排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
马科维兹资产组合选择模型的旋转算法 总被引:2,自引:0,他引:2
提出线性不等式组的一种旋转算法,并用其求解马科维兹资产组合选择模型,此算法每次迭代约需n^2次乘法和加法,其中n是模型中变量的数目,在微机上运行Delphi程序的实验结果表明,从上海和深圳股市1072支股票70期周末收盘价计算出20个最优投资组合仅需314次迭代和45s。 相似文献
2.
针对我国科技保险第二批推行险种--项目投资损失保险,以科技企业为研究主体,综合考虑其期望利润和科技风险(方差),构建了投保比例模型.在对武汉市迪源光电科技有限公司投保科技保险的具体案例中,运用线性不等式组的旋转算法进行求解,计算出企业在项目组合投资中如何优化各项投保比例,使其以最小的风险承担得到最大的期望利润. 相似文献
3.
4.
5.
在紧约束函数的梯度向量线性无关这一约束规范下,运用隐函数定理和直交投影的性质,给出约束最优化问题Kuhn-Tucker一阶必要条件的一个简洁证明. 相似文献
6.
行旋转算法是求解线性不等式组的一种直接、有效的算法,为大数据时代众多与线性不等式组紧密相关的问题提供了统一、高效的解决思路.求解线性规划问题本质上是求解线性不等式组,因而行旋转算法可以作为基础算法直接应用于求解线性规划.不同于以单纯形法为代表的列旋转算法,线性规划的行旋转算法以行几何(或行向量)为基础,其核心思想是在保证最优性条件始终成立的前提下求解约束条件对应的线性不等式组.改进的行旋转算法保持了原算法的所有特色.该算法的改进之处在于利用约束条件变量的部分系数构成的非奇异矩阵的逆矩阵(称为特征逆矩阵)和原始数据计算出枢轴行和枢轴列,从而完成一次旋转运算.特征逆矩阵的阶数一般要比约束的数目和变量的数目小很多,在每次迭代过程中只需要计算原算法算表中的小部分必要元素,因而能够显著提高计算效率. 相似文献
1