基于粒子群算法的资源受限项目扩展调度方法

针对资源受限的项目调度问题,提出了一种离散粒子群算法与扩展调度机制相结合的优化方法.离散粒子群算法中每个粒子的位置代表一组项目任务的优先权,迭代中通过交叉策略和局部搜索策略来更新粒子的位置,这既保持了粒子位置的离散性,又增加了粒子的多样性,避免早熟收敛.每个粒子的位置通过扩展串行调度机制转换成可行的调度方案.实算表明,扩展调度机制的引入显著地加速了收敛的进程,提高了解的精度.这种基于粒子群算法的扩展调度优化方法是求解资源受限项目调度问题的有效方法.     

基于信息熵的免疫粒子群算法求解指派问题

针对指派问题,提出了一种带有免疫功能的离散粒子群优化算法.在粒子群算法中通过交叉策略和局部搜索策略实现粒子位置的更新,以保证解的可行性.在迭代进程中为了防止粒子由于多样性降低陷入早熟收敛,通过基于信息熵的种群亲和度动态评价和抗体浓度抑制机制,很好地保持了种群的多样性,增强了算法的全局寻优能力.实算结果表明,该算法能到得较优的指派方案,且也能处理匈牙利法不能求解的指派问题.     

人工蜂群算法求解任务可拆分项目调度问题

针对任务可拆分的资源受限的项目调度问题,提出了一种人工蜂群算法与任务可拆分的串行调度机制相结合的优化方法．人工蜂群算法中每个食物源的位置代表一组项目任务的优先权序列,优先权序列通过调度生成机制转换为可行调度方案,迭代中由三种人工蜂执行不同的操作来实现全局最优解的更新．实算表明,基于优先权的人工蜂群算法可以有效求解任务可拆分项目调度问题,收敛速度较快且精度较高．     

快速均值回归随机波动率模型参数估计及应用

基于快速均值回归随机波动率模型, 研究双限期权的定价问题, 同时推导了考虑均值回归随机波动率的双限期权的定价公式。 根据金融市场中SPDR S&P 500 ETF期权的隐含波动率数据和标的资产的历史收益数据, 对快速均值回归随机波动率模型中的两个重要参数进行估计。 利用估计得到的参数以及定价公式, 对双限期权价格做了数值模拟。 数值模拟结果发现, 考虑了随机波动率之后双限期权的价格在标的资产价格偏高的时候会小于基于常数波动率模型的期权价格。     

基于多模块模糊贝叶斯网络的恐怖袭击事件量化分析

近年来,全球范围内恐怖袭击事件的发生日益频繁,已经成为许多国家和地区所面临的主要安全问题.首先建立了全球恐怖袭击事件危险性分级指标体系,并基于多模块模糊贝叶斯网络来建立一个基于观测事件"后验概率"的推理模型,从而解决信息不确定时恐怖袭击事件的危险性分级.其次,利用FCM聚类模型对恐怖袭击事件的危险度进行聚类分析,从而依据事件特征对犯罪嫌疑人进行准确锁定.然后,建立了贝叶斯网络恐怖活动预测模型,为全球反恐态势提供有效预测,并利用ArcGIS热点图分析各地区恐怖袭击事件的时空特性.最后,基于VAR模型揭示了不同区域之间在恐怖袭击事件发生时跨区域间的相互影响关系,并提出了相应的反恐建议.     

任务可定点拆分的资源受限项目调度问题研究

任务可定点拆分的资源受限项目调度问题是标准资源受限项目调度问题的一个扩展.针对这一问题提出了一种离散人工蜂群求解算法.离散人工蜂群算法中采用基于任务排列的食物源编码方式,并提出了能够一种保证解的可行性和离散型的候选食物源生成方法.项目中允许定点拆分的任务首先要转换为满足先序关系的分任务,然后在通过串行调度机制生成可行调度.实算表明,该算法能够有效求解任务可定点拆分的资源受限项目调度问题,同时也看到在不影响完成质量情况下,项目通过任务拆分能够在一定程度上缩短项目工期.     

改进的人工蜂群算法求解任务指派问题

针对指派问题提出了一种改进的人工蜂群算法.该算法充分考虑到指派问题解的离散性特点,给出了食物源位置的离散编码方法,并且采用邻域移动法生成候选食物源,这一方法既保证了解的可行性,又增加了食物源的多样性.实算表明在求解指派问题时,该算法比原人工蜂群算法在求解精度和收敛速度上都有显著地提高,两性能也优于其他粒子群算法.这种改进的离散人工蜂群算法简洁,应用方便,不但是一种有效求解指派问题的新算法,同时也为其他组合优化问题求解提供了一种有益思路.