改进粒子群优化算法及其在CVaR模型中的应用

文章基于CVaR模型进行投资组合优化,并利用粒子群算法对其进行求解.在具体应用过程中,为克服粒子群算法易陷入局部极值的缺陷,对算法进行了改进,并与标准粒子群算法(PSO)和遗传算法(GA)进行了比较,结果表明,改进后的算法应用于CVaR模型是行之有效的,且优于标准粒子群算法和遗传算法.     

多资源多出救点组合应急调度模型

文章以多资源到达配套和缩减出救活动时间为目标,建立了相应的应急资源调度模型,进行了带有网络容量限制的动态路径选择,并用粒子群算法求解出多路径混合配流.数值算例验证了所建立模型的合理性及算法的可行和有效性.     

非线性方程组多根联解的协同进退粒子群算法及其应用

文章构造了自适应惩罚尺度函数，并结合最小二乘法将方程组的求根转化为等价的多峰优化模型，然后在粒子群算法框架下提出了局部协同和进退寻优两种迭代进化策略。局部协同策略保证了所有粒子能通过局部抱团收敛到每个根，局部进退寻优策略提升了寻根的速度和精度。基于这两种进化策略设计的协同进退粒子群（CARPSO）算法有效融合了粒子群算法的全局搜索能力和进退法的局部快速寻优能力。实证分析表明，CARPSO算法能高效和精确地求解非线性方程组的所有根，并在广义Logistic分布的参数估计中，展现出了很高的有效性。     

路网增长引导的区域经济扩散度量方法

在我国区域交通基础设施规划引导性明显增强的新形势下,研究区域多经济体在路网规划引导下的扩散过程,建立基于经济体自由组合、动态速度的扩散模型,并采用粒子群算法对模型进行求解,算例证明模型和算法适用于经济扩散效应的测度.可对经济体规模、路网节点城市容量、交通条件表征以及扩散速度和密度关系方面进一步进行研究,以拓展该扩散模型的应用.     

一种求解基数约束投资组合优化的混合粒子群算法

如何有效求解基数约束投资组合优化问题,已成为金融学界近年来一直研究的热点.文章介绍了一种融合极值优化理论的混合粒子群优化算法(简称eo-PSO),利用极值优化方法(EO)以增强混合算法对搜索空间的挖掘能力,引入混沌变异算子提高粒子群(PSO)的探索能力.通过和其他一些智能计算方法对Markowitz基数约束投资组合优化目标函数的测试,以及应用风险范围理论的比较分析,结果显示混合粒子群算法具有良好的计算性能,其优化解也更具有效性.     

改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.     

内梅罗PPE-SVM组合评价模型

为了尽可能多地利用有用信息,文章应用组合原理,以拟合优度法确定权重组合三个模型(内梅罗指数法,粒子群投影寻踪法及支持向量分类算法),并将之应用于土壤重金属污染评价中.实例验证表明该方法增强了系统的评价性能,具有较强的可靠性.     

基于粒子群优化算法的应急资源调度研究

科学合理地开展应急资源调度,最大限度地发挥有限的应急资源的价值,是应急管理中的一项重要工作.文章构建了多种应急资源需求约束、应急时间约束、应急救援成本约束等多约束条件下的突发事件应急资源调度模型,并运用粒子群优化算法对模型进行求解,从而实现应急救援资源的高效利用与合理调度.     

基于PSO的证券投资组合优化问题研究

投资组合决策面临现实证券市场中大量数据,传统算法很难解决这一问题.粒子群算法(PSO)是新近出现的一种仿生算法,具有简单容易实现,而且随机搜索的优点,使得搜索不易陷于局部最优,文章将具有智能化且易于实现的粒子群算法应用到证券投资组合决策中,并通过上海证券交易所的实际数据进行计算机模拟,结果表明该算法在组合决策中是有效的,且易于实现.     

关于项目群全生命周期的研究

文章在分析项目群全生命周期现状的基础上,讨论了项目群的含义,从而建立了项目群的理论模型。在此基础上,文章分析了项目群全生命周期的立项、构建、实施和收尾诸阶段的内容、任务和目标。     

粒子滤波算法在贝叶斯模型中的应用

文章首先介绍了粒子滤波算法,然后将粒子滤波算法应用到一类特殊的贝叶斯动态模型中,并得到有关结论.     

