效的多目标进化算法.     

负载均衡问题

自Ron Graham20世纪60年代发表第一篇负载均衡算法的论文以来,平行机排序作为组合优化近似算法理论的首个问题引起了学界的广泛兴趣,其本身研究的不断深化也一路见证了该领域的发展历程.介绍负载均衡问题的来龙去脉,特别是作者所在团队在相关问题的研究进展,从算法和复杂性不同的视角分析经典问题的计算本质,并对未来的研究提出一些建议.     

基于非结构数据和EMD-WTS二层分解的AQI组合预测方法

针对具有高复杂性与非平稳性的空气质量指数(AQI)时间序列,提出一种融合非结构数据的EMD-WTS二层分解组合预测模型;首先,筛选百度指数关键词并提取对应数据,运用局部线性嵌入算法(LLE)对之降维;其次,对AQI历史序列与降维结果进行经验模态分解(EMD)与重构;接着,对所得高频项进行小波分解(WT)与重构;然后,运用Holt指数平滑法、支持向量回归(SVR)与人工神经网络(ANN)分别对二层分解结果与原始低频、趋势项进行组合预测并运用BP神经网络集成;最后,叠加集成结果得到AQI预测值;对比实验说明预测方法充分利用了多源数据信息,具有较高的预测精度。     

基于灰色理论的数控机床复合结构床身优化设计及其性能分析

为探索提高数控机床的综合性能,以某卧式加工中心铸铁床身为原型,设计了一种钢板-混凝土复合结构床身.采用正交实验、灰色关联和组合赋权相结合的方法对其结构进行优化并得到了最优的参数组合,对复合结构床身进行有限元仿真分析,并将结果与原型铸铁床身比较.结果表明:在床身质量仅增加2.3%的情况下,复合结构床身的最大静应力和最大静变形分别降低了51.3%和82.9%;前三阶固有频率提高了143.9%、156.8%和148.7%;x轴导轨和z轴导轨中心节点在x、y、z方向上的最大振幅降低了97.6%、97.1%、94.0%和99.6%、97.9%、85.4%;导轨滑块连续在导轨表面摩擦1800s时导轨的最大热-结构耦合变形量降低了7.3%.     

具有工作故障及有限容量的MAP/M/1排队系统性能分析

为了拓展随机排队理论,在具有工作故障的MAP/M/1排队的基础上,引入有限容量策略建立起一个新的排队模型.通过Uniformization Technique将连续时间排队模型转化成对应的离散时间排队模型,运用矩阵几何组合解给出系统中的顾客数量和服务器状态的联合稳态概率表达式,并给出基于稳态概率的性能指标.最后通过一些数值例子展示参数对性能指标的影响.     

PPP项目国有企业隧道行为研究

PPP项目中, 国有企业时常利用控制权优势和信息不对称实施隧道行为, 加大了民营资本进入PPP项目的阻力, 损害了项目整体利益, 不利于PPP模式的健康可持续发展。本文在分析PPP项目中国企隧道行为表现形式和形成机理的基础上, 分别通过博弈论和投资组合模型构建了隧道行为实施条件和发生概率模型。研究结果表明, 国企实施隧道行为需具备基于控制权的先决条件, 挖掘成本相对项目利益的比重越大, 所需控制权越高; 而隧道行为的发生概率随着挖掘成本的降低和控制权的增加而增加。通过蒙特卡洛模拟对河北承德市双峰寺水库PPP项目进行案例分析, 验证了国企隧道行为实施条件和概率模型的可行性和适用性。最终, 分别从提高民企的谈判能力, 增加PPP项目信息透明度, 加强政府监管, 并使国企和项目整体产生利益协同四个方面提出隧道行为治理机制, 保障PPP模式的可持续发展。     

基于动态参照点的鲁棒投资组合模型及其拓展

鲁棒投资组合模型是一种适用于收益不确定条件下寻求最优决策的方法。首先考虑投资者对底线的重视,根据当收益触及底线时,激进者和保守者在参照点上的不同变化情况,建立动态参照点模型。接着,一方面将动态参照点作为划分获益和损失的界限值,改进现有的Worst-case Omega(WOmega)模型。另一方面结合投资者对下侧风险更为厌恶的特点,以动态参照点作为下侧风险的基准,改进现有的Relative Robust Portfolio Optimization(RRPO)模型。实证研究中,对于WOmega类模型,结果表明激进行为模型在样本内表现较好,而保守行为模型在样本外表现较好。对于RRPO类模型,结果显示激进行为的收益表现良好,保守行为对标准差及最大损失值的控制较好。随着约束的放松,所有模型的收益都能得到可观提升。     

跳扩散模型下的非零和随机微分投资组合博弈

现实经济中,当股票价格受到一些重大信息影响而发生突发性的跳跃时,用跳扩散过程来描述股票价格的趋势更符合实际情况。基于这一观察,本文研究跳扩散模型下包含两个投资者的非零和投资组合博弈问题。假设金融市场中包含一种无风险资产和一种风险资产,其中风险资产的价格动态用跳扩散模型来描述。将该非零和博弈问题构造成两个效用最大化问题,每个投资者的目标是最大化终端时刻自身财富与其竞争对手财富差的均值-方差效用。运用随机控制理论,得到了均衡投资策略以及相应值函数的解析表达。最后通过数值仿真算例分析了模型相关参数变动对均衡投资策略的影响。仿真结果显示:当股价发生不连续跳跃,投资者在构造投资策略时考虑跳跃风险可以显著增加其效用水平;同时,随着博弈竞争的加剧,投资者为了在竞争中取得更好的表现,往往会采取更加激进的投资策略,增加对风险资产的投资。     

混合区间多尺度分解的区间时间序列组合预测

鉴于传统预测方法一直基于“点”来衡量时间序列数据,然而现实生活中在给定的时间段内许多变量是有区间限制的,点值预测会损失波动性信息。因此,本文提出了一种基于混合区间多尺度分解的组合预测方法。首先,建立区间离散小波分解方法(IDWT)、区间经验模态分解方法(IEMD)和区间奇异普分析方法(ISSA)。其次,用本文构建的IDWT、IEMD和ISSA对区间时间序列进行多尺度分解,从而得到区间趋势序列和残差序列。然后,用霍尔特指数平滑方法(Holt's)、支持向量回归(SVR)和BP神经网络对区间趋势序列和残差序列进行组合预测得到三种分解方法下的区间时间序列预测值。最后,用BP神经网络对各预测结果进行集成得到区间时间序列最终预测值。同时,为证明模型的有效性进行了AQI空气质量的实证预测分析,结果表明,本文所提出基于混合区间多尺度分解的组合预测方法具有较高的预测精度和良好的适用性。