基于模糊聚类的企业项目群管理应用

文章结合项目群管理思想，提出了基于模糊聚类分析的评价模型，运用模糊分析和模糊聚类进行多项目评价研究，并给出算例。结果表明，模糊聚类分析对企业项目群的分类是科学的、有效的。     

随机模糊环境下供应链企业间博弈研究

文章基于随机模糊环境对供应链中制造商和零售商博弈关系进行分析,利用集随机模糊模拟、粒子群算法、神经网络为一体的混合智能算法对构建了分散决策结构下的供应链模型和集中决策结构下的供应链模型,并列举模拟实例增强模型的适用性,从而为有效提高供应链中处于不同层级地位的生产商和零售商都能获得最大利益.     

中国股指波动率的智能预测模型与实证检验

文章提出将改进型粒子群算法与最小二乘支持向量机(LSSVM)相结合的中国股指波动率智能预测方法,利用径向基核函数LSSVM对股指波动率进行建模及预测,并将自适应惯性权重粒子群算法(AIWPSO)和动态加速系数粒子群算法(DACPSO)分别实现径向基核函数LSSVM的参数优化,建立了两种股指波动率的智能预测模型.以日内价格极差作为波动率的代理变量,通过对上证综指和深证成指的实证研究检验了两模型的有效性.检验结果表明,AIWPSO算法优化的径向基核函数LSSVM作为中国股指波动率智能预测模型,具有更高的波动率预测精度和更快的建模速度.     

基于粒子群训练的神经网络股票预测模型

文章将粒子群优化算法用于神经网络预测模型的学习训练,并且将这种方法用于股票预测中.实验结果表明,基于粒子群训练的神经网络学习算法更易于实现,且准确率较高.     

基于改进粒子群优化算法的物流配送中心选址技术

文章同时考虑客户和物流规划部门的利益,构建了物流配送中心地址优化的双层规划模型。提出了一种改进的粒子群优化算法,分别求解双层规划模型的上层模型和下层模型。仿真实例表明了本文方法的可行性和有效性。     

粒子群算法在投资组合决策中的应用

投资组合决策面临现实证券市场中大量数据,传统算法很难解决这一问题。本文将具有智能化且易于实现的粒子群算法应用到投资组合决策中,并通过上海证券交易所的实际数据进行计算机模拟,结果表明该算法在组合决策中是有效的,且易于实现。     

基于VaR约束的均值-绝对偏差投资组合优化模型及实证研究

文章在均值-绝对偏差投资组合优化模型中,加入风险价值约束,给出了基于VaR约束的投资组合优化模型,以增强对投资风险的控制能力,然后利用一个自适应的粒子群算法对这个模型进行求解,实证研究表明模型是合理且风险控制能力更强,能够更好地为投资者提供决策依据。     

指定与不指定备选点的配送中心选址-库存模型研究

针对物流企业经常遇到的配送中心只能在指定的备选点中选择的限制,将固定建设成本风险共担选址-库存问题扩展为不指定与指定备选点的可变建设成本配送中心选址-库存模型,构建了二次非线性0-1整数规划模型.结合粒子群算法的特点,分别设计J×J矩阵与I×J矩阵为不指定备选点和指定备选点的可变建设成本配送中心选址-库存模型的初始粒子.在粒子群算法思路、流程指导下,用C++编程,通过C++builder运算.采用Hakimi文章中算例计算,并对运输成本系数β、库存成本系数θ进行敏感性分析.     

中国城乡居民生活用电月度需求预测

城乡居民生活用电量月度需求预测是全社会用电量需求预测基础,也是分布式电网发、输、配及智能电网调节等相关企业精细管理的必然要求。文章通过对各种影响因素和其月度数据的可获得性进行分析权衡,先用常规方法建立了四个不同类型的基本预测模型,然后引入粒子群优化算法建立了PSO预测模型,最后基于模型有效性"惯性"的思想建立了"跟踪最优(TO)"模型。